基于信道冲激响应不敏感特征的分子通信非相干信号检测

肖利民，徐向荣，韦壮焜，刘圣涵，刘怡文

（1.北京航空航天大学计算机学院，北京 100191；2.华威大学工程系，考文垂 CV4 7AL；3.北京邮电大学信息与通信工程系，北京 100876）

1 引言

相比于传统尺度的物联网（IoT,Internet of things），纳米物联网（IoNT,Internet of nano things）致力于将嵌入式纳米级传感器和相应纳米级设备连接到网络中，实现生物体内微观环境的实时监测和更加精确的靶向治疗，因此，被世界经济论坛认定为十大新兴技术之一[1]。为了搭建纳米物联网系统以及实现其节点间的通信，信息需要在复杂多变的生物介质（例如纳米管道和存在障碍的信道环境）中进行传输。这将使传统的无线通信方法（例如电磁波、无线光和声波）的通信性能严重下降[2]。分子通信（MC,molecular communication）是将数字信息调制到化学分子中（例如分子浓度调制和分子结构调制），使纳米级的信息分子能够在复杂的介质中传播，因此被认为是实现纳米物联网的关键技术之一。现有的MC有多种信息调制和传输机制，包括基于分子浓度扩散（MCvD,molecular communication via diffusion）机制[3-4]、基于细菌中继机制[5-6]、基于脱氧核糖核酸（DNA,deoxyribo nucleic acid）调制和管道传输[7]。在以上这些信息调制和传输机制中，MCvD机制因其不需要复杂的调制设施和能源供给吸引了绝大多数研究者的兴趣。

1.1 研究动机

在MCvD场景中，发送的信息通过分子浓度（个数）进行调制，并通过分子扩散传输到纳米接收机。接收机通过传感器（例如酒精分子测量器[8]）实时将测量到的且未经处理的分子浓度（个数）信息告知后续的信号检测单元进行发送信号的判决和检测。这里，传感器仅负责实时测量分子浓度，并将其汇报给后续处理单元，不做任何信号处理，因此不改变MCvD扩散信道的信道状态。基于此，有3个降低通信可靠性的挑战。首先，由分子扩散机制带来的时延导致码间干扰（ISI,inter-symbol interference），即先前信息调制所释放的分子使通信环境中该分子的整体浓度上升，从而污染当前时刻传感器所观测的分子浓度信号，进而影响纳米接收机对传输信息数据的检测和分子通信的长期可靠性[9]。其次，不理想的信道环境以及纳米接收机在工作时可能引入严重的接收噪声（例如，随着通信环境中信息分子浓度的上升，接收噪声的方差将随之增大）。这将进一步加剧接收信号的失真，从而降低检测性能[10-11]。第三，相比于无线通信的收发器，纳米级发送和接收机无法处理高计算复杂度的运算和大数据量的信息存储，使基于概率分析的信道补偿和信号检测在实际应用中受到了限制[12]。

1.2 相关研究

为解决上述3个挑战，许多信号处理方案被设计用于MCvD场景中的信号检测，这些方案可以分为两类：相干信号检测（coherent signal detection）和非相干信号检测（non-coherent signal detection）。需要说明的是，MCvD中的相干或非相干信号检测与常规基于电磁波通信设计的相干或非相干解调在概念上是不同的。在电磁波中，相干或非相干解调是指需要或不需要提取载波信息的一种解调方法。而在MCvD中，信息通过分子扩散进行传输，没有载波调制这一概念。这里的相干或非相干信号检测指是否需要估计分子信道信息的检测方式。

相干信号检测依赖于分子信道冲激响应（CIR,channel impulse response）进行ISI补偿，进而实现信号检测[13-15]（这与常规电磁波通信中的信道均衡的概念类似）。目前，检测性能最优的是基于最大后验概率（MAP,maximum a posteriori）序贯检测的分子信号检测算法[13]，需使用最小均方误差（LMS,least mean square）实现信道估计。然而，这些方案过度依赖信道估计的效果。因此在复杂且动态的分子信道环境中，信道估计的误差将使信号检测的性能大幅度下降[16-17]。同时，基于概率分析的信道估计和信号检测算法需要计算并遍历复杂的似然和后验概率，因此会消耗巨大的计算资源和存储资源[16-17]。上述两点导致基于相干信号检测的方案不适用于纳米级MCvD场景。

