2—6GHz体域网信道测量及后期数据处理

毛刚　龚成仙

摘要：当今世界，老龄化问题变得越来越严重，如何有效地对老年人口的健康进行实时监控，成为人们普遍关注的问题。无线体域网（Wireless Body Area Network）的提出则有望缓解这一问题。该文采用基于频域的无线信道测量平台对2-6GHz频率范围的无线体域网信道进行测量，包括6种不同的测试位置。最后获得2-6GHz无线体域网信道的功率延迟分布、平均时延、均方根延时扩展、显著路径数以及功率谱等特性。

关键词：无线体域网；超宽带信道；信道测量；数据处理

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2015）15-0018-03

近年来世界老龄化问题日趋严重，老年人口数量庞大且增长速度快。据官方统计，截止到2012年世界60岁以上的老年人口达到8.2亿，预计2050年这一数字将达到20亿。随着人口老龄化，医疗和其他费用成为一个亟待解决的问题。无线体域网作为解决这一问题的潜在技术受到了广泛的关注[1-4]。无线体域网主要是用来连续监视和记录慢性病（如糖尿病、哮喘病和心脏病等）患者的健康参数，有时还可以提供某种方式的自动疗法控制。无线体域网信道相对于传统移动通信信道呈现出一些新的特性。首先，无线体域网中传感器一般是在人体上，人体运动状态的变化以及不同场合的切换就会引起无线体域网信道处于不断的变化中，故传统的室内或室外移动衰落信道模型就很难适用于体域网；再者，与移动通信信道不同的是，无线体域网是人体身上或者人体附近的通信网络，要求较高的医疗数据精度的同时，不同的个体特征会影响信道，无线信号的衰落就呈现出复杂的、没有规律的变化状态。但是接收信号的衰落情况能够如实反映通信的好坏，因此无线体域网信道特性研究就变得相当重要。

本文通过搭建完整的无线体域网信道测量平台获取了静态室内环境下超宽带信道测试数据，并且通过频域数据加窗、傅里叶反变换、调整分辨率、去除噪声等步骤提取出信道的冲激响应。最后根据信道的冲激响应，利用matlab仿真软件计算出信道的归一化功率延迟分布、显著路径数、均方根延时、平均时延。

1信道测量

本次测量在室内进行，采用两个完全相同的单极子超宽带全向天线作为发射天线和接收天线，天线工作频率在2-6GHz。发射天线固定在人体的腹部，接收天线分别固定在人体的肩部、胸部、膝盖、脚腕、手臂以及手腕，如图1所示。所用的测量仪器是AV3629A一体化矢量网络分析仪，通过将接收天线固定腹部，发射天线固定在6个不同的位置，每个位置测试4次，每次测试数据个数为2000个，获得24组不同的数据。

2数据处理

由测量获得的数据每组2000个，根据超宽带信号处理技术对数据进行处理。数据处理流程图如图2所示。

2.1 去除天线响应

天线的特性对接收信号有一定的影响，不同的天线可能会导致不同的信道模型，为了更加精确地为信道建模，去除天线的响应是有必要的。去除天线响应时需要用到暗室数据，由于条件限制，本文没有去除天线响应。

2.2 频域数据加窗

超宽带信道测试获得的频域数据，由于频率是带限的，故在频率的两端，测试数据会出现明显的跳变，如果直接将该数据进行IFFT傅里叶反变换，旁瓣就会很大。因此就要想方设法在不影响数据准确性的前提下，能够最大限度地减弱旁瓣的大小。实验证明，通过对数据加窗不但能够增加时域脉冲的主辩宽度，同时还能减弱旁瓣。在图像处理中，使用的最频繁的是海明（Hamming）窗、汉宁（Hanning）窗、凯瑟（Kaiser）窗。分别对频域数据加Hamming窗、Hanning窗、Kaiser窗以对比加窗对测试数据的影响。图3为肩膀-腹部区域测试数据加不同窗后的结果。

