Survey of Transmission Coding Theory on Physical Layer for Wireless Body Area Network: Optimal Design of Low-Density Parity-Check Code
-
摘要: 面向无线体域网(WBAN)传输环境，该文主要论述信道编码与联合信源信道编码系统的码字设计。针对物理层的低功耗和高可靠传输需求，从低密度奇偶校验(LDPC)码的优化设计角度展开，主要在信道模型分类、传输系统构建、技术挑战与解决方案、信道适配性编码设计这4个层面进行梳理和总结。最后，对WBAN环境下LDPC码优化设计的未来研究工作进行展望，为构建下一代通信技术提供参考。Abstract: In this paper, the code designs based on the channel coding and the joint source channel coding systems are surveyed over the transmission environment of the Wireless Body Area Network (WBAN). For the requirements of low-power consumption and high reliability on the physical layer, the perspective of optimal design based on the Low-Density Parity-Check (LDPC) code is investigated. Four aspects are summarized, including the classification of channel models, the construction of transmission system, the technical challenges and solutions, and the coding design with channel adaptability. Finally, some future works are prospected for optimally designing the LDPC codes over the WBAN environment, which will provide some references to construct the next-generation communication technology.
-
1. 引言
近年来，物联网(Internet of Things, IoT)的兴起导致人机交互领域的模式发生了转变。从制造业到医疗保健(Healthcare)，从环境治理到基础设施管理，从消费者服务到国防安全，在过去的几年中IoT得到了广泛的应用[1]。目前，我国在人工智能和新型网络技术融合方面的工业IoT正在加速发展，其中物理(PHYsical, PHY)层链路是当前发展的研究基础。基于此，寻求低成本、低功耗和高可靠的PHY层通信技术是我国未来产业研究的重心之一[2]。在医疗保健领域，PHY层通信技术主要构建为无线体域网(Wireless Body Area Network, WBAN)的数据传输链路[3]。
在WBAN的PHY层中，依然采用传统的信源编译码、信道编译码以及调制解调等模块来实现数据传输。为了保障传输的高可靠和低功耗，依据香农编码定理对编译码模块进行优化设计即可实现[4]。通常，将无线传输环境建模为加性高斯白噪声(Additive White Gaussian Noise, AWGN )信道以及衰落信道[5,6]。其中，WBAN也属于一种特殊的无线传输环境。但是，在WBAN传输环境中，随着人体运动或静止所处的不同状态，信道噪声也会发生变化。因此，分析WBAN传输环境不能局限于一般模型，更多的模型主要参考IEEE 802.15.6标准[7]。
在WBAN传输环境下，优化编译码模块可以满足数据传输的低功耗和高可靠性需求[8-10]，优化调制解调模块能够获得更大的数据传输速率[11]。对于小范围的WBAN数据传输，在保证传输速率的条件下，关键是达到更可靠的低功耗传输需求[12]。因此，关于小范围WBAN链路的编译码优化设计的研究成为关键性问题。在现行的5G通信技术中，3GPP(Third Generation Partnership Project)峰会主要推荐低密度奇偶校验(Low-Density Parity-Check, LDPC)码和极化(Polar)码作为PHY层应用标准，分别用于信道业务传输和信令编码[13]。其中，LDPC码的编译码算法具有硬件友好的设计复杂度，能够同时在理论研究和实际应用方面表现出优异的纠错性能。
面向WBAN信道的编译码优化设计，现有研究主要集中在LDPC码。LDPC码 [14]作为一种靠近香农限的码型，存在多种优秀的译码算法，包括硬判决译码、软判决译码以及混合译码。在分析WBAN的信道模型时，多选用软判决译码来获得出色的误码率(Bit Error Rate, BER)性能[15]。在编码端，现有研究主要集中在设计和优化信道编码(Channel Coding, CC)以及联合信源信道编码(Joint Source Channel Coding, JSCC)的码型结构。其中，CC系统中仅包含信道码及编码信道模块，而JSCC系统则增加了信源码模块。根据现有文献调研，多数关于编码优化的研究直接使用AWGN、瑞利(Rayleigh)衰落和莱斯(Rician)信道作为WBAN信道，进一步引入路径损失参数构建相应的信道特性[5,6]。在IEEE 802.15.6的标准中，规定了人体运动或静止时的路径损失参数[7]。但是，路径损失的建模方式仅考虑了一种统计模型，无法完全覆盖更加复杂的实际应用场景，对于信道特性的掌控精确度不够。
