分子通信技术能够实现纳米尺度上的信息通信，由于其具有生物兼容性，可应用于身体域纳米网络，受到学术界的广泛关注.首先介绍了分子通信的研究和发展现状，描述了基于扩散的分子通信原理；给出了基于扩散的分子通信的身体域纳米网络的组网理论和方法，讨论了相应的信息理论研究成果；最后以微粒药物递送技术为例展望了基于扩散的分子通信理论在身体域纳米网络中的应用.
Molecular communication can be realized on the nano-scale and can be applied to body area nano-networks because of its advantages of biocompatible. The status of current research and development of diffusion-based molecular communication was summarized and analyzed. Theory and method of body area nano-network, which is based on diffusion-based molecular communication, was introduced. This article focuses on the recent researching and development advents of diffusion-based molecular communication in body area nano-networks. The particulate drug delivery technology was introduced as an exampling application of diffusion-based molecular communication in body area nano-networks.
随着纳米科技和通信工程技术的发展，纳米网络技术开始研究应用到人体生物医学领域，身体域纳米网络作为传统无线身体域网络的增强演进，通过实现治疗型纳米机器在人体内的组网通信，从而实现更复杂的纳米医学应用[1]，如细菌菌落通过基因工程识别并破坏人体内的肿瘤细胞[2]. 传统无线身体域网络是由小型智能设备组成的，如图 1所示，这些设备可以穿戴在身体上或植入体内，并且有能力建立一个无线通信网络. 这些设备通过传感器节点测量人体的物理和化学性质，提供连续的健康监测，并且实时地反馈给医护或健康服务中心，从而实现了远程医疗探测、诊疗、保健等目的[3].
|
图1 传统的无线身体域网络模型 |
传统的电磁通信方案拟通过基于石墨烯的纳米天线技术在太赫兹通信频段(0.1~10 THz)实现纳米网络的信息通信[4]. 通信器件主要基于合成材料、电子电路和电磁通信等科技，这些技术由于其生物不兼容性在人体内或者自然生态系统中容易导致污染，产生潜在的危害，如超过一定剂量的电磁辐射会对人体健康造成不良影响或者对自然环境造成污染. 一个新的交叉学科研究领域是将纳米级系统工程应用到生物领域，通过结合纳米技术和合成生物学，设计并实现具备简单计算、存储、感知及通信能力的生物纳米机器，从而把可能的危害或者污染降低到最低，显著提升身体域网络的应用范围和前景等[5]. 学术界普遍认为：基于生物启发的分子通信技术是实现身体域纳米网络最可行的通信技术之一[6].
分子通信是一种使用生物化学分子作为信息载体的短距离通信技术[7]. 自然界中存在着各种数量巨大的“生物纳米机器”(如细胞)，它们能通过传输分子的方式实现信息交换，合作组成稳定高效的生物纳米网络. 这些经过数十亿年进化的天然纳米机器及系统为工程领域设计与开发纳米机器和纳米网络提供了参考模型. 由于不受收发器件的体积和能耗等因素的制约，并且适用于许多特定的应用环境中(如人体内) [8]，分子通信技术作为现有通信系统在纳米尺度的补充[9]，在近年来吸引了学术科研领域的广泛关注，如2011 年成立的IEEE P1906.1 标准工作组正在开展分子通信的基本定义、概念模型、通用术语和协议的标准化工作，这些工作将有力地推动分子通信技术的发展与应用推广.
作为“互联网+”和身体域物联网的一个重要组成，身体域纳米网络在未来具有广阔应用前景. 笔者首先介绍了自然界中的几种典型分子通信技术原理，总结概括了基于扩散的分子通信系统模型及理论研究成果；然后介绍了基于扩散分子通信的身体域纳米网络技术组网理论研究现状，并探讨了基于扩散模型的纳米网络组网工程实现；最后介绍了分子通信技术在身体域纳米网络的应用——微粒药物递送系统.
