一种环境反向散射系统及其信号传输方法与流程

本发明涉及通信技术领域，更具体地，涉及环境反向反射系统及其信号传输方法。

背景技术：

物联网是新一代信息技术的重要组成部分,然而，物联网至今并没有被广泛的应用，其中限制物联网发展的关键瓶颈是这些附带电池的设备会被能量问题所约束，因此会产生有限的使用寿命，巨额的维护开销等问题。

一种不依赖设备中所嵌入的能量源的解决方法是从环境中收集能量，比如光能，机械能，以及无处不在的电磁能。环境射频信号例如广播电视，手机和WIFI信号至今已经被广泛用于能量收集，回收的电磁波能量用来维持低功耗设备的运行。与此同时，环境射频信号也被用于无线信息能量同传系统(SWIPT)，在此系统中接收装置不仅收集能量并且还从相同的信号中解码出信息。

事实上，这些利用电磁波能量的设备甚至不需要安装收发器，其可以利用自身的天线将信息加载到反向散射的信号中。最初众所周知的电磁能量的应用是射频识别技术(RFID)，此系统由一个阅读器(收发机)以及一个无源标签(反向散射标签)组成。阅读器会产生射频信号，此信号的一部分会被收集成为标签的能量源，剩下的信号会被反射回阅读器，并且其中会携带标签的信息。

最近，一种叫做环境反向散射的通信机制正逐渐兴起，此种通信机制在反向散射通信的过程中利用了环境中的射频信号。与传统的RFID系统不同的是，环境反向散射系统有以下两点突破：(1)此系统利用了几乎无处不在的环境射频信号，但并不需要额外的专用的设备(例如RFID阅读器)来发送必要的信号。(2)此系统使得无源设备间 可以进行通信，而不是局限于阅读器与标签间的通信。

目前，大部分的研究工作主要集中于环境反向散射系统硬件电路的设计以及硬件原型的展示与评测，并没有对此系统进行基础的分析。同时，因为此系统不同于传统的通信系统，它采用了反向散射的通信方式，并且所利用的射频源并非传统的恒定信号而是来自于环境中的不确定的射频信号，因此，在对此系统进行信号检测时，传统的信号检测方法可能不再使用，所以建立能够准确传输信号的环境反向散射系统显得尤为重要。

技术实现要素：

本发明提供一种克服上述问题或者至少部分地解决上述问题的环境反向散射系统及其信号传输方法。

根据本发明的一个方面，提供一种环境反向散射系统的信号传输方法，所述系统包括发射源射频信号的射频源、接收所述源射频信号并反射射频信号的标签以及接收所述源射频信号和射频信号的阅读器，所述方法包括以下步骤：

步骤1，所述标签以相同的概率连续发射对应于源射频信号的二进制符号，所述二进制符号对应所述标签是否反射射频信号；以及

步骤2，所述阅读器对接收信号基于最大似然估计法或联合概率密度估计法判断所述标签发射的二进制符号。

根据本发明的另一个方面，提供一种环境反向散射系统，所述系统包括发射源射频信号的射频源、接收所述源射频信号并反射射频信号的标签以及接收所述源射频信号和射频信号的阅读器，所述标签以相同的概率连续发射对应于源射频信号的二进制符号，所述二进制符号对应所述标签是否反射射频信号；所述阅读器对接收信号基于最大似然估计法或联合概率密度估计法判断所述标签发射的二进制符号。

本申请提出一种环境反向散射系统及其信号传输方法，系统中的阅读器利用最大似然估计法或联合概率密度估计法判断标签发射的二 进制符号，在不需要有关信道情况以及射频源信号信息的条件下，仅仅依靠信号矢量来进行信号检测，方案实施简单，性能较好，具有很强的实用性。

附图说明

图1为本发明的系统组成示意图；

图2为包含二维码符号的数据包的结构示意图；

图3为对于差分编码采用联合概率密度估计法的决策区域。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

在一个具体的实施例中，结合附图对本发明进行进一步的说明。

图1给出了一种环境反向散射系统的组成示意图，所述环境反向散射系统包括：

射频源，图中以RFsource示出，向环境发射源射频信号；

标签，图中以Tag示出，接收所述源射频信号并向环境反射射频信号；以及

阅读器，图中以Reader示出，接收所述源射频信号、所述射频信号以及环境中的噪声信号；

其中，所述标签以相同的概率连续向环境发射二进制符号0或1，当发射0时，所述标签不反射射频信号，反之，则反射射频信号；

其中，所述标签发射一个二进制符号对应于所述射频源发射的N个源射频信号为一个信号矢量，所述阅读器对信号矢量基于最大似然估计法或联合概率密度估计法判断所述标签发射的二进制符号。