为了解决上述问题，可以直接使用统计模型来构建WBAN传输链路，在匹配信道特性时具有较高的针对性和准确度。在建模时，不同位置的传感器节点在人体保持静止或运动的状态下进行数据收发，随后分析数据以此构建相应场景的统计模型作为标准信道[16]。通常，在AWGN和衰落模型的基础上，统计模型包含更多种复杂的分布。若在统计模型的基础上进行信道特性建模，同时考虑路径损失参数，所获得链路的传输特性将会更加严谨精确。
本文主要介绍WBAN信道PHY层传输链路中编码模块的优化设计原理及方法。通过使用信道的统计模型，以LDPC码为主体，分别针对CC与JSCC系统进行编码设计的综述与分析，同时指出了未来发展方向，以此为未来6G通信技术的研究工作提供理论参考。首先，根据现有标准总结WBAN的PHY层信道模型及传输场景，将其分类为体内、体表以及运动信道3大类。其次，梳理信道适应性编码设计的技术挑战及解决方法。进一步，分别归纳了CC以及JSCC系统的编码设计进展及现有挑战。最后，指出未来研究工作的发展方向，为获得更高性能的PHY层设计方法体系奠定基础。
2. WBAN的PHY层信道模型及传输场景
2012年，美国IEEE 802.15工作组在近距离无线通信领域，面向人体及周边传输环境制定了WBAN传输标准 [7]。标准详细建模了装备在人体附近和人体内部的传感器节点，在不同形态下收发和传递信息时使用的信道模型。根据传感器节点分布的具体情况，将其标识为3种类型：植入节点、体表节点和体外节点，如图1所示。植入节点嵌入人体内部，包括心肺部、胸腔内、肌肉组织、皮下脂肪等部位，常见的表现形式为内窥镜胶囊、微流控芯片、身份标识芯片等；体表节点装置在皮肤表面或距离皮肤2 cm处，常见的表现形式为可穿戴设备，例如智能眼镜、智能手环、智能球鞋、虚拟视觉头戴等产品；体外节点指无线环境中不与皮肤接触的节点，一般距离人体5 m范围内，常见的表现形式为体外终端的医疗设备包括蓝牙、手机、个人电脑、基站等。
标准的物理层由多种无线方式构成，主要包括频带频率为400 MHz～2.4 GHz的基带通信、脉冲式超宽带(Ultra Wide Band, UWB)通信以及复杂人体介质通信。根据图1中传感器节点在人体不同部位的分布情况，将节点间的信息传输链路建模为4种信道：信道模型1(Channel Model 1, CM1)、信道模型2(Channel Model 2, CM2)、信道模型3(Channel Model 3, CM3)和信道模型4(Channel Model 4, CM4)。具体的信道模型及传输场景分类描述如表1所示。其中，视距传输指发射端与接收端之间无遮蔽障碍，非视距传输表示发射端与接收端之间被障碍物完全遮蔽。
表 1 信道模型及传输场景分类[7]信道模型 场景标记 具体传输场景描述 CM1 S1 植入节点→植入节点 CM2 S2 植入节点→体表节点 CM2 S3 植入节点→体外节点 CM3 S4 体表节点→体表节点(视距传输) CM3 S5 体表节点→体表节点(非视距传输) CM4 S6 体表节点→体外节点(视距传输) CM4 S7 体表节点→体外节点(非视距传输) 根据表1的不同场景，在WBAN物理链路中通过一系列实际数据的收发测试，标准将信道模型概括为理论模型和经验模型。理论模型基于电磁波的传播机理，是在身体结构、人体形态以及无线电传播方向确定的条件下进行传输环境的描述，需要精确详细的探测，不适合宏观环境的表征[17]。经验模型是基于数据统计分布进行建模的，简化了传输环境的具体描述，更适合于信息传输的信道特性分析。
理论模型和经验模型的主要差距在于具体的应用场景不同，一个是精确构造到硬件级精度，另一个是统计建模为宏观级表示。需要注意的是，标准中提出在一定条件下，两种模型是可以相互替代的。同时，文献[18]也表明经验模型可以作为理论模型的构建基础。因此，在分析不同的传输情况时，需要用到不同的模型，但是在特殊情况下两种模型依然是可以相互替代的。按照不同的信道分类，将信道模型的统计分布形式具体描述如下。
2.1 体内信道
根据表1的场景描述，将植入节点收发的数据传输链路建模为体内信道，主要包括CM1-S1, CM2-S2以及CM2-S3共3种信道模型。由于人体内部结构复杂，节点间的信息传播介质并不是简单的无线环境，在穿越不同器官介质时会产生较为严重的电磁波衰落。因此，体内信道需要考虑身体组织的频率依赖性，其信息传输损失主要与传输距离和频率有关[19]。通常，将体内信道建模为收发天线之间关于传输距离的路径损失模型。体内信道的传输频段基本在402～405 MHz范围内，根据节点嵌入深度，标准中指定了不同的损失指数和阴影分量方差作为参考。
同时，数据测试建模将CM2信道拟合为对数逻辑(Log-Logistic)的统计分布[20]。这是一种较为复杂的连续分布函数，物理意义表示为随机变量的对数呈逻辑分布，且具有非线性关系和非高斯对称特性。其概率密度函数与对数正态(Log-Normal)函数相似，包含有位置参数与尺度参数，不包含形状参数，即对数逻辑的概率密度函数仅存在一种形状[21]。对数逻辑分布具有非常广泛的用途，尤其在进行生物统计分析建模中，由于其具有封闭特性可以直接处理有损的数据。将体内信道模型建模为对数逻辑分布，根据人体器官介质变化具有较好的拟合性。
2.2 体表信道
根据表1的场景描述，将体表节点和体外节点间的数据传输链路建模为体表信道，主要包括余下的4种信道，CM3-S4, CM3-S5, CM4-S6以及CM4-S7。当体表节点进行数据采集并发送到体表另一部位或体外时，主要传输介质为无线环境。因此，体表信道依然可以使用路径损失模型。但是，由于其频率和距离与体内信道不同，标准中限定了不同的参数取值参考范围。例如，CM3-S4和CM3-S5通常为13.5～600 MHz的频段，当传输场地扩展到医院房间和消音室时，频段范围相应地扩展到600 MHz～8.5 GHz，需要实现UWB传输。对于CM4-S6和CM4-S7信道，频带宽度可以从900 MHz延伸到10.6 GHz，也是一种UWB信道。