1 分子通信原理概述分子通信的原理与机制来源于自然界中的纳米尺度生物通信过程. 在分子通信中，由信息的发送方纳米机器(简称发送器)生成能被接收方纳米机器(简称接收器)识别并接收的信息分子，并基于信息分子的物理或化学特性编码信息[10]. 发送器释放的信息分子通过流体(液体或气体)介质[11]传送到接收器后，由接收器接收并以特定的方式解码信息，如通常将触发化学反应的过程看作是自然界中的生物纳米机器(如细胞)对编码了化学状态等信息的信息分子的解码[8].
目前分子通信领域的研究主要通过一定的假设将分子通信系统简化，建立相应的系统模型，如图 2所示，为了便于对基础的物理和化学现象进行数学处理，通过使用信息与通信理论对分子通信系统的性能指标(如容量、时延、吞吐量与误码率等)进行建模与分析[12]. 相对于电磁通信方式，分子通信用于纳米网络的优势在于自然界中纳米级的实体之间存在的分子通信自然现象[13]，如细胞间和细菌间的通信，这些自然现象提供了一个现成的研究方向，便于建立分子通信的模型，从而提供更快的技术途径，找到可行的解决办法. 此外，分子通信中很多生物化学现象的非线性性质需要新的可靠分析工具，如不同于传统的噪声源的基因突变引起的噪声等.
|
图2 分子通信传输模型 |
自然界中细胞和许多生物体之间的信息交换通过分子通信的方式，使用分子进行编码发送和接收信息. 目前对于自然界中的分子通信系统理论研究仍处在初级阶段，尤其是许多生物通信过程还没有完全理解，仍存在许多挑战[5]. 自然界中的分子通信可以通过系统中从发射到接收的距离范围进行分类. 根据信息分子传输距离的不同，可以将分子通信分为极短距离通信(10~100 nm)、短距离通信(nm~μm)、中距离通信(μm~mm)和长距离通信(mm~m).
1.1.1 钙离子神经元细胞或心肌细胞通过释放或吸收钙离子刺激细胞膜上间隙连接的打开和关闭来实现细胞间的通信[14]. 钙离子的传播距离正比于细胞膜的厚度，因此是极短距离(10~100 nm)的分子通信方式. 基于钙离子交换的间隙连接的通信方式能够协调相邻细胞间的同步行为，组成称为“细胞线”的细胞网络，如图 3所示. Ca2+能够通过连接纳米机器的细胞网络实现较长距离的传输. 发送器合成并释放初始化信号(如称为“钙激活分子”的三磷酸肌醇)，刺激邻近的细胞释放Ca2+. Ca2+通过间隙连接扩散，依次刺激相邻细胞释放各自的Ca2+，使细胞网络内Ca2+的浓度以正反馈的方式增加. 当浓度增加到一定阈值时，细胞使用各种钙泵移除内部的Ca2+，以负反馈的方式降低Ca2+的浓度. 钙离子浓度变化，引起了细胞膜内外的电荷变化，信息通过电信号实现传输[15].
|
图3 基于钙离子的分子通信结构和原理 |
分子马达广泛地用于细胞内的分子传输[16]，也是实现纳米机器短距离通信(nm~μm)的载体. 分子马达是细胞内具有特定功能的蛋白质，能够将腺苷三磷酸中的化学能转换成机械能. 分子马达移动的分子轨道称为微管，微管通常从细胞的中心体出发，基于“动态不稳定性”(任意地伸长或收缩) 特性向细胞壁扩散，自组织形成星形或随机网格拓扑的网络，构成细胞骨架. 如图 4所示，分子马达通过特定方式结合封装了信息分子的囊泡. 分子马达在化学能的驱动下沿引导分子运动，并能通过转换到不同的引导分子上从而最终到达接收器. 在接收器端，信息分子与分子马达分离(如以囊泡融合方式)，并被接收器所接收.
