王紫陽 廖薇
摘 要：人體周圍傳感器共同組成的體域網（BAN）可實時觀察並記錄人體運動、休息等正常活動時生理參數的變化。對人體運動帶來的信道特性變化進行分析是擴展體域網絡應用的重要工作。採用兩步法構建運動人體信道數學模型。通過電磁仿真得到人體跑步中連續9個動作模型數據，然後通過統計學擬合得到人體連續動作的累積分布模型。實驗結果表明，人體跑步動作會改變路徑增益，但不會影響信道穩定性。運動中信道增益遵循正態分布，可將衍射等效應認為是乘以變化的統計隨機量。而峰值路徑的出現時間總體呈逆高斯分布，為直射基頻分量與高頻分量疊加的結果，實務中須對此加以考慮。
關鍵詞：人體通信;時域有限差分;衝激響應;電容耦合;無線體域網
DOI：10. 11907/rjdk. 201235 開放科學（資源服務）標識碼（OSID）：
中圖分類號：TP303 文獻標識碼：A 文章編號：1672-7800（2020）011-0075-04
Mathematical Model of HBC Channel in Motion
WANG Zi-yang，LIAO Wei
（School of Electronics and Electrical Engeering，Shanghai University of Engineering Science， Shanghai 201620，China）
Abstract： The body area network （BAN） which is composed of sensors around the human body can observe and record the changes of physiological indexes during normal activities such as human movement and rest in real time. For the network widely used in body area， the analysis in human motion characteristic change is more important. In this paper， the mathematical model of human channel in motion is obtained by two-steps method. Through electromagnetic simulation， the data of nine continuous motion models in human running are obtained， and then the cumulative distribution model of human continuous motion is obtained by statistical fitting. The results show that human running motion can change the amplitude， but does not affect the channel stability. The channel gain in motion follows the normal distribution， and the diffraction and other effects can be considered as multiplying the variation of statistical random quantity. However， the occurrence time of peak path is inverse Gaussian distribution which is the result of superposition of direct fundamental frequency component and high frequency component， and this should be considered in real life.
Key Words： human body communication; finite difference time domain; impulse response; capacitive coupling; body area network
0 引言
隨著體域傳感器網絡與體表智能實時監測微系統的不斷發展，人體通信技術成為醫工結合的嶄新研究領域，智能假肢、康復訓練機器人等技術對人體區域通信技術提出了更高要求。保證體域網發展及人體區域內通信網絡的穩定及高速率傳輸成為該技術得以實際應用的關鍵[1]。人體通信技術使用人體作為通信媒介，將信號耦合到體表，可實現低功耗、高速率傳輸，因其頻率的特殊性不會對人體自身安全產生明顯影響。