第二类方案被称作非相干信号检测。这类方法不依赖于CIR模型，而是通过寻找分子信号的特征（例如形状特征[16-18]和差分特征[12,16]等）来解决分子信号的检测问题。这类方案避免了复杂的信道估计和基于概率分析的信号检测，具有低复杂度的优势，因此适用于纳米级资源受限的通信场景。具体来说，文献[16-17]提出了基于分子信号3种局部特征（即局部几何形状、连续符号形状和能量差分特征）线性组合的检测方案。然而，其特征选取忽略了分子信号的某些重要特性（例如单个信号的分子能量特征等），从而导致了较差的检测准确性。同时，文献[16-17]未给出该检测算法的理论界限和特征的性能分析。进一步地，为提升检测精度，文献[18]设计了基于上述3种特征的高维组合的信号检测算法。尽管该算法提升了信号检测的准确性，却因为需要确定高维检测平面而消耗了大量的计算和存储资源，因此其应用在资源受限的纳米级MCvD系统中受到了限制。

1.3 本文贡献

本文提出了基于4种信号特征的非相干信号检测算法，旨在有效解决资源受限的纳米级MCvD中ISI和噪声带来的信号检测问题。

首先，为了实现非相干分子信号检测，本文给出了4种与CIR具体表达式无关的分子信号瞬时特征（即上升沿特征、下降特征、分子能量特征和能量差分特征）。这4种特征可以从本质上抵消IS（I即在ISI的影响下，每个特征仍能保持相同的形状），不需要使用复杂的信道估计来进行ISI补偿（类似相干检测方案[13-15]）。因此，这些特征将带有ISI的分子信号检测问题转换为二元检测框架，说明了其在实现非相干信号检测方面的潜能。

进而，通过这4种特征的线性叠加，本文设计了分子信号二元检测算法。同时，相比于三特征的非相干检测方案[16]，本文给出了自适应检测阈值的理论推导和检测算法的理论界。

此外，通过数据仿真，本文比较了同等计算复杂度下本文所提四特征非相干检测算法、相干MAP序贯检测算法[13]，以及三特征非相干检测算法[16]。仿真结果表明，所提方案可以改善MCvD中信号检测的准确性，同时保持较小的计算复杂度，因此更加适用于纳米级MCvD场景。

2 系统模型

2.1 MCvD系统模型

图1展示了一个典型的MCvD系统，包括纳米发射机（Tx）、纳米接收机（Rx）和它们之间的扩散信道。在通信开始时，Tx将原始信息编码。然后以信息分子的方式释放到扩散信道中，信息分子在介质中以布朗运动的形式进行扩散。最后，Rx部分根据信息的时变浓度重现原始信息。

图1 MCvD系统模型

MCvD系统通常采取如下假设[8,10-11,19-23]。

1)通信发生在无限的三维流体环境中，信息分子间的碰撞可以忽略不计。

2)通过盲同步方法（例如文献[19]）完美地实现了Tx和Rx之间的同步。

3)Tx和Rx之间的距离与Tx的大小相比足够大，因此可以将Tx视为一个点，这有利于本文对信道进行数学建模。

4)假设Rx是一个半径为r的纳米接收机。

2.2 MCvD信道冲激响应模型

MCvD根据信道环境的不同，有多种CIR模型。从Rx角度可以分为两大类：被动接收模型和主动接收模型。

1)被动接收模型

在这种情况下，分子接收不会影响该分子的运动（即当前时刻被接收的分子可以在之后的时刻离开Rx的半径范围）。假设分子在t=0时刻由Tx发射，则在t>0时，Rx内分子的平均浓度（即CIR）导出为[22-24]

其中，d是Tx和Rx之间的欧几里得距离，D是与温度和介质粘度相关的扩散系数，v是信道中液体流动速率（例如血管中的血液流速）[22]，λ是反应衰减指数（信息分子受到酶的催化与其他分子反应从而导致信息分子数减少）[24]。

2)主动接收模型

相比于被动接收模型，主动接收模型中，Rx是一种表面覆盖着大量受体的主动吸收机，使信息分子一旦到达Rx就与受体结合，并从环境中移除，成为Rx识别的接收信号的一部分。在这种情况下，CIR导出为[21-24]