|
图4 基于分子马达的分子通信结构和原理图 |
自然界中的细菌主要有两种传输方式：细菌马达传输机制和细菌分泌传输机制[17]. 细胞间的分泌通信主要应用于细菌间的协作感知. 如图 5所示，细菌菌群会分泌自体诱导剂作为信令分子，在能够接收到自体诱导物的扩散范围内，细菌会独立感知某个参数或接收信号的浓度，并形成本地的自我认知，通过群体感知，相关信息将在该范围内所有细菌间进行传播，从而这些细菌将同时对信息达成一致的评估. 细菌马达传输机制主要通过“细菌结合”交换DNA分子，如质粒. 接收端释放化学诱导剂分子，当细菌感知到周围的化学引诱剂浓度梯度时，由于细菌的趋药性，细菌通过细菌鞭毛运动会朝着化学引诱剂浓度升高的方向运动，从而将信息分子送达到接收端. 根据细菌的趋药性特征，可以实现中距离(μm~mm)的分子通信.
|
图5 基于细菌的分子通信结构和原理 |
人体内分泌系统中的信息素传播可以实现长距离(mm-m)分子通信. 信息素是只能被特定接收器接收并通过相应的化学反应解码信息的分子化合物. 在多细胞生物中，内分泌通信通过信息素分子传递信息. 信息素分子通过腺体细胞发射，经循环系统传播，到达远处组织器官，引起特定的反应，如刺激细胞生长和繁殖等. 信息素通信在本质上属于基于自由扩散的被动信息分子传输机制[18]. 如图 6所示，信息素通信用于构建复杂的网络，包括微管和宏观的流动行为.
|
图6 基于信息素的分子通信结构和原理 |
自然界中最普遍的一个分子通信机制就是基于分子的自由扩散方式. 例如，人体内相邻细胞间的通信是基于不同类型分子的自由扩散方式进行信息编码的. 无须额外的能量源和通信设施，基于扩散的分子传输系统较为简单并能在较短距离上实现信息分子传输. 发送器可以通过选择特定类型的信息分子和设定信息分子浓度的方式选择目标接收器. Pierobon等[11]提出了一个基于自由扩散的分子通信系统的物理端到端模型，将系统分为分子的发射、传播和接收3部分，并分析了整体系统的性能(如增益和延迟)，还提供了包括发射、传播和接收等主要物理过程的数学表征. 通信工程理论可以应用到这个模型，研究端到端性能如噪声、容量和吞吐量，以及不同调制方案下的性能分析.
如图 7所示，基于自由扩散的分子通信系统的端到端物理模型不考虑分子颗粒的化学性质. 假设颗粒不具有静电荷，其质量和形状特征考虑在扩散系数D中. 空间S包含流体介质，其最初被填充有均匀浓度的颗粒. 发射过程根据输入信号sT(t)调制发射端颗粒浓度. 调制过程通过颗粒在发射间隙的释放/捕获机制实现. 调制后颗粒浓度rT(t)是发射端输出信号即信道输入信号. 信道依赖于颗粒在空间S中的扩散过程传播. 接收器检测其周围颗粒浓度cR(t)作为输入信号，并恢复输出信号sR(t). 接收过程通过化学受体机制产生输出信号.
|
图7 基于扩散的分子通信系统的端到端模型 |
端到端模型的归一化系统增益如图 8所示，发射器到接收器的距离从0 μm到50 μm，接收器受体假设为NR=10. 图 8中每条不同的曲线对应于不同的发射器到接收器之间的距离，表示端到端增益对于频率的非线性性质. 所有曲线显示在频率为0 Hz时为最大值1，归一化的增益随着频率增加单调减小. 由图 8可知，随着发射器和接收器距离的增加，整个频率范围内归一化增益值降低.
|
图8 端到端模型G的归一化系统增益 |
端到端系统模型的延迟如图 9所示，每条不同的曲线对应于不同的发射器到接收器之间的距离，表明不同频率对应不同的时间延迟. 因此，系统的输出信号形状相对于所述端到端模型的输入信号是失真的. 由图 9可知，随着发射器和接收器距离的增加，整个频率范围内归一化延迟升高.