由於人體介質的複雜介電特性、人體肢體及各種器官的存在及人體表面形狀的複雜性，造成電磁波在人體表面存在繞射、散射等特性。對於人體通信頻段，電磁波在人體周圍主要以表面波形式傳播[2];文獻[3]闡述UWB頻段體表傳感器傳播特性，以表面波的方式研究電磁波在人體表麵皮膚的傳播機理;文獻[4]通過仿真建立人體通信的電路模型，得出人體等效電路具體結構及詳細參數;文獻[5]研究手臂及發射極處於不同位置下的傳播信道;文獻[6]研究人體擺臂動作，並對該動作的變化單獨建立模型。上述研究對於可穿戴設備的實際應用及體域網實時信息交互還遠遠不夠。為考量人體活動的不規律性對信道的可能影響以及進一步應用人體通信設備，需要對生活中人體的整個動作進行研究分析。本文通過兩步法構建運動中的人體模型，通過電磁仿真得到人體連續跑步動作的仿真模型，採用統計學擬合構造運動中人體信道模型。
1 人體介電特性
人體組織介電特性會隨著頻段的不同產生不同的生物特性。通過分析人體組織在介電譜中的色散現象，本文基於介電特性與頻率之間的關係構建模型。採用CST軟體構建仿真環境，背景材料設置為與空氣中電磁環境相同的開放環境，人體模型參數採用最接近實際情況的一階德拜公式（Debye），模擬人體電磁特性如下：
εr（ω）=ε∞+χ（ω）+σ0jωε0 （1）
式（1）中第一項為頻率趨於無限大時人體的相對介電常數，後兩項用於描述人體組織介電譜中的色散現象，用於人體介電常數建模。
採用包含51種人體組織模型，該模型基於亞洲成年人身體尺寸統計資料庫構建，各組織相對介電常數及電導率來自文獻[7]，空間解析度為2mm。採用計算機工具構造人體模型的身體姿勢及移動姿勢，人體的奔跑動作主要集中於雙手擺臂及雙腿大幅度運動過程中，故模型設置中保持腰部及頭部姿勢不變，減少不同關節表面散射及折射的干擾。將所設發射極置於心臟前端，與已有人體通信ECG檢測設備相結合[8]。為了貼近實際，發射極與接收極定義為3cm×3cm的兩片電極片，電極片間隔5cm，信號採用二階高斯脈衝。為便於觀察，將所有埠的輸入輸出信號歸一化到50Ω以模擬實際電極片情況。連續人體運動模型如圖1所示。
2 連續動作模型仿真
在人體周圍的移動通信系統中，發射極信號會通過多種方式和路逕到達接收端，即多徑效應。由身體活動帶來的體表多徑效應，往往集中於直射電磁波產生的短暫遮擋效應過程，故而引起接收信號的幅值及相位發生波動，導致不同程度的路徑延遲。
h（t）=F-1{H（f）}=F-1{Fvr（t）Fvt（t）} （2）
公式（2）所示為仿真信號處理過程。對於時域脈衝信號，將輸入、輸出電壓進行傅立葉變換，在頻域範圍內得到信號的延遲效應，再進行反傅立葉變換將信號轉換到時域，得到時域範圍內的衝激響應曲線。接收器放置在右胸、左腰、右腰及雙耳，形成5條通信傳輸鏈路，這5條鏈路不會隨著跑步姿勢的變化產生距離上及空間位置的變化，同時這5條典型鏈路可以代表體表上所有直射鏈路。5條鏈路具有完全不同的傳輸路徑，左胸—右胸鏈路傳輸鏈路為直線路徑，而左胸—腰部鏈路，則包含多種路徑疊加，雙耳鏈路還會存在空氣鏈路疊加，圖2、圖3為跑步動作得到的左胸—右胸鏈路及左胸—右腰鏈路的歸一化S參數曲線。
圖2、圖3所示4個動作為圖中前4個奔跑動作的歸一化S參數特性曲線，動作模型中手臂活動程度不同，5條鏈路表現出相似的波動特性。動作1相較於其它動作路徑損耗最低，姿勢為跑步中擺臂最大的動作。S參數在頻率18MHz達到峰值。隨著頻率逐漸增加，信道衰減趨勢減弱。曲線中信道曲線變化不超過3dB，表明在人體通信頻段信道傳輸穩定，在人體活動及頻率波動時傳輸信道沒有明顯波動。同一動作下右胸鏈路幅值高於右腰鏈路3dB左右，右胸鏈路在人體表面距離大於後者，表現出較高的路徑損耗。4個連續動作中，手臂逐漸落下時路徑損耗逐漸增大，手臂組織對於發射信號的反射與原直線路徑信道信號進行疊加，使整體路徑增益有所上升。
3 電磁與統計模型
為建立完整的數學模型，將人體連續行動中的仿真數據進行統計分析，將上述每一單獨動作中的衝激響應幅值以及路逕到達時間列出累計分布函數，採取最佳數學模型以描述特定參數的數學特性。對於路徑增益上的變化，有可能成為機率分布模型候選方案，包括正態分布（Normal Distribution）、Log-Logistic分布、瑞利（Rayleigh）分布、威布爾（Weibull）分布等。通過MATLAB中的累積分布（CDF）擬合工具，選擇最接近原曲線的幾種數學模型，具體擬合參數結果見表1。
與文獻[9]一樣，為選出最佳分布函數，對於擬合數據採取經典的二階赤池信息量準則（Akaike Information Criterion，AIC），對擬合結果按照從最好到最差順序排序，通過AIC衡量統計模型優劣，以數據形式給出模型實際信息損失的相對度量如下：
AICc=-2loge（l（θdata））+2K+2K（K+1）（n-K-1） （3）
式（3）的第一項可通過數據的最大似然估計獲得。最大似然估計反映模型對數據的整體擬合效果，模型越好AIC值越低。公式的後一項是用最少的參數對樣本進行最優擬合。模型間的AIC值對比可反映出擬合優劣性，同時作為一種模型優於另一種模型的有力證據，採取如下兩組公式以更清晰觀察這種特性：
Δi=AICc，i-Min（AICc） （4）
ωi=exp（-Δi2）Rr=1exp（-Δr2） （5）
式（4）、式（5）中，Δ是每個擬合模型的AIC值，模型中的最佳擬合AIC值為0，AIC小於2時表明具備較好的擬合效果，ω為模型優劣性度量，是每個模型在所有模型中為最佳的機率。
