マルチポートVNAを使用した2.45GHzでの

ダイナミックウェアラブルボディエリアネットワーク伝搬特性における体格の影響に関する検討

東京工業大学

貫田哲夫、青柳貴洋、金ミンソク、高田潤一

1

情報通信研究機構

Marco Hernandez、三浦龍

無線ボディエリアネットワーク

無線ボディエリアネットワーク（WBAN）とは• 人体表面（ウェアラブルWBAN）あるいは体内（インプラントWBAN）に装着した電子機器間における無線通信網

• 本研究では、ウェアラブルWBANを扱う

WBANのアプリケーション

2

WBANのアプリケーション• スポーツ

• 医療・ヘルスケア

• 視覚障害者の歩行支援など

WBANの通信路特性

• 信頼性の高いWBANシステムの設計には、その通信路動特性の解明が不可欠である

3

WBAN伝搬特性のキーファクター

WBANの伝搬特性には様々なファクターが影響を与えている

本研究では以下の要素に注目

• アンテナの向き・位置

• 人体の動作

–– アンテナ間の距離が変化し、アンテナのインピーダンス不整合や偏波面の不一致が起こる

• 人体の体格差– 人体による遮蔽・吸収によって、アンテナの放射特性は影響を受ける

– その度合いは体格差によって異なるが、過去に十分なサンプル数をとって体格の影響を検討した例は少ない[1][2]

4

[1]C. Oliveira, L. Pedrosa, R. Rocha, ``Characterizing On-Body Wireless Sensor Networks,'' Proc. 2nd International

Conference on New Technologies, Mobility and Security (NTMS), Aug. 2008.

[2] F. Di Franco, C. Tachtatzis, B. Graham, M. Bykowski, D. C. Tracey,N. F. Timmons, J. Morrison, ``The effect of

body shape and gender on Wireless Body Area Network on-body channels,'' 1st Middle East Conference on

Antenna and Propagation (MECAP), Oct.2010.

研究背景

• 他ファクターと比べて、体格差がWBAN伝搬チャネルへ、どの程度の影響を与えているかを検討した研究例は少ない

• また測定機器の仕様などの関係で、複数の無線機間の通信路特性の同時測定が難しい

5

本研究の目的

• マルチポートのネットワークアナライザを用いて、WBANにお

ける複数無線機間の通信路動特性を同時に測定し、分散分析と回帰分析により、その振る舞いを定量的に表現する析と回帰分析により、その振る舞いを定量的に表現する

• 特に体格差が他の要素と比べて、どの程度、WBAN伝搬特性に影響を与えているかを調べる

6

実験

本実験では、マルチポートVNAを用いて、12人の男性被験者に対して、様々な条件下におけるパスゲインを測定した

• アンテナの位置・向き

• 人体の動き• 人体の動き

• 人体の体格差

次のスライド以降では、これらの要素を、実験でどのように定義したか説明する

7

実験条件（アンテナの位置・向き）

• チップアンテナ[3]

– 三菱マテリアル製

– 55mm×30mm×2mm

– 型番：AHD1403-244SK01

• アンテナ設置位置– 送信アンテナ：へそ

– 受信アンテナ：腕、手首、胸、膝

• アンテナ設置向き– v、hの2方向を定義

– 偏波方向に対応

8

v

h

[3] MITSUBISHI MATERIALS. [Online]. Available : http://www.mmc.co.jp/corporate/ja/index.html

実験条件（人体の動き・体格差、その他）

人体の動き 静止、歩行、立ち座り

体格差 身長、体重、胸囲、ウエストなど

被験者の数 12 （男性）

場所 13.6m×15m×2.7mの空き部屋

9

VNAVNAVNAVNA ZVT20 (Rohde Schwarz)ZVT20 (Rohde Schwarz)ZVT20 (Rohde Schwarz)ZVT20 (Rohde Schwarz)