|
图9 端到端模型G的归一化系统延迟 |
粒子的离散性和随机运动对模型中信号的发送、传输和接收过程产生的噪声影响分别为采样噪声、计数噪声和配体—受体接收噪声[19]，如图 10所示，这些噪声源采用双重方式建立模型. 物理模型提供对于产生噪声的物理过程的数学分析，并包含噪声产生过程的所有物理变量. 随机模型在于提取物理过程的随机参数，总结噪声产生中的随机过程以及相关统计参数[20].
|
图10 基于扩散的分子通信系统的噪声源模型 |
之前一些学者尝试去研究基于扩散的分子通信系统的容量，都是基于特定的调制和编码方案，或者不考虑信道记忆和信号相关噪声特性. Pierobon等[21]提出了基于扩散的分子通信系统的真实信息容量的下界闭式数学表达式，其独立于任何特定的编码方案，主要考虑了基于扩散的分子通信信道的两个主要特征：信道记忆和信号相关噪声. 信道记忆是指信道中之前传输的持续效应，信号相关噪声是指传输信息的信号与产生噪声的随机过程之间的相互关系.
基于扩散的分子通信系统容量下界表示式为
$ \begin{array}{l} C = 2W\left( {1 + {\rm{lb}}\frac{{{{\bar P}_H}}}{{3W{K_b}T}}} \right) - 2{\rm{lb(}}\pi Dd) - \frac{{4d}}{{3\ln 2}}\sqrt {\frac{{\pi W}}{D}} - \\ 2W\frac{{2{{\bar P}_H}{R_{{V_R}}}}}{{9{W^2}d{K_b}T}} - 2W\ln (W{\tau _P}) - 2W\ln \left( {\Gamma \left( {\frac{{2{{\bar P}_H}{R_{{V_R}}}}}{{9{W^2}d{K_b}T}}} \right)} \right) - \\ 2W\left( {1 - \frac{{2{{\bar P}_H}{R_{{V_R}}}}}{{9{W^2}d{K_b}T}}} \right)\Psi \left( {\frac{{2{{\bar P}_H}{R_{{V_R}}}}}{{9{W^2}d{K_b}T}}} \right) \end{array} $
其中：PΗ为发射端平均热动力学功率，T为系统绝对温度，W为发射信号的带宽，D为扩散系数，d为发射端与接收端的距离，Kb为玻尔兹曼常量，τp为准恒定颗粒分布的时间间隔，RVR为球形接收器模型的半径，ψ( ·)为双伽玛函数.
Pierobon等[22]提出了一个统计物理模型，用于基于扩散的分子通信系统中多个发射端同时发出分子时的干扰性能分析. Tepekule等[23]提出了基于扩散的分子通信系统的预均衡方法. Lin等[24]提出了基于扩散的分子通信系统的时钟同步方案. Aijaz等[25]提出了误码率的闭式表达，用于评估基于脉冲调制的扩散式分子通信系统的误码性能. Llatser等[26]提出了基于扩散的分子通信系统的幅度检测技术和能量检测技术并进行了性能评估. 以上通过信息与通信理论的角度研究基于扩散的分子通信模型，为实现基于扩散分子通信的纳米网络提供了理论基础和解决思路.
2 基于分子通信的身体域纳米网络及其组网理论 2.1 身体域纳米网络及其组网理论身体域纳米网络通过人体内治疗型纳米机器之间的协作分子通信，可以实现高可靠性和可控性的复杂纳米医学应用. 例如，一组互相之间不通信的工程细菌不能同步完成预定义任务，然而身体域纳米网络下的纳米机器可以通过协作分子通信实现组织工程应用[27]. 人体本身就是一个超大规模的异构通信纳米网络，其由数以亿计的细胞组成，不同生物系统(如神经系统、心血管系统和内分泌系统)之间的信息交换通过分子通信实现. 身体域纳米网络正是建立在人体生物系统的基础上实现复杂纳米医学应用的. 通过使用信息与通信理论等工具对人体系统进行探索，如对人体内部系统神经网络、心血管网络和内分泌网络以及通信信道进行建模与分析，可以促进身体域纳米网络的工程实现，有助于信息通信技术在身体域的应用发展[28].