表2為路徑增益的幾種擬合模型對比，AIC參數表明正態分布具有最佳擬合效果，圖4為正態分布擬合效果。通過擬合得出功率增益幅值均值出現在90.83dB左右，功率增益遵循正態分布的物理意義也符合預期。電磁波在人體表面傳播中，人體本身的反射及衍射效應可認為是一種乘性影響，所乘係數按統計變化的隨機量[10]確定。
為建立統計模型，除了幅值擬合，還需對各路逕到達時間進行擬合以構造模型。由於路徑中每一徑直線距離不同，路逕到達時間自然不盡相同，但在整個信道中峰值路徑的出現表現出統一的規律性。將一些可能成為機率分布模型候選方案的函數如正態分布、伽瑪（Gamma）分布、逆高斯（Inverse Gaussian）分布、Rayleigh分布等考慮在內，具體擬合參數如表3所示。
表4中，AIC參數進一步說明逆高斯分布具有最佳擬合效果，擬合峰值到達時間出現在123.278ns左右。圖4中逆高斯分布標準差也是幾種模型中的最小值，間接驗證其是峰值到達時間最優擬合模型的結論。
傳播鏈路在人體表面的距離約為0.5m左右，對於直線路徑而言，第一路逕到達時間在1.67ns左右，峰值擬合時間均值在123.278ns左右。由此可知，峰值出現是由於高頻分量不斷疊加的結果，包括發射極與接收極間的多徑分量在不同幅值及相位上的相互疊加。實際應用中須對高頻分量進行濾波處理，否則可能損壞人體通信設備。
4 結語
本文通過兩步法得出人體奔跑動作的統計學特性。首先採用電磁仿真人體奔跑中連續的9個動作模型，隨後通過統計學分析人體動作特性，得到人體活動統計模型。實驗結果表明，人體簡單動作會使信道穩定性波動在3dB以內，對信道穩定性不會產生明顯影響。跑步動作中路徑增益遵循正態分布，平均幅值約90.83dB，即信道在人體表面的衍射及反射效應是一種乘性影響，所乘係數為統計變化的隨機量。逆高斯分布對於峰值路徑出現時間具有最好的擬合效果，均值約在123.78ns左右，峰值為基頻分量與高頻分量疊加的結果，實際應用中須對此加以考慮。
參考文獻：
[1] 韓世鵬， OLATUNJI， MUMINI， et al. 關於穿戴式人體傳感器網絡的研究思考 [J]. 中國科學院院刊， 2017，16（12）：115-121.
[2] BAE J， CHO H， SONG K， et al. The signal transmission mechanism on the surface of human body for body channel communication[J]. IEEE Transactions on Microwave Theory & Techniques，2012，60（3）：582-593.
[3] ZHANG Q，SARRAZIN J，CASALETTI M，et al. Assessment of on-body skin-confined propagation for body area network[J]. IEEE Antennas and Wireless Propagation Letters，2017（9）：1-10.
[4] ZHU X Q，GUO Y X，WU W. Investigation and modeling of capacitive human body communication[J]. IEEE Transactions on Biomedical Circuits and Systems， 2017， 11（2）：474-482.
[5] KANG T，OH K I，HWANG J H，et al. Measurement and analysis of electric signal transmission using human body as medium for WBAN applications[J]. IEEE Transactions on Instrumentation and Measurement， 2018（34）：1-11.
[6] ATTARD S，ZAMMIT S. Effect of human movement on the body coupled communications channel in body area networks[C]. IEEE EUROCON， 2013：335-339.
[7] GIFIC.Dielectric properties of body tissues[EB/OL]. https：//www.fcc.gov/general/body-tissue-dielectric-parameters：niremf.ifac.cnr.it/tissprop/.
[8] WANG J， FUJIWARA T， KATO T， et al. Wearable ECG based on impulse radio type human body communication. [J]. IEEE Transactions on Biomedical Engineering， 2016， 63（9）：1887-1894.