上述信道模型经过归一化后的分子浓度与时间的关系如图2所示。需要说明的是，图2中的被动接收模型和主动接收模型分别特指式(1)和式(2)中流速v=0且反应衰减指数λ=0的情况，流速模型为式(1)中v≠0且λ=0的情况，酶催化模型为式(1)中由酶催化引起的反应速率衰减即λ≠0且v=0的情况。从图2中可以看出，虽然信道参数和模式不同，但是每个信号的波形形状是相似的，遵循先增大后减小的长尾效应。这种共性使一种新的特征提取方法能够解调并检测接收信号，本文将在第3节中详细讨论。

2.3 信号产生

MCvD用预先定义的调制和解调方式进行通信，最典型的方式为二元浓度移位键控（B-CSK,binary concentration shift keying）。在这种方式中，给定信息发送间隔Tb，Tx将在时刻传递二元信号αk∈{0,1}。当αk=1时，Tx在第k个发送间隔开始向扩散信道发射预定数量Q的信息分子；当αk=0时，Tx在第k个发送间隔不发送信息分子。由一系列二进制比特产生的发射信号为

其中，δ(·)表示冲激函数。

图2 归一化的分子浓度与时间的关系

发射的信息分子通过扩散信道并被噪声干扰到达Rx。Rx端接收信号为到达的信息分子个数。给定Rx的采样间隔为（即在每一时隙中采样M次），则在iTs∈((k-1)Tb,kTb]时间间隔内，接收的分子数服从泊松分布[17,25]，即

其中，P(x)表示均值为x的泊松分布，L表示ISI影响的位数，hi=h(t=iTs)表示相应的离散化的CIR，ε表示信道噪声的均值（即由信道产生的平均信息分子数）。由于纳米机器之间的通信是一个因果系统，对于i<0，有yi=0。此外，yi由3个分量组成，分别用以下3个项表示[17,25]

其中，第一项为当前k时刻发送比特αk所对应的有用信号；第二项为先前比特对当前比特信号的干扰（即ISI），是MCvD中信号检测错误的主要原因；第三项为信号噪声分量。

2.4 面临的挑战

基于上述信道模型，本文拟解决由分子扩散（而非传统电磁波传导）造成的ISI和背景噪声干扰对当前信号αk的检测影响。

考虑到分子扩散和电磁波传导的本质区别，MCvD不需要依赖载波进行信号传输，因此，电磁波通信中基于载波的相干和非相干解调技术不再适用。

另一方面，分子通信信号检测的独特挑战来源于纳米级收发机的计算和存储资源的限制。这使现有的依赖于信道均衡（即信道估计和补偿）的相干检测算法（例如MAP序贯检测算法[13]）不再适用。因为信道估计和最大后验概率的计算和遍历将消耗大量的计算和存储资源。

3 特征提取

在B-CSK中，二元信号检测的本质是判断当前的发送信号为1或0。根据图2分子信道中分子浓度与时间的关系，本节将给出基于分子信号瞬态特性的4种特征：上升沿特征、下降特征、分子能量特征和能量差分特征。图3是4种特征在αk=0与αk=1情况下的示意。

3.1 上升沿特征

如图3(a)所示，在第k个发送间隔，αk=1对应的接收分子浓度将首先通过上升趋势达到最大值；αk=0对应的接收分子浓度在整个发送间隔内持续下降。信号形状的这种明显的特征差异用于区分发送信号为1或0。这种分子信号的上升沿特征定义为

其中，R1为定义在起始点附近的采样区间，R2为定义在αk=1所对应的最大值附近的采样区间，|·|为集合中元素的个数，这里，取。很容易得出结论，ck,1在αk=1的情况下比在αk=0的情况下大。

3.2 下降特征

下降特征如图3(b)所示。在αk=1的情况下，接收信号yi在经过最大值之后迅速下降，其下降的趋势远大于αk=0所对应的信号下降趋势。因此，下降特征定义为

其中，R3为定义在αk=1所对应的最大值附近的采样区间，R4为定义在当前信号区间末段的采样区间，取。与上升沿特征类似，ck,2在αk=1的情况下比在αk=0的情况下大。

3.3 分子能量特征

第三种特征是基于单个信号能量来构造的，因此被称作分子能量特征。如图3(c)所示，在αk=1的情况下，第k个信号的分子能量大于其在αk=0的情况。因此，定义第三种特征为

