高速移动环境下多载波系统非理想信道估计预测及自适应资源分配研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61002012
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0103.通信理论与系统
  • 结题年份:
    2013
  • 批准年份:
    2010
  • 项目状态:
    已结题
  • 起止时间:
    2011-01-01 至2013-12-31

项目摘要

现有自适应无线传输方案可以有效的提高系统的传输效率及整体容量,但仅适用于发射端理想信道状态信息(CSI)已知的甚慢变信道情况,无法适用于快时变非理想信道环境。本项目研究用户高速移动环境下的联合时频非同步信道估计、预测及自适应传输技术,建立快变信道环境下包含多个OFDM符号时间框架上的新的时变信道模型,提出对分散控制、时频非同步等快时变无线环境下具有强鲁棒性的基于隐含导频信道估计与长超前预测新方法;研究最优导频功率分配及导频信号设计等关键问题。新的信道估计方法预计能够解决现有隐含导频无法估计时频异步环境下的超快时变信道的问题,且不需额外频谱资源。采用混合时间分辨率的时变AR预测模型,有效实现非平稳信道的多步长超前预测。研究同时存在CSI反馈时延及反馈误差的自适应动态资源分配调度技术;理论与实验研究结果将为用户高速移动情况下非理想信道环境自适应资源分配等提高无线通信效率及性能提供理论技术支持。

结项摘要

本项目研究用户处于高速移动环境下的多载波系统时变信道估计、预测及自适应传输技术。以非同步环境下多载波MIMO系统(MIMO/OFDM)、多载波码分多址(MC-CDMA)等系统上行链路传输的时变多径信道为研究对象,重点研究了时频非同步环境下的时变线性信道模型建模及估计方法,解决现有模型及算法中存在问题;提出了新的基于隐含导频序列的低复杂度信道估计算法,解决了现有隐含导频无法处理时变信道估计的问题,且不需要浪费额外的频带资源。在获得时变信道估计的基础上,研究了存在信道误差反馈的无线自适应传输,解决了系统能量及频谱效率的平衡博弈。其中,主要研究成果总结如下:.1. 针对时变信道建模,提出了包含多个OFDM符号时间框架上的新的时变信道模型,新的信道模型不仅可以描述当前符号内信道时变特性,且描述了相邻多个符号内信道的变化趋势;新的模型相较现有正交基扩展模型,具有更低的待估计模型参数,并为多符号速率上的联合信道估计提供了先验条件。.2. 针对时变信道估计,提出基于隐含导频序列的时频非同步时变无线环境下的强鲁棒性信道估计新方法;新的估计器通过多个符号的联合估计,不仅解决了现有隐含导频无法估计时频异步环境下的时变信道的问题,同时消除了导频与数据之间的互扰问题,且不需额外频谱资源。通过设置合理的目标函数,获得了最优导频序列设计方案,包括导频的功率分配及导频信号设计等关键问题。.3. 新的估计方案与混合时间分辨率的时变AR预测模型结合,通过估计-预测-决策反馈迭代估计的方案,处理不同时变环境下的信道估计及跟踪问题。针对时变信道环境下的接收端解调技术开展研究,提出了一系列低复杂度的数据解调方案,通过理论分析,所提方案的复杂度与载波数为线性比例关系。.4. 研究了存在信道估计误差反馈的分布式协作通信网络自适应动态资源分配调度技术,通过对接收端误码率的推导,建立频谱-能量公平为效能函数,优化自适应传输方案。.本项目所提方案及成果以学术论文的形式公开发表在国内外重要学术期刊及会议上,共发表学术论文16篇,其中SCI收录的期刊论文9篇,EI收录的期刊论文2篇,EI收录学术会议4篇,书籍章节1章;共培养了4名研究生(其中已毕业1名,另外3名将于2014年7月毕业)。项目所研究的理论与实验研究结果将为用户高速移动情况下非理想信道环境自适应资源分配等提高无线通信效率及性能提供理论技术支持。