[9] FORT A， DESSET C， DONCKER P D， et al. An ultra-wideband body area propagation channel model-from statistics to implementation[J]. IEEE Transactions on Microwave Theory & Techniques， 2006， 54（4）：1820-1826.
[10] WANG Q， TAYAMACHI T， KIMURA I， et al. An on-body channel model for UWB body area communications for various postures[J]. IEEE Transactions on Antennas & Propagation， 2009， 57（4）：991-998.
[11] XU R， ZHU H，YUAN J. Electric-field intrabody communication channel modeling with finite-element method[J]. IEEE Transactions on Biomedical Engineering， 2011， 58（3）：705-712.
[12] KOSHIJI F，URUSHIDATE R，KOSHIJI K. Biomedical signal transmission using human body communication[C]. IEEE International Performance Computing & Communications Conference. IEEE Computer Society， 2017：1-2.
[13] 康雯， 鄭史烈， 章獻民. 人體通信模型與信道特性研究[J]. 微波學報， 2010， 26（4）：92-96.
[14] 夏萌， 曾以成， 聶澤東，等. 可穿戴設備中基於人體通信的身份識別方法研究[J]. 計算機應用研究， 2017， 34（4）：1141-1144.
[15] 人體通信的信號傳輸機制與特性研究[J]. 計算機工程， 2013， 39（8）：103-106.
[16] WANG J， NISHIKAWA Y， SHIBATA T. Analysis of on-body transmission mechanism and characteristic based on an electromagnetic field approach[J]. IEEE Transactions on Microwave Theory & Techniques， 2009， 57（10）：2464-2470.
[17] SHIMIZU Y，ANZAI D，CHAVEZ-SANTIAGO R，et al. Performance evaluation of an ultra-wideband transmit diversity in a living animal experiment[J]. IEEE Transactions on Microwave Theory and Techniques， 2017，874（52）：1-11.
[18] CHRIST A，DOUGLAS M G，ROMAN J M，et al. Evaluation of wireless resonant power transfer systems with human electromagnetic exposure limits[J]. IEEE Transactions on Electromagnetic Compatibility， 2013， 55（2）：265-274.
（責任編輯：杜能鋼）
摘 要：人體周圍傳感器共同組成的體域網（BAN）可實時觀察並記錄人體運動、休息等正常活動時生理參數的變化。對人體運動帶來的信道特性變化進行分析是擴展體域網絡應用的重要工作。採用兩步法構建運動人體信道數學模型。通過電磁仿真得到人體跑步中連續9個動作模型數據，然後通過統計學擬合得到人體連續動作的累積分布模型。實驗結果表明，人體跑步動作會改變路徑增益，但不會影響信道穩定性。運動中信道增益遵循正態分布，可將衍射等效應認為是乘以變化的統計隨機量。而峰值路徑的出現時間總體呈逆高斯分布，為直射基頻分量與高頻分量疊加的結果，實務中須對此加以考慮。
關鍵詞：人體通信;時域有限差分;衝激響應;電容耦合;無線體域網
DOI：10. 11907/rjdk. 201235 開放科學（資源服務）標識碼（OSID）：
中圖分類號：TP303 文獻標識碼：A 文章編號：1672-7800（2020）011-0075-04
Mathematical Model of HBC Channel in Motion
WANG Zi-yang，LIAO Wei
（School of Electronics and Electrical Engeering，Shanghai University of Engineering Science， Shanghai 201620，China）
Abstract： The body area network （BAN） which is composed of sensors around the human body can observe and record the changes of physiological indexes during normal activities such as human movement and rest in real time. For the network widely used in body area， the analysis in human motion characteristic change is more important. In this paper， the mathematical model of human channel in motion is obtained by two-steps method. Through electromagnetic simulation， the data of nine continuous motion models in human running are obtained， and then the cumulative distribution model of human continuous motion is obtained by statistical fitting. The results show that human running motion can change the amplitude， but does not affect the channel stability. The channel gain in motion follows the normal distribution， and the diffraction and other effects can be considered as multiplying the variation of statistical random quantity. However， the occurrence time of peak path is inverse Gaussian distribution which is the result of superposition of direct fundamental frequency component and high frequency component， and this should be considered in real life.