图1中h_st、h_sr、h_tr分别表示射频源到标签，射频源到阅读器以及标签到阅读器信道的信道参数，且信道为平坦块衰落模型，在本模型中所有的信道在信道相干时间内都是恒定的，但其在不同的相干时间 段的变化是独立的。x[n]表示标签接收的信号，其表达式为：

x[n]＝h_sts[n]；

其中，s[n]表示射频源发射的不确定的源射频信号，且其服从循环对称高斯分布其中P_s的值对于阅读器来说是未知的，同时s[n]的不同抽样值是独立同分布，标签发送的第k个二进制符号为d_k∈{0，1}，并且d_k为0和1的概率是相同的。

本发明中的信道未知但是在一段时间内恒定不变，因此原始符号会在标签端被差分编码为其中b_k表示为第k个二进制符号，参考b₀＝1。

由于受到能量限制，并且根据物联网的特性，标签的传输速率会远低于环境射频信号的奈奎斯特速率，假设在N个连续的s[n]内保持不变，则被标签反向散射的信号可以表示为：

x_b[n]＝αc[n]x[n]；

其中，c[n]＝b_k，n＝(k-1)N+1，…，kN，，α是与标签的天线增益和反射效率相关的比例常数。

阅读器收到的第k个二进制符号b_k的信号为：

y[n]＝h_srs[n]+h_trx_b[n]+w[n]＝(h_sr+ah_sth_trb_k)s[n]+w[n]，n＝(k-1)N+1，…，kN，；

其中，是高斯加性白噪声；h_srs[n]是阅读器接收到的射频源信号。

环境反向散射系统中的阅读器利用最大似然估计法或联合概率密度估计法判断标签发射的二进制符号，在不需要有关信道情况以及射频源信号信息的条件下，仅仅依靠信号矢量来进行信号检测，方案实施简单，性能较好，具有很强实用性。

在本发明一个具体实施例中，所述标签发射的二进制符号分为对所述二进制符号进行差分编码处理的差分编码符号和对所述二进制符号进行非差分编码处理的非差分编码符号。

在本发明一个具体实施例中，所述最大似然估计法包括以下步骤：

步骤21、基于第k-1个和第k个信号矢量y_k-1和y_k分别获得信号能量Z_k-1和Z_K，计算信号能量的算法为Z_k＝||y_k||²；

步骤22、基于所述步骤一获得的信号能量Z_k-1和Z_K，分别获得所述标签在发射二进制符号0和1的假设下，第k-1个和第k个信号矢量的条件概率密度函数f₁和f₂；以及

步骤23、比较所述步骤22获得的条件概率密度函数f₁和f₂，若f₁＞f₂，则判断第k个信号矢量对应的二进制符号为0，反之，则为1。

如图2给出了包含二进制符号的数据包结构图，结合图2，所述步骤二包括以下步骤：

定义阅读器接收到的第k个二进制符号b_k的信号矢量y_k为：y_k＝[y[(k-1)N+1]，…，y[kN]]^T；则有：

本实施例中信道的相干时间最少为2个b_k的持续时间，定义r＝[y_k-1，y_k]^T，则：r＝Hs+w，，其中，s＝[s[(k-2)N+1]，…，s[kN]]^T，w＝[w[(k-2)N+1]，…，w[kN]]^T， t_k＝h_sr+αh_sth_trb_k.，

由于s和w相邻的抽样值是不相关的，因此r的概率密度函数为： 其中， ξ_k＝|t_k|²P_s+N_w.，

由步骤21可知Z_k＝||y_k||²，所以r的概率密度函数为：

其中ξ_k是所述标签分别发送0和1对应的统计方差，具有两个不同的值：即当b_k＝0时，当b_k＝1时，其中

并且h₀＝h_sr，h₁＝h₀+αh_sth_tr；。

当d_k＝0时，ξ_k-1＝ξ_k。当d_k＝1时，ξ_k-1≠ξ_k。定义和分别为d_k＝0和d_k＝1的假设，则接受信号r在不同假设下的条件概率密度函数分别为：

由此可知，判断二维码符号的表达式为：

在本发明一个具体实施例中，对于所述差分编码符号，所述联合概率密度估计法包括以下步骤：

步骤21、基于第k-1个和第k个信号矢量y_k-1和y_k分别获得信号能量Z_k-1和Z_K，Z_k可以表示为 也即在标签分别处于非反射(b_k＝0)和反射(b_k＝1)时Z_k具有不同的值，这种特性可以用来进行信息的检测。

步骤22、基于所述标签分别发送0和1对应的统计方差和获得能量检测的阈值T_h，本实施例中阈值的表达式为

证明如下：|y[n]|²是自由度为2的中心卡方随机变量，令b_k＝i，则|y[n]|²的均值和方差分别为：

根据中心极限定理，当N足够大时，Z_k的分布会接近于高斯分布，设Z_k|i为假设b_k＝i的接收信号能量，则在当考虑高斯近似时，可得：

令即可得到上述表达式，其中是Z_k|i的概率密度函数。同时当采样值N的值很大时，渐进阈值可以表示为

步骤23、比较所述步骤23获得的阈值T_h和所述步骤S1获得的信号能量Z_k-1和Z_K，若Z_k-1≤T_h并且Z_k≤T_h，或者Z_k-1＞T_h并且Z_k＞T_h， 则判断第k个信号矢量对应的二进制符号为0，反之，则为1。