2.3 傅里叶反变换（IFFT）和调整分辨率

从频域数据中获得时域冲激响应，最关键的技术就是傅里叶反变换，通常傅里叶反变换有两种方法：复数基带的傅里叶反变换和实数通带傅里叶反变换。复数基带傅里叶反变换是直接把带通信号当成低通信号处理。通过复数基带傅里叶反变换获得的时域数据是一组复数序列，这就增加了后期数据处理的难度。而实数通带傅里叶反变换结果是一组实数序列，所以该方法使用得最频繁。采用实数通带傅里叶反变换处理数据时，通常先通过补零，然后以零为中心作对称共轭频谱，再进行傅里叶反变换。实数通带傅里叶反变换可以降低后期的数据处理难度，同时系统的时间分辨率会变高，为了保证信道建模的准确性，需要把分辨率调整到实际的系统分辨率。

本文中选择实数通带傅里叶反变换，图4是肩膀-腹部所测原始信号加Kaiser窗，并经实数通带傅里叶反变换和调整分辨率所获得的时域图，如图4所示。

2.4 去除噪声

设备器件材料、开关接触等都会引起噪声，信道中存在的噪声是杂乱无章的，保留这些分量会增加系统建模的难度，故去除这些分量是很有必要的。通常采用小波变换法去除噪声，其基本思想是根据噪声与信号在不同频带上的小波分解系数具有不同强度分布的特点，将各频带上的噪声对应的小波系数去除，保留原始信号的小波分解系数，然后对处理后的系数进行小波重构，得到纯净信号。图5为去除噪声后的时域图形。

2.5 设置时间零点

通过傅里叶反变换原理得，变换后的数据是周期性的，因此调整时域数据的时间零点变得必不可少。在LOS环境中，将第一条到达的具有显著幅度的多径分量的到达时间设置为时间零点，将此分量之前的多径分量平移到最后。在NLOS环境中，将幅度大于峰值多径的十分之一的最开始到达的多径的时间设置为时间零点，同样将此分量之前的多径分量平移到最后，图6为调整时间零点后的时域图形即信道的时域冲激响应。

3信道相关特性提取

3.1 功率延迟分布

功率延迟分布（PDP）是一个以附加时延为自变量的函数，该附加时延是基于一个固定的时延参考量获得的。通常用图来表示功率延迟分布，其横坐标为附加时延，纵坐标为归一化的接收功率[5]。在实际的宽带数据处理中，既可以从频域数据中计算功率延迟分布，也可以从时域冲激响应中计算功率延迟分布。基于频域数据的功率延迟分布计算法是将到达的多径按频率分辨率分为多段，然后计算每段的平均接收功率即可获得功率延迟分布。基于时域冲激响应的功率延迟分布计算法是直接将数据平方。本文采用时域冲激响应计算功率延迟分布。图7为肩膀-腹部的归一化功率延迟分布。

3.4 显著路径数

在移动衰落信道中，通常归一化信道的冲激响应，然后把峰值10dB范围的多径数量或者不超过总能量85%的多径数量作为显著路径数。本文中以不超过总能量的85%为阀值计算显著路径数。

4结束语

本论文根据2-6GHz无线体域网信道的测量数据，经过一系列的数据处理技术提取出了信道的时域冲激响应。然后基于信道的时域冲激响应获得信道的功率延迟分布、均方根延时扩展、平均时延和显著路径数。在以后的研究中将对信道特特性进行深入的研究。

参考文献：

[1] Bernardhard J， Nagel P， Hupp J， et al. BAN-body area network for wearable computing[C]//9th Wireless World Research Forum Meeting， Zurich， Switzerland， 2003.

[2] Jovanov E， O'Donnell Lords A， Raskovic D， et al. Stress monitoring using a distributed wireless intelligent sensor system[J]. Engineering in Medicine and Biology Magazine， IEEE， 2003， 22（3）： 49-55.

[3] Kunze C， Grossmann U， Stork W， et al. Application of ubiquitous computing in personal health monitoring systems[J]. Biomedizinische Technik/Biomedical Engineering， 2002，47（s1a）： 360-362.

[4] Timmons N F， Scanlon W G. Analysis of the performance of IEEE 802.15. 4 for medical sensor body area networking[C]//Sensor and ad hoc communications and networks， 2004. IEEE SECON 2004. 2004 First Annual IEEE Communications Society Conference on. IEEE， 2004： 16-24.

[5] 刘江庭. 超宽带 （UWB） 室内信道建模研究[D]. 哈尔滨： 哈尔滨工程大学， 2006.

[6] Fort A， Desset C， Ryckaert J， et al. Ultra wide-band body area channel model[C]//Communications， 2005. ICC 2005. 2005 IEEE International Conference on. IEEE， 2005， 4： 2840-2844.