周波数[GHz] 2.45

スパン[Hz] 1（ゼロスパン相当）

RF Power[dBm] 13

スイープ時間[s] 11.18

ポイント数 1801

実験構成図

• 以下に実験の構成図を示す

Ch2

Ch1

10

Ch2

Ch4

Ch3

Ch5VNAVNAVNAVNA

vh

実験結果１

• 下図は測定した時系列のパスゲインである

-60

-50

-40

-30

-20

-10

Pa

th G

ain

[dB

]

Path Gain( No.1,Tx=h,Rx=h,still)

Chest

Arm

Wrist

Thigh

-60

-50

-40

-30

-20

-10

Pa

th G

ain

[dB

]

Path Gain( No.1,Tx=h,Rx=h,updown)

Chest

Arm

Wrist

Thigh

-60

-50

-40

-30

-20

-10

Pa

th G

ain

[dB

]

Path Gain( No.1,Tx=h,Rx=h,walk)

Chest

Arm

Wrist

Thigh

静止静止静止静止 歩行歩行歩行歩行 立ち座り立ち座り立ち座り立ち座り

0 2 4 6 8 10 12-90

-80

-70

-60

Time[s]

Pa

th G

ain

[dB

]

0 2 4 6 8 10 12-90

-80

-70

-60

Time[s]

Pa

th G

ain

[dB

]

0 2 4 6 8 10 12-90

-80

-70

-60

Time[s]

Pa

th G

ain

[dB

]

0 2 4 6 8 10 12-90

-80

-70

-60

-50

-40

-30

-20

-10

Time[s]

Pa

th G

ain

[dB

]

Path Gain( No.12,Tx=h,Rx=h,still)

Chest

Arm

Wrist

Thigh

0 2 4 6 8 10 12-90

-80

-70

-60

-50

-40

-30

-20

-10

Time[s]P

ath

Ga

in[d

B]

Path Gain( No.12,Tx=h,Rx=h,updown)

Chest

Arm

Wrist

Thigh

0 2 4 6 8 10 12-90

-80

-70

-60

-50

-40

-30

-20

-10

Time[s]

Pa

th G

ain

[dB

]

Path Gain( No.12,Tx=h,Rx=h,walk)

Chest

Arm

Wrist

Thigh

11

実験結果2

• 下表に被験者12名の身体情報と平均パスゲインをまとめた

身長[cm]

体重[kg]

平均パスゲイン[dB]

No.1 163 60.2 -46.2

No.2 163 54.9 -46.6

身長[cm]

体重[kg]

平均パスゲイン[dB]

No.10 178 65.8 -44.0

No.11 162 80 -47.0

12

No.2 163 54.9 -46.6

No.3 179 62.2 -43.8

No.4 159 60.4 -47.0

No.5 166.5 53 -44.1

No.6 166 55.7 -43.4

No.7 166 63.3 -40.7

No.8 175 66.8 -38.0

No.9 170.5 67.1 -40.3

No.11 162 80 -47.0

No.12 180 71.1 -47.6

平均平均平均平均 168 64.4 -44.0

標準偏差標準偏差標準偏差標準偏差 6.5 8.3 2.95

測定結果の解析

分散分析と回帰分析を用いて、時間変動の振幅のdB値を分析

ツールにはMatlabを用いた

• 分散分析（ANOVA）– WBAN伝搬チャネルに対して、どの変数（身長・体重等）が作用して– WBAN伝搬チャネルに対して、どの変数（身長・体重等）が作用しているかを調べる

• 回帰分析– 分散分析によって、選出した変数（身長・体重）を用いて、WBAN伝搬チャネルを数式モデリングし、定量的に表す

13

分散分析とは

• 分散分析とは、複数のグループの母平均に差があるかどうかを検定する統計的手法

• 検定に用いるF値は、グループ間の分散とグループ内の分• 検定に用いるF値は、グループ間の分散とグループ内の分散の比を表す

• F値が大きい程、水準間の変動が大きく、そのパラメータの影響が大きい事を表す

14

分散分析（ANOVA）の結果

• 下表に各組み合わせにおけるF値をまとめた

• 最小値は、マルチパスフェージングにより、サンプリングのタイミングの影響を受ける為，ロバストな値ではない。そこで累積5%の値を採用した

15

中央値 平均値 最大値 最小値 最大値‐最小値

身長 9.32(**) 10.34(**) 13.34(**) 4.69(*) 0.77

体重 10.49(**) 10.94(**) 23.05(**) 1.86 6.56(*)