类似于传统通信网络中的OSI模型和TCP/IP互联网架构，Nakano等[29]提出了一种分层架构，将大规模系统分解成一组更小的单元，各层之间功能相互独立，通过特定方式进行信息交互. 这样可以促使研究者更好地理解分子通信系统的工作原理，以便于系统设计和应用开发.
图 11展示了分子通信的分层体系架构，表 1列出了各层功能，其主要功能如下.
|
图11 分子通信网络的一种分层架构 |
 | 表1 分子通信分层架构的各层功能 |
1) 物理层：主要功能用来处理物理材料. 它包括两个子层：生物纳米机器子层抽象生物纳米机器的物理细节并定义生物纳米机器的功能；信令子层提供信令功能并通过分子调制/解调.
2) 分子链路层：用于直接通信范围.
3) 分子网络层：用于大于链路层距离的通信范围.
4) 分子传输层：用于端到端的通信范围.
5) 应用层：提供多种基于分子通信应用的功能.
生物环境身体域网络中基于分子通信作为物理媒介的组网问题面临着许多新的挑战. 分子通信不同于传统的通信方式，其信息分子的传播不遵循预定的方向，如分子的自由扩散运动和趋药性细菌都是在信源和目的地之间采取随机运动模式. 许多生物化学现象的非线性性质影响着通信网络中媒质接入、寻址和路由机制的设计. 此外，目前的挑战还在于如何通过将简化的模型转化应用到实际人体场景中. 例如，基于自由扩散的模型目前仅考虑应用在细胞内环境中，在实际的钙离子通信应用场景中，需要考虑高浓度的大分子(如蛋白质)对系统性能的影响. 心血管系统模型应该不仅考虑到人体心血管系统的整体平均生理学，实际中每个个体的具体特征也可能导致不同的传播动力学性能. 另外，目前趋药性细菌模型仅仅是基于单个细菌在体外环境中的性质和行为[30]，但在更多的实际环境中，如在人体内，细菌可以复制和动态增殖并且多种细菌群体之间可以相互影响. 最后，人体与外界其他通信系统之间的网关或者接口的设计与实现也需要重点研究与探索[5].
2.2 基于扩散模型的纳米网络组网理论扩散式纳米网络由一组位于流体介质通过扩散方式进行信息通信的纳米机器构成. 扩散式分子通信过程主要包括3个主要阶段：发射、传播和接收. 首先，发送节点纳米机器通过释放模式的分子编码信息，发送的分子引起了局部浓度的变化；然后，通过扩散过程在整个介质中进行传播；最后，接收节点通过估计其附近的分子浓度来解码传输信息. 图 12为基于中继分子通信传输的纳米网络场景. 化学驱动的分子收发纳米机器应该确保通信过程的生物兼容性和极高的能量效率[31].
|
图12 基于中继分子通信传输的分子网络场景 |
目前的低复杂度的纳米机器不能实现先进的调制技术，通过使用基于脉冲调制的方式编码信息，可以使得出的结果适用于任何调制类型，并得到纳米网络信号传播的定量模拟. 根据该方案，发射端纳米机器编码信息转换成分子脉冲，分子瞬间释放到环境中. 一个分子脉冲的释放在发射器位置产生增量的分子浓度，其整个环境中的传播通过菲克定律分析建模. 图 13表示了在接收器位置的分子浓度的预期值随时间的变化[32]. 接收器被设定为能够测量一定范围内的分子浓度的球体.