Key Words： human body communication; finite difference time domain; impulse response; capacitive coupling; body area network
0 引言
隨著體域傳感器網絡與體表智能實時監測微系統的不斷發展，人體通信技術成為醫工結合的嶄新研究領域，智能假肢、康復訓練機器人等技術對人體區域通信技術提出了更高要求。保證體域網發展及人體區域內通信網絡的穩定及高速率傳輸成為該技術得以實際應用的關鍵[1]。人體通信技術使用人體作為通信媒介，將信號耦合到體表，可實現低功耗、高速率傳輸，因其頻率的特殊性不會對人體自身安全產生明顯影響。
由於人體介質的複雜介電特性、人體肢體及各種器官的存在及人體表面形狀的複雜性，造成電磁波在人體表面存在繞射、散射等特性。對於人體通信頻段，電磁波在人體周圍主要以表面波形式傳播[2];文獻[3]闡述UWB頻段體表傳感器傳播特性，以表面波的方式研究電磁波在人體表麵皮膚的傳播機理;文獻[4]通過仿真建立人體通信的電路模型，得出人體等效電路具體結構及詳細參數;文獻[5]研究手臂及發射極處於不同位置下的傳播信道;文獻[6]研究人體擺臂動作，並對該動作的變化單獨建立模型。上述研究對於可穿戴設備的實際應用及體域網實時信息交互還遠遠不夠。為考量人體活動的不規律性對信道的可能影響以及進一步應用人體通信設備，需要對生活中人體的整個動作進行研究分析。本文通過兩步法構建運動中的人體模型，通過電磁仿真得到人體連續跑步動作的仿真模型，採用統計學擬合構造運動中人體信道模型。
1 人體介電特性
人體組織介電特性會隨著頻段的不同產生不同的生物特性。通過分析人體組織在介電譜中的色散現象，本文基於介電特性與頻率之間的關係構建模型。採用CST軟體構建仿真環境，背景材料設置為與空氣中電磁環境相同的開放環境，人體模型參數採用最接近實際情況的一階德拜公式（Debye），模擬人體電磁特性如下：
εr（ω）=ε∞+χ（ω）+σ0jωε0 （1）
式（1）中第一項為頻率趨於無限大時人體的相對介電常數，後兩項用於描述人體組織介電譜中的色散現象，用於人體介電常數建模。
採用包含51種人體組織模型，該模型基於亞洲成年人身體尺寸統計資料庫構建，各組織相對介電常數及電導率來自文獻[7]，空間解析度為2mm。採用計算機工具構造人體模型的身體姿勢及移動姿勢，人體的奔跑動作主要集中於雙手擺臂及雙腿大幅度運動過程中，故模型設置中保持腰部及頭部姿勢不變，減少不同關節表面散射及折射的干擾。將所設發射極置於心臟前端，與已有人體通信ECG檢測設備相結合[8]。為了貼近實際，發射極與接收極定義為3cm×3cm的兩片電極片，電極片間隔5cm，信號採用二階高斯脈衝。為便於觀察，將所有埠的輸入輸出信號歸一化到50Ω以模擬實際電極片情況。連續人體運動模型如圖1所示。
2 連續動作模型仿真
在人體周圍的移動通信系統中，發射極信號會通過多種方式和路逕到達接收端，即多徑效應。由身體活動帶來的體表多徑效應，往往集中於直射電磁波產生的短暫遮擋效應過程，故而引起接收信號的幅值及相位發生波動，導致不同程度的路徑延遲。
h（t）=F-1{H（f）}=F-1{Fvr（t）Fvt（t）} （2）
公式（2）所示為仿真信號處理過程。對於時域脈衝信號，將輸入、輸出電壓進行傅立葉變換，在頻域範圍內得到信號的延遲效應，再進行反傅立葉變換將信號轉換到時域，得到時域範圍內的衝激響應曲線。接收器放置在右胸、左腰、右腰及雙耳，形成5條通信傳輸鏈路，這5條鏈路不會隨著跑步姿勢的變化產生距離上及空間位置的變化，同時這5條典型鏈路可以代表體表上所有直射鏈路。5條鏈路具有完全不同的傳輸路徑，左胸—右胸鏈路傳輸鏈路為直線路徑，而左胸—腰部鏈路，則包含多種路徑疊加，雙耳鏈路還會存在空氣鏈路疊加，圖2、圖3為跑步動作得到的左胸—右胸鏈路及左胸—右腰鏈路的歸一化S參數曲線。