Subject 7.4(**) 7.4(**) 8.09(**) 3.35(**) 1.2

人体の動き 1.75 1.04 81.2(**) 92.56(**) 826.84(**)

アンテナ位置 56.18(**) 57.44(**) 34.81(**) 35.69(**) 2.42(**)

アンテナの向き 25.78(**) 27.32(**) 19.41(**) 19.62(**) 19.37(**)

**：p<0.01 、*：p<0.05 （pは有意確率）

分散分析（ANOVA）結果のまとめ

• 身長・体重は、高い（重い）・低い（軽い）別に2グループに分けて分析した。いずれもF値が大きく、伝搬特性に影響を与えていると判断した

• またそれ以上に、アンテナの向き・位置や人体の動きが、パスゲインに影響を与えている事を、定量的に示す事ができた

• 最大－最小（ダイナミクス）に対しては、個人差及び体格差の影響が小さい

16

回帰分析

• 分散分析の結果、身長・体重は効果がありそうなファクターであると判断できた

• 身長 [cm]、体重 [kg]とし、回帰分析でモデリングを試みた

hx wx

17

wpg

hpg

xbby

xaay

10

10

]dB[

]dB[

+=

+=

• その時のパスゲイン は下式で表されるdB][pgy

回帰分析の結果（体重とパスゲイン）

• 体重とパスゲインの分析結果

• 決定係数が小さく、パスゲインとの関係をモデリングできていない

b b2R )(bp )(bpdB][y

18

平均値 -43.079 -0.016 0 0 0.742

最大値-最小値 14.904 0.196 0.006 0.037 0.082

中央値 -47.385 -0.041 0.001 0 0.492

最大値 -39.933 0.057 0.002 0 0.297

最小値 -54.837 -0.139 0.003 0 0.176

0b 1b2R )( 0bp )( 1bpdB][pgy

に対するp値、00 :)( bbp 11 :)( bbp に対するp値2R ：決定係数（回帰分析の精度）

回帰分析の結果（体重とパスゲイン）

• 得られた解析結果を基に、グラフを作成

-30

-20

-10

Path Gain (Measured) [dB]

ypg=-43.079-0.016*x

w

19

50 55 60 65 70 75 80-80

-70

-60

-50

-40

-30

Weight [kg]

Path Gain (Measured) [dB]

Regression analysis

Measurement

回帰分析の結果（身長とパスゲイン）

• 身長とパスゲインの分析結果

• 決定係数より、バスゲインの平均値の1.5%程度は身長で説明できると解釈

a a 2R )(ap )(apdB][y

20

平均値 -68.604 0.146 0.015 0 0.005

最大値-最小値 7.361 0.118 0.002 0.728 0.348

中央値 -76.718 0.159 0.011 0 0.017

最大値 -73.037 0.218 0.025 0 0

最小値 -80.398 0.100 0.001 0 0.385

0a 1a 2R )( 0ap )( 1apdB][pgy

に対するp値、00 :)( aap 11 :)( aap に対するp値、2R ：回帰分析の精度

回帰分析の結果（身長とパスゲイン）

• 得られた解析結果を基にグラフを作成

-30

-20

-10

Path Gain (Measured)[dB]

21

155 160 165 170 175 180-80

-70

-60

-50

-40

-30

Height [cm]

Path Gain (Measured)[dB]