|
图13 分子浓度预期值分布 |
通过一定的假设，基于扩散分子通信的纳米网络模型得到建立. 在设想的纳米网络场景中，发射分子的浓度明显低于流体分子的浓度，并假设可以忽略所发射的分子间的相互作用(如碰撞和静电力). 这样每个分子的运动是独立的，分子扩散过程符合扩散系数在空间和时间上均匀的菲克定律. 多个发射器和接收器在共享介质中通信. 接收端的信号检测技术分为幅度检测技术和能量检测技术[26]. 幅度检测方案测量接收端的分子浓度，能量检测方案测量接收端一定时间段内的颗粒数量. 由此得到的扩散式分子通信纳米网络模型不同于传统基于电磁通信的无线网络，组网理论与网络协议需要通过传播时延、信道衰减和失真、节点移动性和高节点密度等多个方面考虑与研究[33].
3 应用微粒药物递送系统通过纳米颗粒药物靶向递送到具体病变部位，绕过了生理障碍且不会影响其他健康部位，避免了外界因素的干扰[34]. 如图 14所示，药物颗粒在人体内的传输过程可以视为分子通信系统. 通过将分子通信系统理论应用到微粒药物递送系统，将药物信息分子从发射端到接收端的整个传播过程抽象化，并通过通信工程的理论工具实现微粒药物递送的控制和预测[35]. 药物注射部位是发射端，接收端是药物递送部位，将微粒药物通过心血管系统的传播过程抽象化为分子通信信道模型. 分子通信信道模型分为两部分：心血管网络模型和药物传播网络模型. 心血管网络模型解析心脏血流输入和血压的分布计算得到心血管系统的血液流速分布. 药物传播网络模型允许通过药物注射率和药物注射位置分布计算分析得到靶向目标地点药物递送率的分析表达式. 微粒药物在传播过程中受到多种噪声影响，如注射噪声、传播噪声、配 体- 受体接收噪声等. 微粒药物在心血管系统中传播受到的噪声影响通过蒙特卡洛模拟进行仿真，结果表明分析模型与仿真结果具有良好的一致性，验证了分子通信模式能够便利地用于微粒药物递送系统的分析与优化[36].
|
图14 微粒药物递送系统及理论模型 |
微粒药物递送速率的函数表达为
$ y(t) = f(I,x(t),\;{q_{in}}(t),O) $
其中：函数f(·)表示分析模型，将目标抽象化为分子通信信道模型；发射端位于I，接收端位于O；输入分子发射信号x(t)通过对流和扩散方式在心血管系统中随着血流传播；qin(t)是心脏血流输入信号；分子通信信道输出是分子接收信号y(t).
通过将微粒药物递送系统抽象化为分子通信系统，可以进一步研究优化药物注射位置I和输入药物注射率x(t)，获得最优化的药物递送速率y(t)，同时最小化药物传播分布在剩余的心血管系统[35].
4 结束语笔者总结了分子通信理论的研究现状，特别是侧重基于扩散的分子通信理论及技术. 在基于扩散的分子通信的基础上，重点介绍了相应的身体域纳米网络的组成、原理及面临的技术挑战. 需要说明的是，虽然基于扩散式的分子通信模型及组成目前研究较多且较成熟，但基于扩散式分子通信的身体域纳米网络的组网理论以及相关应用带来的系统工程问题研究甚少. 展望未来，基于扩散分子通信的身体域纳米网络在纳米医学领域具有广阔的应用前景，未来需要从网络信息理论方面挖掘其理论性能限及影响性能限的关键因素，并据此优化设计相应的基于扩散的分子通信的传输方法以及对应的组网技术.