将发送节点固定在身体表面的不同部位，通过数据传输测试进行最佳统计模型的概率密度函数拟合。在静止状态下，从不同位置的体表节点实现信息收发，最佳拟合的概率密度函数如表2所示。假设体表节点均设定为可穿戴设备，从头部节点采集信息并传递到体外时，最佳拟合概率密度函数为韦布尔(Weibull)分布，其余部位多建模为正态(Normal)和对数正态分布。基于此，在进行信息传输的统计特性分析过程中，根据对应的节点位置即可选用相应的概率密度函数进行理论性能分析。
表 2 人体静止状态下体表节点发送信息通过体表信道模型拟合的概率密度函数[7]体表节点的位置 概率密度函数分布 体表节点的位置 概率密度函数分布 右侧腕部 正态分布 右侧上臂 对数正态分布 头部 韦布尔分布 右耳 正态分布 肩部 对数正态分布 胸部 对数正态分布 右侧肋骨 对数正态分布 左侧腰部 正态分布 右侧大腿 对数正态分布 右脚踝 对数正态分布 2.3 运动信道
运动信道是一种广义的体外信道，实际测试环境表述为两种情况：人体在较低速度行走时和静止站立做上下蹲起动作时。第1种情况的身体运动幅度较大，在行走过程中除了位置的改变以及双腿与地面的平行垂直移动，上半身会存在不同程度的摆臂和倾斜。在测试过程中，需要考虑到信道噪声频繁变化的状况。第2种情况的身体运动幅度较小，主要的不同点在于人体始终在固定位置，但是依然会存在一定范围内的身体倾斜[22]。在标准中，两种情况的概率密度函数建模如表3所示。
表 3 人体运动状态下体表节点发送信息通过体表信道模型拟合的概率密度函数[7]体表节点位置 慢速行走 上下蹲起 体表节点位置 慢速行走 上下蹲起 右侧腕部 韦布尔分布 韦布尔分布 胸部 对数正态分布 韦布尔分布 右侧上臂 韦布尔分布 韦布尔分布 右侧肋骨 对数正态分布 韦布尔分布 头部 对数正态分布 对数正态分布 左侧腰部 对数正态分布 韦布尔分布 右耳 对数正态分布 韦布尔分布 右侧大腿 对数正态分布 韦布尔分布 肩部 韦布尔分布 韦布尔分布 右脚踝 韦布尔分布 韦布尔分布 表3中，根据身体上多个节点的信息收发，慢速行走的过程多建模为对数正态分布，在做上下蹲起的动作中多建模为韦布尔分布。需要注意的是，对数正态分布和韦布尔分布均是非高斯对称分布。对数正态分布的物理意义为随机变量的对数服从正态分布，是一种只取正实数的右偏态，相比于正态分布其向上分布的数值更多。由于行走过程中的动作幅度较大，建模为对数正态分布具有更好的拟合特性。韦布尔分布的物理意义为扩展的指数分布函数，概率密度函数中同时考虑了尺度参数和形状参数[23]。通过给定不同的形状参数值，可以将韦布尔分布变化为不同的分布，实现多角度拟合人体运动状态。
3. 信道适应性编码设计的技术挑战与解决方法
在WBAN的PHY层编码设计中，本文主要考虑点对点通信链路结构。具体系统结构如图2所示，信源码与信道码均采用LDPC码，调制和解调使用非相干方案，信道选用统计模型。本文的系统结构主要讨论两种形式，分别是CC系统和JSCC系统。在CC系统中信道码的纠错能力直接影响系统的BER性能，在JSCC系统中信源码和信道码的性能均会影响系统的输出结果。现有工作的系统研究主要面向正态分布和瑞利分布等具有高斯对称特性的信道模型，以及少数复杂的非高斯对称信道。为了将这些非高斯对称信道嵌入CC和JSCC系统中，存在一些技术挑战，具体的分析和解决方法如下所述。
3.1 信道非高斯特性的匹配处理
标准中将一部分信道的统计模型构建为非高斯对称分布，其噪声方差具有非高斯特性。由于CC与JSCC系统的编码器均使用结构型的LDPC码，在进行编码优化时主要采用外部信息转移(EXtrinsic Information Transfer, EXIT)算法作为最优码型搜索的判决函数[8-10]。但是，EXIT算法是根据高斯对称关系设计的，主要针对AWGN信道与二进制相移键控(Binary Phase Shift Keying, BPSK)调制[24,25]。如果直接将非高斯特性的信道模型以及非相干调制方案嵌入，会影响EXIT算法判决的准确度。因此，EXIT算法的非高斯特性匹配处理需要进一步完善。
目前，EXIT算法的非高斯特性修正主要使用数值化高斯近似(Numerical Gaussian Approximation, NGA)方法[9]。以对数逻辑分布的体内信道为例，使用NGA方法拟合EXIT算法中迭代函数与反函数的结构如图3所示。根据对数逻辑分布建模的两种信道方差与高斯方差的数值化关系[9]，图3(a)和图3(b)分别是在两种方差下修正迭代函数与迭代反函数的拟合结果，其中可以看出与原始EXIT的结果存在微小偏差。
3.2 抵抗噪声变化的鲁棒性
随着人体形态和位置发生变化，运动信道的噪声也是不断变化的。因此，分析运动信道时，通常建模为形状变化的概率密度函数，例如韦布尔分布。韦布尔分布的形状参数取值发生变化时，概率密度函数会简化为4种不同的分布。其中，瑞利和正态分布均保留高斯对称特性，而指数和对数正态分布均为非高斯对称分布。因此，依然可以采用NGA方法进行非高斯信道的匹配处理。
在服从韦布尔分布的信道条件下优化设计编码模块，4种分布就需要同时优化搜索4种不同的LDPC码，在实际应用中会使得编码硬件复杂度急剧上升。为了解决上述关键问题，一个有效的方法是在4组分布下找到一组性能鲁棒的公用码对。在图4中，相比于差分进化(Differential Evolution, DE)算法在4种分布下搜索的4组码型，使用主成分分析(Principal Component Analysis, PCA)找到的一个公用码对，能够同时在4种噪声方差下获得明显的编码增益，有效地解决了错误地板的问题。因此，通过找寻公用码型以抵抗运动信道的变化噪声，实现了系统的鲁棒性传输，为变化信道传输链路的高可靠性提供了理论基础。