Regression analysis

Measurement

ypg=-68.604+0.146x

h

回帰分析結果のまとめ

• 分散分析では効果があると判断された体重に関しては、パスゲインをモデリングする事は難しいスゲインをモデリングする事は難しい

• 身長をパラメータとして、パスゲインをモデリングした結果、決定係数0.015を取得した

22

分散分析の結果の再検証

• 前ページでは、全てのデータ（アンテナの位置・人体の動作など）で分散分析を行った。

• そこで、パラメータを限定して、再度分散分析を行う事で、身体情報とパスゲインの関係性を綿密に調べる。

23

分散分析の結果の再検証

• 下表は、被験者が静止した時に測定したパスゲインと、実験パラメータとの分散分析の結果（F値）である。

• 最小値は、マルチパスフェージングにより、サンプリングのタイミングの影響を受ける為，ロバストな値ではない。そこで累積5%の値を採用した。積5%の値を採用した。

24

中央値 平均値 最大値 最小値 最大値‐最小値

身長 3.87 3.88 4.68(**) 3.72 0.34

体重 2.74 2.87 3.61 3.01 0.42

Subject 2.85(**) 2.89(**) 3.2(**) 2.75(**) 2.74(**)

アンテナ位置 12.91(**) 12.71(**) 13(**) 11.49(**) 2.79(*)

アンテナの向き 5.01(**) 5.04(**) 5.54(**) 4.53(**) 1.8

**：p<0.01 、*：p<0.05 （pは有意確率）

分散分析の結果の再検証

• 次に静止時において、更にアンテナの位置別にして、分散分析を行った

胸部胸部胸部胸部 中央値 平均値 最大値 最小値 最大値‐最小値

身長 2.12 2.11 2.66 1.71 0.6

体重 2.37 2.35 2.58 2.1 0

25

2.37 2.35 2.58 2.1 0

Subject 3.53(**) 3.54(**) 3.43(**) 3.48(**) 1.73

アンテナの向き 3.09(*) 3.07(*) 3.27(*) 2.74 0.33

**：p<0.01 、*：p<0.05 （pは有意確率）

腕腕腕腕 中央値 平均値 最大値 最小値 最大値‐最小値

身長 0.81 0.74 0.81 0.6 0.11

体重 0.13 0.16 0.41 0.17 0.02

Subject 1.68 1.69 2.03 1.59 0.88

アンテナの向き 1.26 1.3 1.45 1.17 0.88

分散分析の結果の再検証

手首手首手首手首 中央値 平均値 最大値 最小値 最大値‐最小値

身長 0.63 0.67 0.83 0.94 0.57

体重 2.31 2.38 2.31 3.05 2.75

Subject 0.84 0.83 0.86 0.8 0.83

アンテナの向き 3.4(*) 3.51(*) 4.04(*) 3.28(*) 0.66(*)

26

**：p<0.01 、*：p<0.05 （pは有意確率）

膝膝膝膝 中央値 平均値 最大値 最小値 最大値‐最小値

身長 1.05 1.1 1.31 1.12 0.34

体重 0 0 0.03 0.02 0

Subject 1.63 1.65 1.68 1.62 0.84

アンテナの向き 0.32 0.36 0.36 0.56 0.92

本報告のまとめ

• 本研究では分散分析（ANOVA）を用いて、どの変数が結果に対して効果があるかを統計的に調べた。

• そして回帰分析を用いて、WBANの伝搬特性と体格差の関係を定量的にモデリングした係を定量的にモデリングした

• 分散分析の結果、体格差以上に、アンテナの位置や向き、人体の動作による影響が大きい事が判明した

• 個人差の影響は、体格差に比べると小さい事が判明した

• 回帰分析では、身長と伝搬特性のモデリングした式の決定係数は0.015であった

27

今後の課題

• 体格差や人体の動き、アンテナの設置位置によるWBAN伝搬特性の変動を、偏波ダイバーシチを用いて軽減させる

• ダイバーシチは、シャドーイングやマルチパスフェージングの影響を軽減する為の技術であるが、これをWBANシステムにも応用できると考えている

28

ご静聴ありがとうございました

29