圖2、圖3所示4個動作為圖中前4個奔跑動作的歸一化S參數特性曲線，動作模型中手臂活動程度不同，5條鏈路表現出相似的波動特性。動作1相較於其它動作路徑損耗最低，姿勢為跑步中擺臂最大的動作。S參數在頻率18MHz達到峰值。隨著頻率逐漸增加，信道衰減趨勢減弱。曲線中信道曲線變化不超過3dB，表明在人體通信頻段信道傳輸穩定，在人體活動及頻率波動時傳輸信道沒有明顯波動。同一動作下右胸鏈路幅值高於右腰鏈路3dB左右，右胸鏈路在人體表面距離大於後者，表現出較高的路徑損耗。4個連續動作中，手臂逐漸落下時路徑損耗逐漸增大，手臂組織對於發射信號的反射與原直線路徑信道信號進行疊加，使整體路徑增益有所上升。
3 電磁與統計模型
為建立完整的數學模型，將人體連續行動中的仿真數據進行統計分析，將上述每一單獨動作中的衝激響應幅值以及路逕到達時間列出累計分布函數，採取最佳數學模型以描述特定參數的數學特性。對於路徑增益上的變化，有可能成為機率分布模型候選方案，包括正態分布（Normal Distribution）、Log-Logistic分布、瑞利（Rayleigh）分布、威布爾（Weibull）分布等。通過MATLAB中的累積分布（CDF）擬合工具，選擇最接近原曲線的幾種數學模型，具體擬合參數結果見表1。
與文獻[9]一樣，為選出最佳分布函數，對於擬合數據採取經典的二階赤池信息量準則（Akaike Information Criterion，AIC），對擬合結果按照從最好到最差順序排序，通過AIC衡量統計模型優劣，以數據形式給出模型實際信息損失的相對度量如下：
AICc=-2loge（l（θdata））+2K+2K（K+1）（n-K-1） （3）
式（3）的第一項可通過數據的最大似然估計獲得。最大似然估計反映模型對數據的整體擬合效果，模型越好AIC值越低。公式的後一項是用最少的參數對樣本進行最優擬合。模型間的AIC值對比可反映出擬合優劣性，同時作為一種模型優於另一種模型的有力證據，採取如下兩組公式以更清晰觀察這種特性：
Δi=AICc，i-Min（AICc） （4）
ωi=exp（-Δi2）Rr=1exp（-Δr2） （5）
式（4）、式（5）中，Δ是每個擬合模型的AIC值，模型中的最佳擬合AIC值為0，AIC小於2時表明具備較好的擬合效果，ω為模型優劣性度量，是每個模型在所有模型中為最佳的機率。
表2為路徑增益的幾種擬合模型對比，AIC參數表明正態分布具有最佳擬合效果，圖4為正態分布擬合效果。通過擬合得出功率增益幅值均值出現在90.83dB左右，功率增益遵循正態分布的物理意義也符合預期。電磁波在人體表面傳播中，人體本身的反射及衍射效應可認為是一種乘性影響，所乘係數按統計變化的隨機量[10]確定。
為建立統計模型，除了幅值擬合，還需對各路逕到達時間進行擬合以構造模型。由於路徑中每一徑直線距離不同，路逕到達時間自然不盡相同，但在整個信道中峰值路徑的出現表現出統一的規律性。將一些可能成為機率分布模型候選方案的函數如正態分布、伽瑪（Gamma）分布、逆高斯（Inverse Gaussian）分布、Rayleigh分布等考慮在內，具體擬合參數如表3所示。
表4中，AIC參數進一步說明逆高斯分布具有最佳擬合效果，擬合峰值到達時間出現在123.278ns左右。圖4中逆高斯分布標準差也是幾種模型中的最小值，間接驗證其是峰值到達時間最優擬合模型的結論。
傳播鏈路在人體表面的距離約為0.5m左右，對於直線路徑而言，第一路逕到達時間在1.67ns左右，峰值擬合時間均值在123.278ns左右。由此可知，峰值出現是由於高頻分量不斷疊加的結果，包括發射極與接收極間的多徑分量在不同幅值及相位上的相互疊加。實際應用中須對高頻分量進行濾波處理，否則可能損壞人體通信設備。
4 結語
本文通過兩步法得出人體奔跑動作的統計學特性。首先採用電磁仿真人體奔跑中連續的9個動作模型，隨後通過統計學分析人體動作特性，得到人體活動統計模型。實驗結果表明，人體簡單動作會使信道穩定性波動在3dB以內，對信道穩定性不會產生明顯影響。跑步動作中路徑增益遵循正態分布，平均幅值約90.83dB，即信道在人體表面的衍射及反射效應是一種乘性影響，所乘係數為統計變化的隨機量。逆高斯分布對於峰值路徑出現時間具有最好的擬合效果，均值約在123.78ns左右，峰值為基頻分量與高頻分量疊加的結果，實際應用中須對此加以考慮。
參考文獻：
[1] 韓世鵬， OLATUNJI， MUMINI， et al. 關於穿戴式人體傳感器網絡的研究思考 [J]. 中國科學院院刊， 2017，16（12）：115-121.