3.3 实际参数的适配性分析
标准中详细规定了在实际传输条件下，不同信道模型的参数取值范围，包括噪声方差、均值、路径损失阴影指数等。基于此，在传输系统构建时需要引入实际参数，进一步分析传输性能的适配性。根据图2的系统结构，实际参数的适配性分析主要通过性能比对选取更加合适的调制解调方案。目前，标准中主要推荐使用相干调制方案，例如BPSK调制和多进制正交幅度调制(Multiple Quadrature Amplitude Modulation, MQAM)[6]。但是，现有研究表明使用非相干调制能够获得更大的性能增益，例如多元差分混沌相移键控(M-ary Differential Chaos Shift Keying, MDCSK)调制。
如图5(a)和图5(b)所示，在同等条件下，MDCSK比MQAM方案呈现出更大的对数似然比(Log-Likelihood Ratio, LLR)和平均信噪比。同时，在图5(c)和图5(d)中，系统使用DCSK比BPSK具有更低的BER错误地板。DCSK方案是一种扩频调制方式，用于实现非相干检测。与传统的扩频相干调制方案相比，DCSK具有较大的扩频因子，因此只需要较低的信噪比输入[11]。
4. CC系统的编码设计进展
面向WBAN信道的CC系统主要考虑服从莱斯分布、瑞利分布以及UWB衰落环境，对信道LDPC码进行优化设计，获得系统的传输性能改善。2010年，文献[26]在准移动条件下使用人体模型和无线电仿真进行了系统容量的初步评估。在有效带宽利用率、阻塞和丢弃概率等参数固定的条件下，研究发现使用LDPC码代替IEEE 802.16e标准中建议的RS(Reed-Solomon)码，能够获得更好的系统吞吐量。基于此，在WBAN传输链路中使用LDPC码以及相应的码型优化设计被广泛研究。
4.1 短距离UWB信道模型
文献[27]在短距离通信的UWB环境下使用原模图LDPC(Protograph-LDPC, P-LDPC)码作为信道编码器，引入比特交织器和正交幅度调制(Quadrature Amplitude Modulation, QAM)映射，完成了系统的传输性能测试。由于QAM是一种相干调制方式，系统链路的接收端要用到信道均衡器以及解交织器。对于P-LDPC码的编码性能分析，依然采用DE算法实现原模图矩阵的优化搜索以及EXIT算法的最小译码门限判决。
信道环境设定为具有较弱符号间干扰的情况，主要测试不同信噪比下非视距通道模型的BER性能。在给定3种码率1/3,1/2,2/3的条件下，优化设计的码型获得了更低的功耗和错误地板。实验结果表明现有AWGN信道下最优的P-LDPC码[28]，对UWB信道的适用性并不是最优的。因此，适配于信道特征的编码优化是必要的。
4.2 莱斯信道模型
文献[29]使用LDPC码编码心脏病患者的心电图信息，例如心律失常数据集，进一步在莱斯信道下分析信息的有效性传输。考虑到心脏内环境噪声相对复杂，选用k因子莱斯信道代替AWGN信道，其中k因子表示 WBAN场景的差异程度。在AWGN与莱斯信道下，使用0.5码率的LDPC码编码后，相比于未编码的两种信道分别获得了8 dB和7 dB的编码增益。因此，使用LDPC码的信道编码提供了低功耗的系统传输性能，可以进一步将其应用在更多的具有延迟特性的密集型环境中。
文献[6]主要使用P-LDPC码作为信道码，实现了基于k因子路径损失莱斯分布的信息有效性传输。与文献[29]相比较，文献[6]用结构型的P-LDPC码替代了原始的LDPC码，简化编码设计的同时优化设计了P-LDPC码。在实验测试中，将所提出的优化码型与现有的AR3A码型[28]以及LDPC码相比较，具有明显的编码增益。因此，相比于一般型的LDPC码，P-LDPC码是设计高性能 WBAN 通信的良好信道编码方案，其结构型的码字矩阵也能够有效降低编码复杂度。
4.3 瑞利衰落信道模型
文献[30]在UWB瑞利衰落信道下构建了编码调制DCSK(Channel Coded DCSK, CM-DCSK)方案，编码端使用非二进制的P-LDPC码。与现有的比特交织DCSK(Bit Interleaved Coded DCSK, BICM-DCSK)系统相比较，对CM-DCSK系统的P-LDPC码型进行优化设计，可以更加靠近信道容量限。
仿真实验表明其优化设计IR2码相比于现有码具有更好的编码性能。该结果证实了编码优化的CM-DCSK系统在实际UWB信道的性能优势，将P-LDPC码的编码方式与DCSK的非相干调制方案相结合，应用于下一代WBAN标准具有一定的理论参考价值。
4.4 CC系统中当前编码技术存在的设计挑战
在CC系统中，目前已存在诸多关于信道LDPC码的优化设计工作。现有文献主要将编码设计分为两类，一种是直接设计结构型的校验矩阵，另一种是使用穷尽搜索算法遍历得到性能较好的码型。基于此，将CC系统中信道LDPC码的编码技术存在的设计挑战总结如下：
(1)由于信道编码对信道特征变化具有较强的敏感性，信道特征的改变会使得原本性能较好的码型无法正常工作。现有的编码优化设计多针对于常规的标准信道模型，考虑到WBAN环境的信道复杂性，未来需要找寻信道特性兼容的公用信道码。这样的设计既可以获得系统传输的鲁棒性，也可以实现编码芯片的硬件友好型设计。
(2)对于校验矩阵的结构型设计，首先需要构造一种具有优越性能的矩阵结构，同时也要保证扩展后的矩阵依然具有良好的编码特性。理论上，此类问题属于NP-C范畴，存在无限多种解决方案。因此，矩阵的结构型设计依然需要结合已有的数学模型，构造出性能优越的码型。这样的设计能够显著降低编码设计的复杂度，同时保证硬件友好。