图3示出了联合概率密度估计法的决策区域，可描述为：

(1)R1区域包括Z_k-1≤T_h且Z_k≤T_h的范围，认为节点发送的第k个二进制符号为

(2)R2区域包括Z_k-1＞T_h且Z_k＞T_h的范围，认为节点发送的第k个二进制符号为

(3)R3区域包括Z_k-1≤T_h且Z_k＞T_h的范围，认为节点发送的第k个二进制符号为

(4)R4区域包括Z_k-1＞T_h且Z_k≤T_h的范围，认为节点发送的第k个二进制符号为

上述差分编码非相干检测的信号源均为复高斯信号源，本发明又进一步对s[n]是PSK信号源进行了相应的分析，结果表明PSK信号源下的检查结果不会出现错误平层。

由于统计方差与的通常是通过发送训练系列获得，但因为发送训练系列运算复杂且会消耗一定能量，这对于环境反向散射系统这类能量紧缺的系统并不是十分合适，在本发明一个具体实施例中，所述统计方差与采用盲估计法获得，所述盲估计法包括以下步骤：

S221、对第一个信号矢量至第k个信号矢量中每一个信号矢量进行归一化处理，获得每一个信号矢量的归一化能量，所述归一化处理的计算方法为：

S222、对所有归一化能量基于信号矢量的递增顺序进行排序，获得归一化能量的序列以及

S223、对所述序列的前半段和后半段分别取平均值得：

B_min和B_max为统计方差和的估计值，由前文所述的检测方法可知，并不需要知道B_min和B_max为和的对应关系，因此这种方法可以去除发送训练序列所带来的额外消耗。

根据发明人的检测，最大似然估计法的性能比联合概率密度估计 法来说更好，这是因为最大似然估计法相比联合概率密度法具有更大的计算复杂度。而且已知和的性能比估计所得的性能稍好，但通过发送训练序列来得到和会比盲估计更复杂且更耗费能量。并且随着抽样数N的增大，本发明的两种方法性能都会得到改善。

在本发明一个具体实施例中，对于所述非差分编码信号，所述联合概率密度估计法包括以下步骤：

步骤21、基于第k个信号矢量y_k获得信号能量Z_K；

步骤22、基于所述标签分别发送0和1对应的统计方差和获得能量检测的阈值T_h；

步骤23、如果参数则执行步骤d；若则执行步骤e；

步骤24、若所述步骤21中信号能量Z_K高于所述步骤b中的阈值T_h，判断第k个信号矢量对应的二进制符号为0，反之，则为1；以及

步骤25、若所述步骤21中信号能量Z_K低于所述步骤b中的阈值T_h，判断第k个信号矢量对应的二进制符号为0，反之，则为1。

在本发明一个具体实施例中，所述射频源包括复高斯信号源和BPSK信号源。

在本发明一个具体实施例中，对于复高斯信号源，所述阈值T_h通过第一检测函数获得，所述第一检测函数的表达式为 对采用第一检测函数求得的阈值称之为最优检测的阈值；

其中，所述为通过第一检测函数求得的阈值。

在本发明一个具体实施例中，对于复高斯信号源，所述阈值T_h通过第二检测函数获得，所述第二检测函数的表达式为： 对采用第二检测函数求得的阈值称之为能量检测的阈值；

其中，所述为通过第二检测函数求得的阈值。

在本发明一个具体实施例中，对于BPSK信号源，所述阈值T_h通过第三检测函数获得，所述第三检测函数的表达式为

其中，所述为通过第三检测函数求得的阈值；h₀为二进制符号为0的概率，h₁为二进制符号为1的概率，Nr为。对采用第三检测函数求得的阈值称之为次优检测的阈值；

本发明对提出的三种不同的检测场景做了相应的性能分析:

(1)复高斯信号源下最优检测的阈值的BER表达式如下：

参数和及N对检测性能有很重要的影响。

(2)复高斯信号源下次优检测的阈值的BER表达式如下：

当大SNR很大时，次优检测的阈值近似为代入BER表达式得到了次优检测下的渐进BER表达式为：

其中∑＝|h₀|²+|h₁|².。由此可得出增大SNR、N和Δ，减小∑都会减小BER，因而是对检测性能的提高有利的。但是当SNR趋于无穷大时，BER等于某一确定值说明此种检测方法存在错误平层。在大SNR下BER已经不受SNR的控制了，而是由相对信道差Δ/∑来决定的。

(3)BPSK信号源下次优检测的阈值的BER表达式如下：

当N很大时，代入上式，得到了大SNR，大N下的渐 进BER表达式为：

可以看出BPSK信号源下的次优检测不存在错误平层。

本发明中差分编码检测需要对二进制符号进行编码，对于有编码要求的系统较为实用；非差分编码的相干检测是在预先知道信号源分布的情况下进行的，它需要发送一定的训练序列来估计参数，但是它不需要对信号源编码，对于支持发送训练序列的系统更为实用。

最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。