面向工业互联网的无线非绑定感知理论与关键技术

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61672319
  • 项目类别:
    面上项目
  • 资助金额:
    65.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0207.计算机网络
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

Industrial Internet is bringing a profound technology revolution to global industry. Industrial Internet aims to connect human, devices and products by smartly identifying, interacting, and controlling them, which is the key to lead the future industry. Sensing technology, as a key to Industrial Internet, underpins smart identification, interaction, and control among human, machines and products. The state-of-the-art research mostly employs device-based sensing, which needs to attach specialized devices to the sensing objects. In industrial environments, however, production people usually do not or are not allowed to bring external devices with them. Thus, device-free contactless sensing, i.e., sensing objects without attaching any devices with them, becomes attractive and popular in such scenarios. Facing the challenges of device-free sensing in industrial environments, we study the theory and key techniques of device-free contactless sensing in this project. We intend to study the modeling the denoising of physical layer channel state information, and realize LOS identification for bandwidth-limited channels, and model the relationship between channel state and environment changes. We conduct extensive research on human sensing, propose scenario independent sensing of both moving and stationary human, and form a unified sensing framework, enabling human sensing in industrial environments.
工业互联网正在引发全球工业界的一场深刻技术变革,是世界各国取得未来工业领先优势的关键。工业互联网旨在实现人、机器、产品等工业实体之间的精确识别、有效交互与智能控制,实现智能生产。而感知技术作为工业实体之间高度协作、共享智能的基础,成为工业互联网的核心。现有的感知技术大多数依赖感知对象携带特定设备,通过感知绑定在对象上的设备实现感知,即绑定感知。但在工业生产环境中,生产人员往往没有或不允许携带特殊设备,因此迫切需要在感知对象未绑定任何设备时即可实现感知,即非绑定感知。本课题围绕面向工业互联网的无线非绑定感知理论与关键技术,拟研究物理层信道状态信息的建模与降噪,实现带宽受限信道上的视距非视距实时辨识技术,进而推衍信道状态与环境变化的关系模型,奠定无线非绑定感知理论基础。课题组拟针对人员感知进行深入研究,提出场景无关的人员非绑定感知技术,并形成统一的感知框架,为工业互联网智能感知提供技术支撑。

结项摘要

工业互联网的一个关键特征是联网设备具备广泛的感知功能,能够感知周围环境、人员等物理环境信息。本项目工作通过挖掘普适无线基础设施(如WiFi)的物理层信道状态信息,探索不依赖特定设备的非绑定感知理论和关键技术,在普通商用WiFi设备上,开发高精度的被动式人员感知与定位追踪理论和技术。具体地,本课题实现了以下内容:面向非绑定无线感知的信道状态信息干扰检测与消除算法;基于WiFi的单链路分米级被动式人员追踪方法; 基于无线信号的人及交互方法和零成本跨场景手势识别。课题已完成全部研究目标,并完成了视觉信号与无线信号结合的室内定位技术研究,在国际权威学术刊物上发表15以上高水平研究论文,并公开了当前领域内规模最大的无线收拾识别数据集。

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(8)
专利数量(0)
CellTrans: Private Car or Public Transportation? Infer Users' Main Transportation Modes at Urban Scale with Cellular Data
CellTrans:私家车还是公共交通?
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    ACM IMWUT
  • 影响因子:
    --
  • 作者:
    Yi Zhao;Xu Wang;et al
  • 通讯作者:
    et al
A Survey on Bluetooth 5.0 and Mesh: New Milestones of IoT
蓝牙 5.0 和 Mesh 调查:物联网的新里程碑
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    ACM TOSN
  • 影响因子:
    --
  • 作者:
    Junjie Yin;Zheng Yang;Hao Cao;Tongtong Liu;Zimu Zhou;Chenshu Wu
  • 通讯作者:
    Chenshu Wu
Gain Without Pain: Accurate WiFi-based Localization using Fingerprint Spatial Gradient
无痛获得:使用指纹空间梯度进行基于 WiFi 的精确定位
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    IMWUT
  • 影响因子:
    --
  • 作者:
    Chenshu Wu;Jingao Xu;Zheng Yang;Nicholas D. Lane;Zuwei Yin
  • 通讯作者:
    Zuwei Yin
Peer-to-Peer Indoor Navigation Using Smartphones,
使用智能手机进行点对点室内导航,
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    IEEE JSAC
  • 影响因子:
    --
  • 作者:
    Zuwei Yin;Chenshu Wu;et al
  • 通讯作者:
    et al
Mitigating Large Errors in WiFi-Based Indoor Localization for Smartphones
减少智能手机基于 WiFi 的室内定位中的大误差
  • DOI:
    10.1109/tvt.2016.2630713
  • 发表时间:
    2017
  • 期刊:
    IEEE Trans. Vehicular Technology
  • 影响因子:
    --
  • 作者:
    Chenshu Wu;Zheng Yang;Zimu Zhou;Yunhao Liu;Mingyan Liu
  • 通讯作者:
    Mingyan Liu

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

Sight distance propagation path judging method and system on basis of time domain features of WiFi (Wireless Fidelity) physical layer
基于WiFi(Wireless Fidelity)物理层时域特征的视距传播路径判断方法及系统
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
  • 影响因子:
    --
  • 作者:
    刘云浩;周子慕;苗欣;杨铮;吴陈沭;孙伟
  • 通讯作者:
    孙伟
一种层次Levenshtein距离的无指纹校准的室内定位方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    智能系统学报
  • 影响因子:
    --
  • 作者:
    何富贵;杨铮;吴陈沭;赵姝;周先存
  • 通讯作者:
    周先存

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

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