孙文珺,孙朋,林金朝,庞宇,李国权,王伟,罗志勇
(1. 重庆邮电大学光电信息感测与传输技术重庆重点实验室,重庆400065;2. 解放军309医院,北京市100091)
近年来,得益于集成电路技术的进步,无线通信设备日益小型化和低功耗化,人体局域网(Body Area Network, BAN)技术受到了广泛关注。BAN是解决远程医疗诊断、移动临床、健康评估与咨询、社区保健等医疗卫生领域信息化难题的关键技术之一,能极大提高医疗资源利用率。它是以人体为中心,通过附着于人体体表或植入体内以无线方式连接多个可穿戴式传感器节点形成通信距离不超过2米的局域网络。各个传感器节点采集生命体征参数如血压、体温、心电、血糖等,智能终端将来自传感器节点的数据经Internet发送至医院、数据库。经处理后再转发至个人、社区与家庭,能提供移动临床、远程诊断、健康教育、健康咨询与评估等多种服务,极为有效的缓解目前医疗资源匮乏、利用率低的突出矛盾,合理配置医疗资源、明显提高人民医疗健康服务水平。除此之外,BAN还可广泛应用于娱乐、运动、环境智能、军事和公共安全等方面,是关系到国计重大民生、市场需求极为旺盛的重点发展领域,其具有的社会效益与经济效益不可估量[1,2]。
为了推动BAN在人类医疗健康服务中的应用,2012年2月通过了IEEE 802.15.6 的首个标准版。该协议标准是目前国际上公认的用于采集健康数据的无线体域网标准协议。目前,大多研究集中于无线体域网信道模型的研究[3],或利用现有的无线通信技术实现体域网[4,5]。协议对BAN系统的编解码做了规定,所以针对协议提出的编解码方案也很多,例如采用DBPSK/DQPSK与BCH纠错编码的物理层结构[6],或利用PSSK调制方式来降低系统复杂度、提高信息速率[7]。虽然该协议对信道编解码做了规定,但是对接收端结构没提及[8]。
在数字通信系统中,由于多普勒频移或收发端振荡器频率不匹配等因素,收发端的载波频率往往存在一定的偏差。而这类频率偏差或相位偏差可能会使调频系统在各区域上的频率分量发生改变,这将直接导致解调判决产生错误从而影响系统的解调性能。传统的接收机在一般采用基于反馈的锁相环方式,其中最常见的是平方环和科斯塔斯(Costas)环。这种方法的优点是一旦相位被锁定,误差很小,缺点是同步速度慢。对于数字通信系统当中的频偏估计与补偿的算法一般采用非数据辅助算法,但这种算法过于复杂[9]。基于数据辅助的频偏估计算法分为基于时域的估计方法和基于频域的估计方法,基于时域估计方法的频偏估计器在硬件开销上相对较小[10],因此本文采用基于时域的频偏估计方法。本文根据IEEE 802.15.6标准的特点,重点研究了接收端符号定时同步和载波频率同步算法。
基于IEEE802.15.6协议标准,BAN所有的节点和核心内部划分为物理层和介质访问层。为了使MAC层上的信息能够在物理层上传送,必须将MAC层上的数据加上前导序列PLCP(Physical-lay Convergence Protocol)和帧头,组成PPDU(Physical-layer Protocol Data Unit)。物理层传输单元结构如图1所示。
图1物理层数据传输结构单元
在PLCP帧头之前添加前导序列用于协助接收端进行数据包检测、时间同步以及频率纠正。前导序列长度Npreamble=90bit,包含了两个序列,分别为长度为63的m序列,和27bit的扩展序列010101 0101101101101101101。m序列用于实现数据包检测、粗定时同步和频偏纠正,扩展序列用于实现精确的定时同步。
前导序列之后就是PLCP帧头,帧头中包含了接收端PSDU译码需要的物理层参数。PLCP帧头长度Nheader为31bit,主要用于携带来自MAC层的有关物理层的一些必要参数信息和用于接收端恢复信息和解码PSDU。PLCP帧头包含15bits的物理帧头(PHY Header),4bits的帧头校验序列(HCS)和12bits的BCH校验位。
PSDU是PPDU的最后一个组成部分,是MAC层传输过来的MAC帧数据,由MAC帧头、MAC帧体和帧校验序列(FCS)3个部分构成。整个PPDU的传输顺序是由前到后依次通过BAN发射端基带到达BAN接收端基带。
