基于人体运动姿态转换模型的动态极化中继体表信道跨层建模研究

To meet the emerging demands of continuous miniaturization and performance stability maintaining of communication nodes in body-centric personalized wireless applications, the wireless body area networks (WBANs) are required to adopt distributed communication techniques, including the MESH network and distributed relay, to optimize the communication performance. For the reason of fundamental mechanism difference between on-body communications and regular far-field communications, it requires to extend the normal modeling theories and parameters in conventional channel modelling to explain the full-dimension polarization distribution and strong correlation with the body dynamics for on-body channels. In this research, we will focus on the dynamic on-body communication scenarios, and study the modelling of body motion postures based on IMU sensing data. Next, we will measure and propose parameterized narrowband on-body channel polarization distribution model together with the coupling effects of the on-body antennas for different human postures. Base on these to models, the research team will study a cross-layer hidden Markov model (HMM) between the IMU sensing data and the on-body polarization distribution variation during body dynamics. The research is expected to establish a precise and in-time description and prediction of the narrowband on-body channel polarization distribution in time domain. Furthermore, the model will be applied to assist the design, optimization, and simplified implementation of polarized distributed relay for on-body communications in realistic scenarios.

为实现以人体为中心的个人无线应用中通信节点的持续小型化和通信性能稳定性保持的目的，以体表通信为核心通信机制的无线人体体域网络需要采用网状网络和中继等分布式的通信技术进行重构与优化。由于体表通信与常规远场通信技术在无线信号传播机制上的本质区别，在对体表信道的建模与描述中，需要针对体表信道的全空间维度极化分布和人体运动姿态强关联特征拓展传统的建模理论与特征参数。本研究针对人体运动姿态的动态通信场景，将基于IMU体感数据研究人体运动姿态的概率转换模型。进而，通过建立不同姿态下窄带体表信道极化分布的模型与体表天线对信道的耦合效应参数化描述，构建IMU体感数据与体表信道的之间的跨层式隐性马尔可夫模型，以实现对窄带体表信道的时域波动的准确描述和变化趋势预测。在此研究基础之上，项目将对分布式极化体表通信的中继策略设计与优化算法进行研究，并探索其在实际通信系统中的实施与简化方法。

为实现以人体为中心的个人无线应用中通信节点的持续小型化和通信性能稳定性保持的目的，以体表通信为核心通信机制的无线人体体域网络需要采用分布式中继技术进行通信链路优化。由于体表通信与常规远场通信技术在无线信号传播机制上的本质区别，在对体表信道的建模与描述中，需要针对体表信道的全空间维度极化分布和人体运动姿态强关联特征拓展传统的建模理论与特征参数。本研究针对人体运动姿态的动态通信场景，将基于IMU运动捕捉数据研究人体运动姿态的概率转换模型。进而，通过建立不同姿态下窄带体表信道极化分布的模型与体表天线对信道的耦合效应参数化描述，构建运动姿态与体表信道的之间的跨层式隐性马尔可夫模型，以实现对窄带体表信道的时域波动的准确描述和变化趋势预测。在此研究基础之上，项目将对分布式极化体表通信的中继策略设计与优化算法进行研究，并探索其在实际通信系统中的实施与简化方法。研究团队围绕体表分布式体表极化中继链路优化与IMU运动姿态数据分析两部分内容开展相关研究。针对分布式多跳极化中继链路的链路容量的前后中继信道的极化依赖关系，研究提出了一种链路容量优化模型。同时，引入动态权重粒子群优化搜索算法，对复杂中继场景的极化优化具有较高的优化效率与性能。针对惯性运动捕捉中的姿态校准问题，研究提出了一种基于关节约束的动态校准算法，并通过粒子群优化搜索获得了优于其他优化算法的校准性能。研究同时提出了一种基于ARMA模型的运动序列分割、识别，与预测算法，为运动姿态分析提供了一套效率较高的无监督分析方法。本项目对典型人体运动，已形成不少于500组，总帧数大于40000的运动样本数据集。