(3)使用穷尽搜索算法遍历得到性能较好的码型，是一种具有指数级搜索复杂度的优化方式。给定一个合适的终止函数，最终均能够收敛到目标码型。但是，这种搜索过程极其耗时，搜索复杂度会随着目标矩阵维度的增加而出现维数灾难。因此，为了降低码型搜索复杂度，需要考虑使用智能算法来替代穷尽搜索算法，快速获得更加可靠的结果。这样的设计能够为编码优化带来新的方法论，进一步丰富信道编码设计的多样性。
5. JSCC系统的编码设计进展
面向WBAN信道的JSCC系统主要考虑非高斯分布的统计特性加以说明，其信源和信道码使用双P-LDPC(Double P-LDPC, DP-LDPC)码对，通过编码优化设计改善系统的传输性能。
5.1 对数正态分布信道模型
文献[8]主要分析服从对数正态分布的体外信道模型。首先，将对数正态分布等效为具有特定参数的单径瑞利衰落信道，即将非高斯对称的对数正态分布建模为具有高斯对称关系的单径瑞利分布。在系统测试中发现，由于存在一个特定的信道系数，现有文献[31]中针对瑞利衰落信道优化设计的码型产生了明显的错误地板，无法达到BER=10−6以下。
考虑到WBAN信道传输的高可靠性需求，对现有的码对实施进一步的优化设计。首先，设计原模图维度限定性搜索(Protomatrix Dimension-Restrictive Searching, PDRS)算法以确定合适的信源信道码维度。其次，将原始的4块连接矩阵简化为3块，并且新的边连接矩阵仅包含1行子矩阵，显著降低了码型的搜索复杂度。在不同的信源统计特性下，使用PDRS算法优化后的码对均可以呈现明显的编码增益和较低的错误地板。
5.2 对数逻辑分布信道模型
文献[9]展示了对数逻辑分布下体内信道的JSCC编码设计。首先，根据对数逻辑分布的特点以及介质穿越的信道特征，对于信源码及信道码的码对优化采用了联合码率兼容(Joint Code Rate Compatible, JCRC)方法。
码率兼容是一种通过小维度矩阵增广为大维度矩阵的行列扩展方式，这种方式极大地降低了码型搜索的复杂度。首先，根据JSCC维度关系，提出了原模图维度递归算法。该算法通过不断扩展维度变量关系，推导出一系列合适的维度序列。基于数学分析，计算获得了满足JSCC系统的JCRC通式，给定不同的正整数变量即可获得相应信源码及信道码的维度。JCRC码率通式提供了可变码率的码对，能够在不同的信源统计特性和信道方差下均展示出良好的译码性能。
5.3 韦布尔分布信道模型
文献[10]研究了韦布尔分布运动信道的公用码对设计。在实验测试中，首先使用DE算法在4种分布下分别搜索得到具有最小译码门限的4组DP-LDPC码对。但是，DE算法优化的码型在另外3种分布下均出现错误地板。上述问题会使得硬件复杂度急剧攀升：即在同一条传输链路中，由于信道噪声的变化，需要同时准备4种不同的信源信道码对芯片进行替换，对信道掌控的鲁棒性下降。
为了解决上述关键问题，一个有效的方法是在4组分布下找到一组性能鲁棒的公用码对。为了学习并提取公用码对，文献[10]使用PCA算法。研究结果表明，PCA找到的一组公用码对在4种噪声方差下均获得了明显的编码增益，有效克服了DE码型的信道非兼容性问题。
5.4 JSCC系统中当前编码技术存在的设计挑战
在JSCC系统中，关于信源和信道LDPC码的优化设计工作主要集中在AWGN环境。现有文献主要将编码设计分为两类，一种是优化设计联合矩阵，另一种是穷尽搜索合适的信源信道码对。基于此，将JSCC系统中DP-LDPC码对的编码技术存在的设计挑战总结如下：
(1)依然考虑到JSCC系统对信道特征变化具有更强的敏感性，需要进一步丰富现有工作的传输环境。对于不同的传输环境，JSCC的码对依然会存在信道特性不兼容问题，即一旦更换信道模型就需要重新设计信源信道码对。因此，在考虑更多种复杂信道环境的同时，需要找寻性能更好的码型结构，令其具有可变环境适用的鲁棒性。这样的设计会进一步降低硬件设计的复杂度，适应于大规模商用。
(2)关于联合矩阵的设计，优化信源信道两个矩阵时依然需要考虑两个连接矩阵。此时，不论是采用结构型设计或是直接进行穷尽搜索，至少需要考虑4个矩阵的优化及其之间的匹配关系，编码设计复杂度急剧上升。因此，联合矩阵需要优化的子矩阵数目较多，关键在于其简化设计。可以根据联合矩阵的结构特性构造单一矩阵，划分不同的模块以实现不同的功能。这样的设计会有效降低编码复杂度，获得性能更优的码对。
(3)使用穷尽搜索算法遍历得到性能较好的码对，依然是一种指数级搜索复杂度的编码优化方式。由于JSCC同时包含信源码和信道码，在传输链路中两者分别实现不同的功能，单一的优化目标函数仅能够获得局部最优的码对。因此，需要设计不同功能的终止函数，从多个方面约束搜索过程，获得性能更好且相互匹配的信源信道码对。这样的设计可以参考更多现有工作的理论基础，进一步丰富编码优化的设计视角。
6. 结束语
随着WBAN环境下电子医疗设备的大规模商用，用户对于设备的传输的高质量和低功耗需求也日益增长[32]。因此，不断优化现有技术是为用户提供便利的前提条件。未来，研究者将进一步精细化WBAN环境的信道模型，精准应对在物理链路中遇到的多元化问题。LDPC码作为5G标准的信道码，由于其具有良好的编译码性能与低复杂度的设计成本，相信未来的6G依然会被考虑纳入标准。因此，针对WBAN环境下的LDPC编码优化的深入研究能够为未来PHY层标准的构建提供参考和理论基础。
本文主要从LDPC编码优化设计的角度展开，面向WBAN的传输环境进行针对性的综述，为更多编码设计方向的读者提供参考。关于未来的研究方向，总结为如下几点：
(1)关于WBAN环境的信号设计以及LDPC码的译码算法相结合的理论研究。将解调方案与译码算法进行结构性优化，能够同时满足靠近传输容量限以及低错误地板的需求。