| [1] | Atakan B, Akan O B, Balasubramaniam S. Body area nanonetworks with molecular communications in nanomedicine[J]. IEEE Communications Magazine, 2012, 50(1):28-34.[引用本文:1] |
| [2] | Anderson J C, Clarke E J, Arkin A P, et al. Environmentally controlled invasion of cancer cells by engineered bacteria[J]. Journal of Molecular Biology, 2006, 355(4):619-627.[引用本文:1] |
| [3] | Movassaghi S, Abolhasan M, Lipman J, et al. Wireless body area networks:a survey[J]. IEEE Communications Surveys & Tutorials, 2014, 16(3):1658-1686.[引用本文:1] |
| [4] | Jornet J M, Akyildiz I F. Graphene-based nano-antennas for electromagnetic nanocommunications in the terahertz band[C]//Antennas and Propagation (EuCAP), 2010 Proceedings of the Fourth European Conference on.[S. l.]:IEEE, 2010:1-5.[引用本文:1] |
| [5] | Akyildiz I, Pierobon M, Balasubramaniam S, et al. The internet of bio-nano things[J]. IEEE Communications Magazine, 2015, 53(3):32-40.[引用本文:3] |
| [6] | Akyildiz I F, Jornet J M, Pierobon M. Nanonetworks:a new frontier in communications[J]. Communications of the ACM, 2011, 54(11):84-89.[引用本文:1] |
| [7] | Hiyama S, Moritani Y. Molecular communication:harnessing biochemical materials to engineer biomimetic communication systems[J]. Nano Communication Networks, 2010, 1(1):20-30.[引用本文:1] |
| [8] | Li Zuopeng, Zhang Jing, Cai Shaobin, et al. Review on molecular communication[J]. Journal on Communications, 2013, 34(5):152-167.[引用本文:2] |
| [9] | Akyildiz I F, Brunetti F, Blázquez C. Nanonetworks:a new communication paradigm[J]. Computer Networks, 2008, 52(12):2260-2279.[引用本文:1] |
| [10] | Nakano T, Moore M J, Wei Fang, et al. Molecular communication and networking:opportunities and challenges[J]. IEEE Transactions on NanoBioscience, 2012, 11(2):135-148.[引用本文:1] |
| [11] | Pierobon M, Akyildiz I F. A physical end-to-end model for molecular communication in nanonetworks[J]. IEEE Journal on Selected Areas in Communications, 2010, 28(4):602-611.[引用本文:2] |
| [12] | Pierobon M. Fundamentals of diffusion-based molecular communication in nanonetworks[J]. Foundations and Trends® in Networking, 2014, 8(1-2):1-147.[引用本文:1] |
| [13] | Nelson D L, Lehninger A L, Cox M M. Lehninger principles of biochemistry[M]. London:Macmillan, 2008.[引用本文:1] |
| [14] | Taynnan Barros M, Balasubramaniam S, Jennings B. Comparative end-to-end analysis of Ca2+-signaling-based molecular communication in biological tissues[J]. IEEE Transactions on Communications, 2015, 63(12):5128-5142.[引用本文:1] |
| [15] | Kuran M S, Tugcu T, Edis B. Calcium signaling:overview and research directions of a molecular communication paradigm[J]. IEEE Wireless Communications, 2012, 19(5):20-27.[引用本文:1] |
| [16] | Gao Yunlong, Lakshmanan S, Sivakumar R. On attractant scheduling in networks based on bacterial communication[C]//Computer Communications Workshops (INFOCOM WKSHPS), 2011 IEEE Conference on.[S.l.]:IEEE, 2011:419-424.[引用本文:1] |
| [17] | Hasan M, Hossain E, Balasubramaniam S, et al. Social behavior in bacterial nanonetworks:challenges and opportunities[J]. IEEE Network, 2015, 29(1):26-34.[引用本文:1] |
| [18] | Giné L P, Akyildiz I F. Molecular communication options for long range nanonetworks[J]. Computer Networks, 2009, 53(16):2753-2766.[引用本文:1] |
| [19] | Pierobon M, Akyildiz I F. Noise analysis in ligand-binding reception for molecular communication in nanonetworks[J]. IEEE Transactions on Signal Processing, 2011, 59(9):4168-4182.[引用本文:1] |