在IEEE802.15.6协议标准中,收发机对数据前导结构是已知的,因此符号定时同步也是利用前导结构来完成。
本文中符号同步分成两部分来完成首先利用前导序列的前63Bit m序列完成粗定时同步,这部分工作已由分组检测部分完成,所以直接使用分组检测的检测结果,在这之后利用前导结构的后27Bit扩展序列完成细定时同步。
BAN发射端数据在传输前经过四倍过采样使得每个符号都变成了4个新的样点,再经过根升余弦滤波器后才发射。在信道传播过程中噪声和干扰的影响使得这四个位置上的能量分布发生很大的变化。因此,接收端基带必须从数据的这四个位置上选最佳的采样位置,即完成细定时同步。前导结构后27Bit扩展序列完成四倍过采样后,原序列变成了108Bit的新序列。新序列逐位进行周期为四个时钟周期的循环累加,108个时钟周期后完成累加。累加结果分别存在4个寄存器中,这4个寄存器中存放着前导序列后27位扩展序列中各符号相同位置的样点值的能量累加结果。通过对这4个寄存器的存储结果进行相互比较,选择出最大值,最大值的出现位置即最佳采样位置。图2给出了细定时同步能量累加原理图。
图2符号定时同步能量累加原理图
图中IR、QR为输入数据即分组检测结果出现峰值后,输入细定时同步模块的经调制和四倍采样的前导结构后27位扩展序列。能量累加公式为:
通过对E1、E2、E3、E4四个能量值得比较,能量最大值出现的位置对应最佳采样位置。
本文中载波频率同步分为两个部分完成:首先利用前导结构前63Bit m序列对应的数据符号完成频偏估计,然后再用频偏估计结果对PSDU进行逐位补偿。令,接收端第i数据样点为Ri。
式中Ai为数据样点能量,f0为两个相邻数据样点之间由于收发端振荡器频率不匹配引起的频率偏移量,T为一个数据样点的时间周期,ψ0为调制前数据的初始相位,ψΔk为m序列中k个符号的差分调制相位。在进行频率偏移估计之前,要先去除数据样点的差分调制相位。在理想信道模型下,信噪比趋于无穷大可得符号间的频率偏移为:
由于前导结构采用π/2-DBPSK的调制方式 ,其调试初始相位为π/2。调制后的数据的坐标总是交替落在复坐标系的实轴与虚轴上所以它被重新表示为复数形式。在本文中则利用传统FIR滤波器结构完成去差分调制相位处理。去差分调制相位原理如图3所示。随着m与N的变化抽头对的选取方法可以有很多种。在理想的信道模型下,即信噪比趋于无穷大时,式3能精确估计一个符号间的频率偏移。而实际情况中,使用单一的抽头对进行频率偏移估计,其结果会随着信噪比的变化而产生较大的误差,因此需要对多个频率偏移估计值做均值处理。
但不规则地选取抽头对,会使算法的硬件实现的复杂度增加。所以本文使用等间隔不重复抽取的方式来选取多个抽头对。首先选取编号相邻的抽头进行组合。
式中n为0到30中的所有整数,选取抽头间隔为1,估计后的频率偏移量较小,估计结果容易受到噪声的影响。因此选取间距为31的抽头进行组合,这样的抽头选取方式使得估计过程的频率偏移量扩大了31倍,噪声的影响相对降低,得到另一个频率偏移估计公式为:
完成对频率偏移量的估算之后,对载波频率进行补偿。由于载波频率偏移在符号传递的过程中有叠加性,因此设接收端对第i个符号补偿量为PSDU的第i个符号为
图3去差分调制相位原理图
实际仿真过程中按照能量累加模块输出的4个能量峰值进行最大值筛选,并确定最大能量峰值出现的位置图4给出了符号定时同步算法模型的仿真结果,图中窗口(a)和窗口(b)为等待采样的数据,窗口(c)为符号定时同步模块输出的采样脉冲信号。
图4符号定时同步算法模型仿真结果
使用理想的符号定时同步脉冲对载波频率同步模型仿真,其输出结果直接送入解调模块,并对解调后的数据做误码率统计。前导序列采用π/2-DBPSK,符号速率为600kbps,仿真过程中使用了理想的符号定时时钟进行解调和判决,并对解调后的数据做误码率统计。仿真过程中为评估频偏对系统性能的影响,分别选取600Hz(符号速率的1/1000)和3000Hz(符号速率的1/200)频率偏移量,频率偏移估计间隔N取31,结果如图5所示。
图5有频偏情况下系统的误码率曲线
由图5可以看出,在信噪比较低的情况下,频偏估计对系统性能没有明显改善,随着信噪比的上升,对系统性能的改善逐渐明显在12dB的情况下大约有1dB的增益,并且有随着信噪比增加的趋势。