图3 4种特征在αk=0与αk=1情况下的示意

3.4 能量差分特征

第四种特征来源于2个连续信号所对应的接收分子浓度的差值，因此被称为能量差分特征[16]。如图3(d)所示，在αk=1的情况下，第k个发送间隔中的接收分子浓度高于第(k-1)个发送间隔收到的分子数。而在αk=0的情况下，由于在第k个符号间隔期间没有接收到新的信息分子，根据扩散效应，当前符号间隔中的分子浓度低于先前符号间隔中分子浓度。由此，能量差分特征定义为[16]

3.5 特征的优势

本文提出的4种特征具有如下优势。

首先，这些特征对信道不敏感，即与CIR的具体表达式无关。当CIR因参数改变而发生改变时，每个特征仍能保持大致相同的形状（即对于时变的CIR，上升沿、下降、分子能量和能量差分仍存在于CIR中）。这使这些特征能够从本质上抵抗CIR带来的ISI（即在不同ISI的影响下，每种特征仍保持大致的形状），不需要使用复杂的信道估计来进行ISI补偿。因此，这些特征将带有ISI的分子信号检测问题转换为二元检测框架，说明了其在实现非相干方案方面的潜能。

第二，本文通过采样集合，代替了实际的最大值、起点和终点的准确位置，起到了一个均值滤波器的作用，因此有助于消除由信道噪声带来的不确定性。同时，采样集合的使用，有助于消除对同步（synchronization）的敏感性。例如，一个很小的同步错误可能导致特征ck,1中最大值的精确位置出现偏移。然而通过采样集合的使用，其最大值的位置仍然在集合R2中，使特征ck,1对不准确的同步不敏感。

需要强调的是，上述4种特征在接收端可以同时获取。在完成对当前k时刻的分子浓度信号接收后（即收到y(k-1)M+1，y(k-1)M+2，…，ykM），接收端通过式(6)～式(9)可同时计算出ck,1、ck,2、ck,3和ck,4。这使设计实时分子信号检测算法成为可能（即当前k时刻的分子信号αk的检测只依赖于当前和之前时刻接收到的分子浓度信息）。

4 非相干信号检测方案

基于电磁波通信的常规非相干解调与本文所提的适用于MCvD的非相干检测在概念上有所不同。前者是指不需要提取载波信息（或不需要恢复出相干载波）的一种解调方法。而在MCvD中，信息通过分子扩散进行传输，没有载波调制这一概念。因此，常规的非相干解调办法不适用于MCvD场景。

需要强调的是，MCvD的非相干信号检测是指不需要估计分子CIR的检测方案。与之对应的是依赖于CIR估计的分子相干检测方案（例如MAP序贯检测算法[13]）。本文所设计的非相干分子信号检测算法旨在通过上述4种对CIR不敏感的特征来消除ISI并实现信号检测，从而避免复杂的信道估计和后验概率的计算，以满足纳米级分子通信的资源受限场景。

4.1 非相干检测算法

根据第3节所建立的信号特征性质（即4种特征都是在αk=1情况下比在αk=0情况下更大），本节通过对4种特征的求和来增强分子信号的检测性能。求和后的复合特征为

比特的决策规则为

首先，给出在αk=0和αk=1的情况下ck的概率分布。因为ck是由相互独立的yi相加而成的，根据中心极限定理（CLT,central limit theorem）[26]，其概率分布为高斯分布，即

其中，μ0和μ1分别为ck在αk=0和αk=1情况下的均值，σ2为方差。

接着，根据式(12)和式(13)，给出BER的理论值，即

在此，假设发送信号1和0的概率相等，即Pr{αk=1}=Pr{αk=0}=0.5。然后，最小化BER可以转化为求BER对阈值γ导数为0的点，即

通过式(15)可得

其中，E(·)为数学期望，|·|为集合元素个数，K1和K0为2个集合，即

当发送比特0和1的概率相等，且k较大时，有。于是，对于每一个时隙k，本文给出自适应判决检测阈值为

值得注意的是，该检测阈值通过接收分子信号自适应得到，因此能够抵消由ISI和背景噪声变化带来的影响。

4.2 非相干检测算法理论性能

本节将给出本文所提四特征非相干分子信号检测算法的理论BER和计算复杂度。

根据4.1节所给出的非相干判决方案，将式(16)所得的检测阈值代入式(14)中。于是，BER的下界可以由式(20)推导求得。

其中，Q(·)为高斯累积分布函数。

接下来，通过乘法的次数来计算本文所提四特征非相干检测算法的计算复杂度。给定发送比特序列为K，根据式(6)～式(9)，以及式(10)和式(19)，本文算法的乘法个数为11K。因此算法的复杂度为O(K)。