(2)关于编码成型增益与WBAN信道特性匹配性优化设计的理论研究。编码时产生的成型增益可以与WBAN环境下复杂的信道特性相结合，实现编码增益和调制方案的精准化适配需求。
(3)关于信源码与信道码采用单一码型矩阵设计的理论研究。目前，JSCC系统的信源码与信道码均为相同类型的LDPC码，但是两者具有不同的矩阵，使用单一矩阵能够真正意义实现JSCC硬件芯片的简化。
(4)关于WBAN传输环境下信源建模的扩展与分析的理论研究。当无线传感节点采集的信源为多样性模型，需要分析现有JSCC系统与不同信源的衔接匹配，进一步考虑是否需要进行信源预处理。
因此，未来还需要付出更多的努力致力于研究WBAN传输环境的关键技术，为进一步丰富LDPC码的编码优化设计方法提供更多的理论基础。
-
表 1 信道模型及传输场景分类[7]
信道模型 场景标记 具体传输场景描述 CM1 S1 植入节点→植入节点 CM2 S2 植入节点→体表节点 CM2 S3 植入节点→体外节点 CM3 S4 体表节点→体表节点(视距传输) CM3 S5 体表节点→体表节点(非视距传输) CM4 S6 体表节点→体外节点(视距传输) CM4 S7 体表节点→体外节点(非视距传输) 
下载: 导出CSV
-
[1] QADRI Y A, NAUMAN A, BIN ZIKRIA Y, et al. The future of Healthcare Internet of Things: A survey of emerging technologies[J]. IEEE Communications Surveys & Tutorials, 2020, 22(2): 1121–1167. doi: 10.1109/COMST.2020.2973314 [2] 2022中国AIoT产业全景图谱报告[R]. 物联网智库, 2022.2022 China AIoT industry panorama report[R]. IoT Think Tank, 2022. [3] 健康物联网白皮书[R]. 北京: 中国电子技术标准化研究院, 2020.Health IoT white paper[R]. Beijing: China Electronics Standardization Institute, 2020. [4] SAKKATTU H and PRASAD D. Performance evaluation of IEEE 802.15. 6 in wireless body area networks[C]. 2018 International Conference on Electrical, Electronics, Communication, Computer, and Optimization Techniques (ICEECCOT), Msyuru, India, 2018: 670–674. [5] MUCCHI L, JAYOUSI S, CAPUTO S, et al. Performance of wireless body area networks for health: ETSI SmartBAN or Bluetooth?[C]. 2021 XXXIVth General Assembly and Scientific Symposium of the International Union of Radio Science (URSI GASS), Rome, Italy, 2021: 1–4. [6] NGUYEN H T and NGUYEN T V. Energy-efficient and low complexity channel coding for wireless body area networks[C]. 2018 5th NAFOSTED Conference on Information and Computer Science (NICS), Ho Chi Minh City, Vietnam, 2018: 265–269. [7] FOERSTER J R. Channel modeling subcommittee report[R]. IEEE 802. 15 workgroup official website, 2003. [8] SONG Dan, WANG Lin, CHEN Qiwang, et al. Optimal design of joint protomatrix for DP-LDPC codes-based JSCC system over on-body channel[J]. IEEE Access, 2021, 9: 33091–33101. doi: 10.1109/ACCESS.2021.3061134 [9] SONG Dan, WANG Lin, XU Zhiping, et al. Joint code rate compatible design of DP-LDPC code pairs for joint source channel coding over implant-to-external channel[J]. IEEE Transactions on Wireless Communications, 2022, 21(7): 5526–5540. doi: 10.1109/TWC.2022.3141729 [10] SONG Dan, REN Jinkai, WANG Lin, et al. Designing a common DP-LDPC code pair for variable on-body channels[J]. IEEE Transactions on Wireless Communications, 2022, 21(11): 9596–9609. doi: 