Collaborative Research: NSF-AoF: CIF: Small: AI-assisted Waveform and Beamforming Design for Integrated Sensing and Communication

合作研究:NSF-AoF:CIF:小型:用于集成传感和通信的人工智能辅助波形和波束成形设计

基本信息

  • 批准号:
    2326622
  • 负责人:
  • 金额:
    $ 25.98万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Standard Grant
  • 财政年份:
    2024
  • 资助国家:
    美国
  • 起止时间:
    2024-01-01 至 2026-12-31
  • 项目状态:
    未结题

项目摘要

Communications and sensing have traditionally operated independently, utilizing separate frequency bands and hardware. The integration of these technologies, known as integrated sensing and communication (ISAC), aims to enhance spectral, energy, and cost efficiency. ISAC designs find applications in wireless communications, localization, autonomous vehicles, area imaging, environmental monitoring, and more. However, achieving optimal ISAC designs solely through analytical approaches faces challenges due to performance trade-offs and complexity. To overcome these hurdles, this project employs artificial intelligence (AI) to design such solutions and establish theoretical foundations for ISAC. A unique European collaboration (Finland) unites diverse research expertise, fostering economic, societal, and research impacts. Knowledge transfer occurs through dissemination, curriculum development, student exchanges, and industry collaborations. The project also engages with farmers' markets to showcase ISAC's potential to benefit local agriculture. This project aims to explore the optimal integration of sensing and communications through AI-assisted ISAC designs. The research consists of three interconnected thrusts. The first thrust involves designing unified waveforms, constellations, and beamforming techniques for both sensing and communications. Additionally, AI-based channel learning and generation methods will be developed. The second thrust focuses on implementing ISAC designs using large aperture arrays. The project aims to establish the theoretical foundations of the extended near-field of ISAC channels with electrically large aperture arrays and leverage the unique channel characteristics to optimize integration gains. The third thrust is dedicated to real-time implementation and evaluation of the AI-assisted ISAC designs and algorithms, considering factors such as performance, robustness, and advancement metrics.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.
通信和传感传统上独立运行,利用不同的频段和硬件。这些技术的集成被称为集成传感和通信 (ISAC),旨在提高频谱、能源和成本效率。 ISAC 设计可应用于无线通信、定位、自动驾驶车辆、区域成像、环境监测等领域。然而,由于性能权衡和复杂性,仅通过分析方法实现最佳 ISAC 设计面临着挑战。为了克服这些障碍,该项目采用人工智能(AI)来设计此类解决方案,并为 ISAC 奠定理论基础。独特的欧洲合作(芬兰)汇集了不同的研究专业知识,促进了经济、社会和研究影响。知识转移通过传播、课程开发、学生交流和行业合作来实现。该项目还与农贸市场合作,展示 ISAC 造福当地农业的潜力。该项目旨在通过人工智能辅助的 ISAC 设计探索传感和通信的最佳集成。该研究由三个相互关联的主旨组成。第一个推动力涉及设计用于传感和通信的统一波形、星座和波束形成技术。此外,还将开发基于人工智能的通道学习和生成方法。第二个重点是使用大孔径阵列实现 ISAC 设计。该项目旨在建立具有电大孔径阵列的ISAC通道扩展近场的理论基础,并利用独特的通道特性来优化集成增益。第三个重点是致力于人工智能辅助 ISAC 设计和算法的实时实施和评估,考虑性能、鲁棒性和先进性指标等因素。该奖项反映了 NSF 的法定使命,并被认为值得通过使用评估来支持基金会的智力价值和更广泛的影响审查标准。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Mojtaba Vaezi其他文献

MIMO Gaussian Wiretap Channels with Two Transmit Antennas: Optimal Precoding and Power Allocation
具有两个发射天线的 MIMO 高斯窃听通道:最佳预编码和功率分配

Mojtaba Vaezi的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Mojtaba Vaezi', 18)}}的其他基金

CAREER: Harnessing Interference with Deep Learning: Algorithms and Large-Scale Experiments
职业:利用深度学习的干扰:算法和大规模实验
  • 批准号:
    2239524
  • 财政年份:
    2023
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Continuing Grant
ERI:Interference-Aware Constellation Design
ERI:干扰感知星座设计
  • 批准号:
    2301778
  • 财政年份:
    2023
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Standard Grant

相似国自然基金

SYNJ1蛋白片段通过促进突触蛋白NSF聚集在帕金森病发生中的机制研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
NSF蛋白亚硝基化修饰所介导的GluA2 containing-AMPA受体膜稳定性在卒中后抑郁中的作用及机制研究
  • 批准号:
    82071300
  • 批准年份:
    2020
  • 资助金额:
    55 万元
  • 项目类别:
    面上项目
circ100783作为miR-34b分子海绵在铅暴露海马SNARE 复合体形成和突触囊泡释放中的机制研究
  • 批准号:
    81872577
  • 批准年份:
    2018
  • 资助金额:
    57.0 万元
  • 项目类别:
    面上项目
Mon1b 协同NSF调控早期内吞体膜融合的机制研究
  • 批准号:
    31671397
  • 批准年份:
    2016
  • 资助金额:
    67.0 万元
  • 项目类别:
    面上项目
美国国家科学基金会组织与管理的法律制度研究
  • 批准号:
    L0822107
  • 批准年份:
    2008
  • 资助金额:
    9.5 万元
  • 项目类别:
    专项基金项目

相似海外基金

Collaborative Research: NSF-AoF: CIF: Small: AI-assisted Waveform and Beamforming Design for Integrated Sensing and Communication
合作研究:NSF-AoF:CIF:小型:用于集成传感和通信的人工智能辅助波形和波束成形设计
  • 批准号:
    2326621
  • 财政年份:
    2024
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Standard Grant
Collaborative Research: NSF-ANR MCB/PHY: Probing Heterogeneity of Biological Systems by Force Spectroscopy
合作研究:NSF-ANR MCB/PHY:通过力谱探测生物系统的异质性
  • 批准号:
    2412550
  • 财政年份:
    2024
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Standard Grant
NSF-BSF: Collaborative Research: Solids and reactive transport processes in sewer systems of the future: modeling and experimental investigation
NSF-BSF:合作研究:未来下水道系统中的固体和反应性输送过程:建模和实验研究
  • 批准号:
    2134747
  • 财政年份:
    2024
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Standard Grant
Collaborative Research: CPS: NSF-JST: Enabling Human-Centered Digital Twins for Community Resilience
合作研究:CPS:NSF-JST:实现以人为本的数字孪生,提高社区复原力
  • 批准号:
    2420847
  • 财政年份:
    2024
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Standard Grant
Collaborative Research: NSF-BSF: SaTC: CORE: Small: Detecting malware with machine learning models efficiently and reliably
协作研究:NSF-BSF:SaTC:核心:小型:利用机器学习模型高效可靠地检测恶意软件
  • 批准号:
    2338302
  • 财政年份:
    2024
  • 资助金额:
    $ 25.98万
  • 项目类别:
    Continuing Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了