[2] BAE J， CHO H， SONG K， et al. The signal transmission mechanism on the surface of human body for body channel communication[J]. IEEE Transactions on Microwave Theory & Techniques，2012，60（3）：582-593.
[3] ZHANG Q，SARRAZIN J，CASALETTI M，et al. Assessment of on-body skin-confined propagation for body area network[J]. IEEE Antennas and Wireless Propagation Letters，2017（9）：1-10.
[4] ZHU X Q，GUO Y X，WU W. Investigation and modeling of capacitive human body communication[J]. IEEE Transactions on Biomedical Circuits and Systems， 2017， 11（2）：474-482.
[5] KANG T，OH K I，HWANG J H，et al. Measurement and analysis of electric signal transmission using human body as medium for WBAN applications[J]. IEEE Transactions on Instrumentation and Measurement， 2018（34）：1-11.
[6] ATTARD S，ZAMMIT S. Effect of human movement on the body coupled communications channel in body area networks[C]. IEEE EUROCON， 2013：335-339.
[7] GIFIC.Dielectric properties of body tissues[EB/OL]. https：//www.fcc.gov/general/body-tissue-dielectric-parameters：niremf.ifac.cnr.it/tissprop/.
[8] WANG J， FUJIWARA T， KATO T， et al. Wearable ECG based on impulse radio type human body communication. [J]. IEEE Transactions on Biomedical Engineering， 2016， 63（9）：1887-1894.
[9] FORT A， DESSET C， DONCKER P D， et al. An ultra-wideband body area propagation channel model-from statistics to implementation[J]. IEEE Transactions on Microwave Theory & Techniques， 2006， 54（4）：1820-1826.
[10] WANG Q， TAYAMACHI T， KIMURA I， et al. An on-body channel model for UWB body area communications for various postures[J]. IEEE Transactions on Antennas & Propagation， 2009， 57（4）：991-998.
[11] XU R， ZHU H，YUAN J. Electric-field intrabody communication channel modeling with finite-element method[J]. IEEE Transactions on Biomedical Engineering， 2011， 58（3）：705-712.
[12] KOSHIJI F，URUSHIDATE R，KOSHIJI K. Biomedical signal transmission using human body communication[C]. IEEE International Performance Computing & Communications Conference. IEEE Computer Society， 2017：1-2.
[13] 康雯， 鄭史烈， 章獻民. 人體通信模型與信道特性研究[J]. 微波學報， 2010， 26（4）：92-96.
[14] 夏萌， 曾以成， 聶澤東，等. 可穿戴設備中基於人體通信的身份識別方法研究[J]. 計算機應用研究， 2017， 34（4）：1141-1144.
[15] 人體通信的信號傳輸機制與特性研究[J]. 計算機工程， 2013， 39（8）：103-106.
[16] WANG J， NISHIKAWA Y， SHIBATA T. Analysis of on-body transmission mechanism and characteristic based on an electromagnetic field approach[J]. IEEE Transactions on Microwave Theory & Techniques， 2009， 57（10）：2464-2470.
[17] SHIMIZU Y，ANZAI D，CHAVEZ-SANTIAGO R，et al. Performance evaluation of an ultra-wideband transmit diversity in a living animal experiment[J]. IEEE Transactions on Microwave Theory and Techniques， 2017，874（52）：1-11.
[18] CHRIST A，DOUGLAS M G，ROMAN J M，et al. Evaluation of wireless resonant power transfer systems with human electromagnetic exposure limits[J]. IEEE Transactions on Electromagnetic Compatibility， 2013， 55（2）：265-274.
（責任編輯：杜能鋼）
收藏