| [20] | Pierobon M, Akyildiz I F. Diffusion-based noise analysis for molecular communication in nanonetworks[J]. IEEE Transactions on Signal Processing, 2011, 59(6):2532-2547.[引用本文:1] |
| [21] | Pierobon M, Akyildiz I F. Capacity of a diffusion-based molecular communication system with channel memory and molecular noise[J]. IEEE Transactions on Information Theory, 2013, 59(2):942-954.[引用本文:1] |
| [22] | Pierobon M, Akyildiz I F. A statistical-physical model of interference in diffusion-based molecular nanonetworks[J]. IEEE Transactions on Communications, 2014, 62(6):2085-2095.[引用本文:1] |
| [23] | Tepekule B, Pusane A, Kuran M, et al. A novel pre-equalization method for molecular communication via diffusion in nanonetworks[J]. IEEE Communications Letters, 2015, 19(8):1311-1314.[引用本文:1] |
| [24] | Lin Lin, Yang Chengfeng, Ma Maode, et al. Diffusion-based clock synchronization for molecular communication under inverse gaussian distribution[J]. IEEE Sensors Journal, 2015, 15(9):4866-4874.[引用本文:1] |
| [25] | Aijaz A, Aghvami A H. Error performance of diffusion-based molecular communication using pulse-based modulation[J]. IEEE Transactions on NanoBioscience, 2015, 14(1):146-151.[引用本文:1] |
| [26] | Llatser I, Cabellos-Aparicio A, Pierobon M, et al. Detection techniques for diffusion-based molecular communication[J]. IEEE Journal on Selected Areas in Communications, 2013, 31(12):726-734.[引用本文:2] |
| [27] | Purnick P E M, Weiss R. The second wave of synthetic biology:from modules to systems[J]. Nature Reviews Molecular Cell Biology, 2009, 10(6):410-422.[引用本文:1] |
| [28] | Malak D, Akan O B. Molecular communication nanonetworks inside human body[J]. Nano Communication Networks, 2012, 3(1):19-35.[引用本文:1] |
| [29] | Nakano T, Suda T, Okaie Y, et al. Molecular communication among biological nanomachines:a layered architecture and research issues[J]. IEEE Transactions on NanoBioscience, 2014, 13(3):169-197.[引用本文:1] |
| [30] | Akyildiz I F, Fekri F, Sivakumar R, et al. Monaco:fundamentals of molecular nano-communication networks[J]. IEEE Wireless Communications, 2012, 19(5):12-18.[引用本文:1] |
| [31] | Suda T, Moore M, Nakano T, et al. Exploratory research on molecular communication between nanomachines[C]//Genetic and Evolutionary Computation Conference (GECCO), Late Breaking Papers.[S. l.]:[s. n.], 2005:25-29.[引用本文:1] |
| [32] | Llatser I, Alarcón E, Pierobon M. Diffusion-based channel characterization in molecular nanonetworks[C]//Computer Communications Workshops (INFOCOM WKSHPS), 2011 IEEE Conference on.[S. l.]:IEEE, 2011:467-472.[引用本文:1] |
| [33] | Llatser I, Cabellos-Aparicio A, Alarcon E. Networking challenges and principles in diffusion-based molecular communication[J]. IEEE Wireless Communications, 2012, 19(5):36-41.[引用本文:1] |
| [34] | M. N. V. Ravi Kumar. Handbook of particulate drug delivery. 1. Materials and technologies[M]. Valencia, CA, USA:American Scientific Publ., 2008:145-167.[引用本文:1] |
| [35] | Chahibi Y, Pierobon M, Song S O, et al. A molecular communication system model for particulate drug delivery systems[J]. IEEE Transactions on Biomedical Engineering, 2013, 60(12):3468-3483.[引用本文:2] |
| [36] | Chahibi Y, Akyildiz I F. Molecular communication noise and capacity analysis for particulate drug delivery systems[J]. IEEE Transactions on Communications, 2014, 62(11):3891-3903.[引用本文:1] |