10.1109/TWC.2022.3178207 [11] CAI Guofa, FANG Yi, CHEN Pingping, et al. Design of an MISO-SWIPT-aided code-index modulated multi-carrier M-DCSK system for e-Health IoT[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(2): 311–324. doi: 10.1109/JSAC.2020.3020603 [12] XU Yihan, YU Gang, and YONG Y T. Deep reinforcement learning-based resource scheduling strategy for reliability-oriented wireless body area networks[J]. IEEE Sensors Letters, 2021, 5(1): 1–4. doi: 10.1109/LSENS.2020.3044337 [13] 3rd Generation Partnership Project. 3GPP TS 38. 201[S]. 3GPP Organizational Partners’ Publications Offices, 2017. [14] GALLAGER R. Low-density parity-check codes[J]. IRE Transactions on Information Theory, 1962, 8(1): 21–28. doi: 10.1109/TIT.1962.1057683 [15] 吕毅博, 胡伟, 王琳. Beyond-BP译码算法综述: 原理与应用[J]. 电子与信息学报, 2017, 39(6): 1503–1514. doi: 10.11999/JEIT161288LÜ Yibo, HU Wei, and WANG Lin. Survey of beyond-BP decoding algorithms: Theory and applications[J]. Journal of Electronics &Information Technology, 2017, 39(6): 1503–1514. doi: 10.11999/JEIT161288 [16] SAITO A and AOYAGI T. Development of a synchronous measurement system for WBAN channel modeling considering human body motion[C]. 2022 IEEE 16th International Symposium on Medical Information and Communication Technology (ISMICT), Lincoln, USA, 2022: 1–6. [17] 石晶晶, 刘力嘉, 韩福晔, 等. 人体通信频段体内至体表信道特性分析与建模[J]. 电子与信息学报, 2022, 44(5): 1819–1827. doi: 10.11999/JEIT210267SHI Jingjing, LIU Lijia, HAN Fuye, et al. In-body to on-body channel characteristics analysis and modeling in human body communication frequency band[J]. Journal of Electronics &Information Technology, 2022, 44(5): 1819–1827. doi: 10.11999/JEIT210267 [18] GENG Yishuang, WAN Yadong, HE Jie, et al. An empirical channel model for the effect of human body on ray tracing[C]. 2013 IEEE 24th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), London, UK, 2013: 47–52. [19] WANG Qianqian, GUAN Quansheng, CHENG Julian, et al. A splitting-detection joint-decision receiver for ultrasonic intra-body communications[J]. IEEE Transactions on Communications, 2021, 69(6): 3586–3597. doi: 10.1109/TCOMM.2021.3064967 [20] CHAMAANI S, NECHAYEV Y I, HALL P S, et al. In-body to off-body channel modeling[C]. The 2010 Loughborough Antennas & Propagation Conference (LAPC), Loughborough, UK, 2010: 609–612. [21] SEWAILEM M F and BAKLIZI A. Inference for the log-logistic distribution based on an adaptive progressive type-II censoring scheme[J]. Cogent Mathematics & Statistics, 2019, 6(1): 1684228. doi: 10.1080/25742558.2019.1684228 [22] 金添, 何元, 李新羽, 等. 