体域网在远程医疗保健、运动数据监测、军事智能管理等方面有着广阔的应用前景,本文结合802.15.6协议,利用物理层帧前导序列中的27位扩展序列进行精确的符号定时同步,之后再对载波平率进行补偿,实现载波频率同步,并进行仿真分析。从仿真结果来看,各个算法正确可行,利用此接收端模型接收数据,系统性能有效提高。
[1] Francisco R, Karim K, Nadia K,et al.Automated ECG-based Diagnosis for a Wireless Body Sensor Platform, 2011, Manuscript.
[2] 李雪情, 张永亮, 郑莹莹. 基于示波法和高斯拟合的血压测量方法. 传感技术学报, 2010, 23(12): 1679-1685.
[3] Lu X, Chen X, Sun G,et al.UWB-based Wireless Body Area Networks channel modeling and performance evaluation. Wireless Communications and Mobile Computing Conference (IWCMC).2011 7th International IEEE, 2011: 1929-1934.
[4] Liu Y, Huang X, Vidojkovic M,et al.A 1.9nJ/b 2.4GHz multistandard(Bluetooth Low Energy/Zigbee/ IEEE802.15.6)transceiver for personal/body-area networks. Solid-State Circuits Conference Digest of Technical Papers (ISSCC), 2013 IEEE International, 2013: 446-447.
[5] Habaebi M H. Characterization and evaluation of creepy waves in Zigbee Body Area Networks. Power Engineering and Optimization Conference (PEOCO), 2014 IEEE 8th International (2014): 602-606.
[6] Jui Y Y, Wan C L, Chen Y L. A MT-CDMA based wireless body area network for ubiquitous healthcare monitoring. IEEE Biomedical Circuits and Systems Conference. 2006: 98-101.
[7] Mingyu W, Qiang Z, Weimo Z,et al.Remote rehabilitation model based on BAN and cloud computing technology. e-Health Networking, Applications and Services (Healthcom). 2012 IEEE 14th International Conference on IEEE, 2012: 119-123.
[8] ResearchBib. Autonomous operation of super-regenerative receiver in BAN. Medical Information and Communication Technology(ISMICT). 2012 6th International Symposium on IEEE, 2012: 1-4.
[9] ResearchBib. Autonomous operation of super-regenerative receiver in BAN. Medical Information and Communication Technology(ISMICT). 2012 6th International Symposium on IEEE, 2012: 1-4.