5 数值结果

本节就本文所提特征ck以及基于ck的非相干检测算法进行了实验，实验参数如下。分子浓度信号经由基于蒙特卡洛仿真的布朗运动模型产生。其中，扩散系数D=5×10-9m2/s，分子纳米发射机和分子纳米接收机之间的距离d=2×10-6m。本文主要考虑并解决ISI和噪声带来的检测错误，而忽略由接收分子数不足引入的BER，为保证接收机在发送信号1时收到足量的分子数，设置发送信号1时释放的分子数为Q=105。纳米接收机方面，接收机半径r=0.225×10-6m。不失一般性，保持采样率和发送间隔的比值M=30。

5.1 特征与未经处理分子信号随时间变化的对比

首先，给出本文所提特征ck与未经处理的接收信号yi在时间上的对比（固定SNR=15 dB，发送间隔Tb=3×10-4s），如图4所示。随着时间的变化，未经处理的接收信号yi受到之前信号ISI带来的影响，无法区分当前的二元发送信号（即αk=0或αk=1）。相比较而言，本文所提特征ck能够直观地区分当前的二元发送信号（例如，当ck>50时，可认为这归因于本文所提的4种特征可以有效地表征分子信号在αk=0和αk=1下的特性，即分子信号的上升沿特征ck,1、下降特征ck,2、分子能量特征ck,3和能量差分特征ck,4不会随着ISI的强弱而出现显著的变化。因此，复合特征ck可将带有ISI的接收信号转化为可区分性强的二元信号，有着很好的可区分性。

图4 未经处理的接收信号yi与特征ck随时间的变化曲线

5.2 特征与未经处理的接收信号的分布对比

图5给出了未经处理的接收信号yi和本文所提特征ck在发送信号0和发送信号1情况下对应的概率分布（固定SNR=15 dB，发送间隔Tb=3×10-4s）。

从图5中可以看出，yi的分布存在明显的重叠现象（例如，yi在50～100时，无法准确区分信号是0还是1）。相比较而言，复合特征ck在发送信号0和发送信号1所对应的概率分布图并无重叠。这同样归因于本文所提特征（即分子信号的上升沿特征ck,1、下降特征ck,2、分子能量特征ck,3和能量差分特征ck,4）可表征与ISI强度无关的特性。结合图4和图5可以看出，本文提出的特征方法在区分受ISI影响的分子信号上有着明显的优势。

图5 未经处理的接收信号yi与特征ck的概率分布对比

5.3 不同算法在不同信噪比下的性能对比

接下来，本文给出了在固定发送间隔（Tb=3×10-4s）、不同SNR下，本文所提四特征非相干检测算法、相干MAP序贯检测算法[13]和三特征非相干检测算法[16]的BER对比，如图6所示。为确保公平性，同时考虑到分子通信资源受限这一条件，3种算法将在相同的计算复杂度下进行对比。在此，本文先对MAP序贯检测算法进行必要的介绍。在分子通信中，MAP首先通过信道估计得出不同时刻发送信号αl对当前接收信号yi的影响（即hi-(l-1)M），即ISI。接着，通过hi-(l-1)M进行信道补偿和后验概率的计算，从而实现发送信号的序贯检测。这个概念符合常规电磁波通信中信道均衡的概念。在实际应用中，MAP序贯检测算法的实现包括维特比（Viterbi）方案[27]和粒子滤波（particle filter）方案[28]。前者适用于离线检测，即取得一串接收信号后逐一恢复对应的发送信号，无法满足实时检测的要求，而且需要消耗较大的计算资源[18]；后者可实现信号的实时检测，而且计算复杂度可控，由粒子个数I决定，复杂度可表示为KI次乘法计算[28]。本文采用基于粒子滤波的MAP。为满足与本文所提四特征非相干检测算法同等级别的计算复杂度（即11K），取粒子数I=11。

另外，根据式(5)和文献[18]，本文给出了SNR的定义，即

图6 不同算法在不同信噪比下的误比特率对比

从图6中可以看出，当SNR为-5～5 dB时，3种算法的BER近似相等，但是本文所提四特征非相干算法略优于相干MAP序贯检测算法和三特征非相干检测算法。随着SNR增长（即SNR为5～20 dB时），本文所提四特征非相干检测算法BER远远低于同复杂度下相干MAP序贯检测算法和三特征非相干检测算法。原因分析如下。相干MAP的BER优势建立在精确的信道估计和最大后验概率的计算上，需要消耗大量的计算资源（如图6所示，相干MAP序贯检测算法的BER理论界好于本文所提算法）。因此，在计算复杂度受限的分子通信场景，缺乏精确信道估计和后验概率计算的相干MAP序贯检测算法性能会有很大的下降。相比较而言，本文所提四特征非相干检测算法仅通过简单的加法运算即可实现特征提取和信号检测，具有较低的计算复杂度。同时，这些特征对ISI不敏感，且对发送信号0和1有着明显区分，因此可以实现低计算复杂度下分子信号的精确检测。另外，与三特征非相干算法相比，本文所提四特征非相干检测算法考虑了更加全面的分子信号特征（即上升沿特征、下降特征和分子能量特征等）。因此具有更好的BER性能。

5.4 不同算法在不同ISI强度下的性能对比

图7给出了固定SNR=10 dB、不同ISI强度下，本文所提四特征非相干检测算法、相干MAP序贯检测算法[13]和三特征非相干检测算法[16]在同计算复杂度下的BER对比。这里，不同的ISI强度用发送间隔Tb的变化来表示，即随着发送间隔的增大，信号之间的影响逐渐变弱，ISI逐渐减小。由图7可以看出，在不同的发送间隔（即不同的ISI情况）下，本文所提四特征非相干检测算法具有更低的BER。相比于相干MAP序贯检测算法[13]，本文所提四特征非相干检测算法的优势来源于提取的4种与CIR具体表达式无关的特征。这些特征在ISI存在的情况下，仍能反映分子信号的特性（即上升沿、下降、分子能量特征等）。因此，本文所提四特征非相干检测算法在不需要估计信道的情况下，仍能达到可靠的通信性能。由图7可以看出，相比于三特征非相干检测算法[16]，本文所提四特征非相干检测算法在强ISI的情况下具有更好的效果。这是因为在ISI强（即信息发送间隔Tb小）的情况下，文献[16]中的信号拐点子特征不再明显（即拐点特征对CIR相对敏感），而本文所考虑的上升沿子特征和分子能量子特征仍能保持与低强度ISI情况下大致相同的形状，对CIR更加不敏感。因此，基于这些子特征的四特征非相干检测算法在强ISI区域仍可有效区分不同的二元发送信息，具有更精确的信号检测性能。

图7 不同算法在不同ISI强度下的误比特率对比

6 结束语

在复杂的MCvD场景中，如何对抗分子扩散引起的ISI和信道噪声等挑战，准确可靠地检测分子信号所负载的信息对于科学研究和工程实践具有重要意义。此外，纳米级MCvD设备的资源（能量和存储）受限，使依赖于精确信道估计和概率分析的相干信号检测方案难以实现。然而，现有的非相干检测算法无法提供可靠的分子信号检测性能。针对这些问题，本文提出了一种不依赖于信道估计的非相干信号检测算法，从而弥补了这个空缺。利用接收信号的瞬态特性，本文给出了4种与CIR无关的信号特征，这些特征能够在不估计CIR的情况下，抵消由分子扩散特性带来的ISI。在此基础上，本文设计了自适应阈值计算方法，为实时信号检测的实现提供了可能性。此外，本文推导出了该算法的误比特理论界，对实际应用具有重要的指导意义。同时，本文进一步通过数值仿真具体地分析证明了该非相干检测算法的优势。结果显示，在同等复杂度的情况下，所提非相干检测算法的检测准确性显著优于现有的相干检测和非相干检测算法。这意味着本文在满足系统通信性能要求的同时，可以大幅降低对分子接收设备存储和运算的要求，从而节约器件成本，对于分子通信的推广应用具有重要的价值。值得一提的是，MC中非相干检测的思想为今后的研究提供了另一条途径，为新兴的IoNT应用提供了潜能。