项目成果

期刊论文数量(11)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(0)
Time-varying channel estimation for MIMO/OFDM systems using superimposed training and basis expansion models
使用叠加训练和基础扩展模型的 MIMO/OFDM 系统时变信道估计
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    Wireless Communications and Mobile Computing
  • 影响因子:
    --
  • 作者:
    Han Zhang;Haixia Cui;Daru Pan;Yide Wang
  • 通讯作者:
    Yide Wang
Linearly time-varying channel estimation and training power allocation for OFDM/MIMO systems using superimposed training
使用叠加训练的 OFDM/MIMO 系统的线性时变信道估计和训练功率分配
  • DOI:
    10.1007/s11432-011-4241-8
  • 发表时间:
    2011-04
  • 期刊:
    Science China Information Sciences
  • 影响因子:
    --
  • 作者:
    Zhang Han;Dai XianHua;Pan DaRu
  • 通讯作者:
    Pan DaRu
Buffer Management and Hybrid Probability Choice Routing for Packet Delivery in Opportunistic Networks
机会网络中数据包传送的缓冲区管理和混合概率选择路由
  • DOI:
    10.1155/2012/817528
  • 发表时间:
    2012-07
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Pan, Daru;Cao, Wei;Zhang, Han;Lin, Mu
  • 通讯作者:
    Lin, Mu
On superimposed training for channel estimation of OFDM modulated amplify-and-forward relay networks
OFDM调制放大转发中继网络信道估计的叠加训练
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    Science China Information Sciences
  • 影响因子:
    --
  • 作者:
    Zhang Han;Pan Daru;Cui Haixia;Gao feifei
  • 通讯作者:
    Gao feifei
Performance analysis of ARQ cooperative diversity system with multiple two-hop relays over Rayleigh fading channels
瑞利衰落信道上多两跳中继ARQ协作分集系统性能分析
  • DOI:
    10.1016/j.compeleceng.2013.04.004
  • 发表时间:
    2013-07
  • 期刊:
    Computers & Electrical Engineering
  • 影响因子:
    --
  • 作者:
    Gang Wei;Gaoyong Luo;Yongcong Yu;Wenlou Li
  • 通讯作者:
    Wenlou Li

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:
    {{ item.journal_name }}
  • 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.authors }}

数据更新时间:{{ monograph.updateTime }}

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

数据更新时间:{{ sciAawards.updateTime }}

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

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

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

数据更新时间:{{ patent.updateTime }}

其他文献

活体底栖有孔虫鉴别方法及其应用
  • DOI:
    10.11867/j.issn.1001-8166.2021.118
  • 发表时间:
    2021
  • 期刊:
    地球科学进展
  • 影响因子:
    --
  • 作者:
    张涵;许博超;郭肖伊;张晓洁;于志刚
  • 通讯作者:
    于志刚
中国债券市场时变风险溢价——远期利率潜在信息
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    管理科学
  • 影响因子:
    --
  • 作者:
    杨宝臣;张涵
  • 通讯作者:
    张涵
基于集成服务的协同产品开发按需服务平台
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    重庆大学学报
  • 影响因子:
    --
  • 作者:
    段爽月;张晓冬;张涵;李彩娟
  • 通讯作者:
    李彩娟
积雪草总苷治疗糖尿病大鼠皮肤溃疡的研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    神经药理学报
  • 影响因子:
    --
  • 作者:
    张涵;聂绪强;石秀君;赵久凤
  • 通讯作者:
    赵久凤
铅丹-硅系延期药贮存中的化学反应机理
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    火炸药学报
  • 影响因子:
    --
  • 作者:
    颜事龙;张涵;何杰;韩体飞
  • 通讯作者:
    韩体飞

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

张涵的其他基金

协作通信混叠时变信道估计与时频同步研究
  • 批准号:
    61471176
  • 批准年份:
    2014
  • 资助金额:
    80.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码