超宽带雷达人体行为感知研究进展[J]. 电子与信息学报, 2022, 44(4): 1147–1155. doi: 10.11999/JEIT211044JIN Tian, HE Yuan, LI Xinyu, et al. Advances in human activity sensing using ultra-wide band radar[J]. Journal of Electronics &Information Technology, 2022, 44(4): 1147–1155. doi: 10.11999/JEIT211044 [23] NCSS Statistical Software: Distribution Weibull fitting[EB/OL]. https://www.ncss.com/wpcontent/themes/ncss/pdf/Procedures/NCSS/Distribution-Weibull-Fitting.pdf. [24] TEN BRINK S, KRAMER G, and ASHIKHMIN A. Design of low-density parity-check codes for modulation and detection[J]. IEEE Transactions on Communications, 2004, 52(4): 670–678. doi: 10.1109/TCOMM.2004.826370 [25] TEN BRINK S. Convergence behavior of iteratively decoded parallel concatenated codes[J]. IEEE Transactions on Communications, 2001, 49(10): 1727–1737. doi: 10.1109/26.957394 [26] FLIZIKOWSKI A, HOLUBOWICZ W, PRZYBYSZEWSKI M, et al. Admission control and system capacity assessment of WiMAX with ACM and nb-LDPC codes simulation study with ViMACCS ns2 patch[C]. 2010 24th IEEE International Conference on Advanced Information Networking and Applications, Perth, Australia, 2010: 1077–1084. [27] GROSA P, DOS SANTOS A F, LENTMAIER M, et al. Application of protograph-based LDPC codes for UWB short range communication[C]. 2010 IEEE International Conference on Ultra-Wideband, Nanjing, China, 2010: 1–4. [28] DIVSALAR D, DOLINAR S, JONES C R, et al. Capacity-approaching protograph codes[J]. IEEE Journal on Selected Areas in Communications, 2009, 27(6): 876–888. doi: 10.1109/JSAC.2009.090806 [29] SANSODA B, CHOOMCHUAY S, TIMAKUL S, et al. Performance evaluation of LDPC codes on patterned WBAN data[C]. TENCON 2014 - 2014 IEEE Region 10 Conference, Bangkok, Thailand, 2014: 1–4. [30] CHEN Pingping, SHI Long, FANG Yi, et al. A coded DCSK modulation system over Rayleigh fading channels[J]. IEEE Transactions on Communications, 2018, 66(9): 3930–3942. doi: 10.1109/TCOMM.2018.2827032 [31] CHEN Qiwang and WANG Lin. Design and analysis of joint source channel coding schemes over non-standard coding channels[J]. IEEE Transactions on Vehicular Technology, 2020, 69(5): 5369–5380. doi: 10.1109/TVT.2020.2984235 [32] Industrial IOT Artificial Intelligence Framework[R]. Industry IoT Consortium, 2022. 期刊类型引用(1)
1. 王冬冬. 基于Python技术的网络通信彩色图像压缩编码传输. 长江信息通信. 2024(09): 57-58+73 . 
百度学术其他类型引用(2)
-
百度学术
计量
- 文章访问数: 751
- HTML全文浏览量: 532
- PDF下载量: 136
- 被引次数: 3
下载:
