联合模拟与数字信号处理:算法与系统架构

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61771005
  • 项目类别：
    面上项目
  • 资助金额：
    50.0万
  • 负责人：
    蒋轶
  • 依托单位：
    复旦大学
  • 学科分类：
    F0105.移动通信
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

The ever-evolving wireless communication technologies are posing more and more challenging requirements to the wireless receivers. For some technologies, including massive MIMO and full duplex wireless communications, the digital signal processing (DSP) module has to work with the analog module for signal processing. But in a traditional receiver, the digital processor simply fetches the samples from the analog-to-digital converter (ADC) while it has little control over the analog module. In this project, we propose a new architecture of the wireless receiver, which enables the DSP and the analog module to conduct joint analog and digital signal processing (JADSP) to achieve what they couldn’t separately. Based on this new architecture, we propose to study multiple research problems, including how to reduce the signal dimension in the analog domain, and how to reduce the dynamic range of the input to the ADC through joint analog and digital processing. Applying the novel JADSP algorithms, the proposed receiver architecture will achieve higher system performance while reducing the cost and power consumption.
随着现代无线通信技术对接收机的信号处理能力提出越来越高的要求。接收机单凭数字信号处理(DSP)已经无法应对像毫米波大规模MIMO那样超高的带宽和像全双工无线通信那样超强的干扰，因此模拟信号处理（ASP）的重要性开始日益显现。但在传统的接收机架构中，模拟模块无计算能力，也缺乏灵活性，数字模块对模拟模块基本只是单向接收而无反向控制。为此我们提出一种新型的接收机架构，其基本思想是在模拟域增加一个ASP模块，而在数字域的DSP模块可以将其输出通过数模转换器(DAC)去连接ASP模块，从而协同完成它们单独难以完成的功能。基于这种新型的接收机架构，我们拟对多个联合模拟数字信号处理问题展开研究，包括如何对模拟信号进行最优降维、以及如何最优地压缩ADC的输入动态范围。通过联合设计模拟与数字信号处理算法，新型的接收机架构可以低成本低功耗地实现系统的高性能，满足未来无线通信对接收机信号处理能力的苛刻要求。

结项摘要

本项目的出发点是研究一种具备联合模拟与数字信号处理能力的新型通信接收机架构。在项目开展过程中，我们也在分布式网络协同通信、通信与感知一体等方面进行探索，获得了一系列研究成果。本项目的研究包括四个方面。.1.面向大规模MIMO的混合波束赋形算法.主要研究了5G和5.5G大规模MIMO基站下行信道的频谱效率最大化问题，特别关注降低系统硬件复杂度和计算复杂度，由此提出了多种提升系统性能和可实现性的创新算法。.2.面向无线全双工通信的强干扰抑制.针对无线全双工通信和异构网络通信带来的强干扰抑制问题，我们提出了引入移相器网络对接收信号进行预白化处理，无需提取干扰的空间特征，便可自动完成强干扰抑制。研究结果表明，通过对预白化移相器网络的优化、联合数字信号处理，可获得80~100dB的干扰抑制能力。.3.面向网络协同通信的分布式波束赋形.受深度学习技术的启发，我们提出拟神经网络的概念，并将网络节点组织成类似人工神经网络的层状结构，采用后向传播(BP)算法优化多节点的收发波束赋形权重，实现网络分布式节点高效协同、形成虚拟大孔径多天线MIMO系统通信，可实现更远的信号传输、更强的干扰抑制、超高的空间分辨能力。.4. 面向通信与感知一体化的时延、多普勒频偏、空间方向角联合估计算法.该研究属于面向6G应用的通信与感知一体化的范畴。我们研究了目标在多径环境下的时延、多普勒频偏、空间方向角的联合估计问题，提出了利用Zadoff-Chu序列的时频特性降低计算复杂度的方法。该方法不仅能被应用于目标的定位与跟踪，也对信道的高精度估计和预测，降低训练导频开销具有启发意义。

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（0）
会议论文数量（7）
专利数量（2）
Cross-Layer Design for UAV-Based Streaming Media Transmission
基于无人机的流媒体传输跨层设计
  • DOI：
    10.1109/tcsvt.2021.3125864
  • 发表时间：
    2022-07
  • 期刊：
    IEEE Transactions on Circuits and Systems for Video Technology
  • 影响因子：
    8.4
  • 作者：
    Liu Zhichao;Jiang Yi
  • 通讯作者：
    Jiang Yi
Omnidirectional Precoding for Massive MIMO With Uniform Rectangular Array-Part I: Complementary Codes-Based Schemes
均匀矩形阵列大规模 MIMO 的全向预编码 - 第一部分：基于互补码的方案
  • DOI：
    10.1109/tsp.2019.2931205
  • 发表时间：
    2019-09-15
  • 期刊：
    IEEE TRANSACTIONS ON SIGNAL PROCESSING
  • 影响因子：
    5.4
  • 作者：
    Su, Dongliang;Jiang, Yi;Gao, Xiqi
  • 通讯作者：
    Gao, Xiqi
Hybrid Interference Mitigation Using Analog Prewhitening
使用模拟预白化来减轻混合干扰
  • DOI：
    10.1109/twc.2021.3075281
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Wireless Communications
  • 影响因子：
    10.4
  • 作者：
    Zhang Wei;Jiang Yi;Zhou Bin;Hu Die
  • 通讯作者：
    Hu Die
Tx-Rx Reciprocity Calibration for Hybrid Massive MIMO Systems
混合大规模 MIMO 系统的 Tx-Rx 互易校准
  • DOI：
    10.1109/lwc.2021.3132066
  • 发表时间：
    2022-02
  • 期刊：
    IEEE Wireless Communications Letters
  • 影响因子：
    6.3
  • 作者：
    Wei Xizixiang;Jiang Yi;Wang Xin;Shen Cong
  • 通讯作者：
    Shen Cong
Optimal Zero-Forcing Hybrid Downlink Precoding for Sum-Rate Maximization
用于总速率最大化的最优迫零混合下行链路预编码
  • DOI：
    10.1109/lwc.2021.3132338
  • 发表时间：
    2022-03
  • 期刊：
    IEEE Wireless Communications Letters
  • 影响因子：
    6.3
  • 作者：
    Su Xiaofeng;Jiang Yi
  • 通讯作者：
    Jiang Yi

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

适合传输三路数据流的最小距离MIMO预编码
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    应用科学学报
  • 影响因子：
    --
  • 作者：
    古强;许小东;蒋轶;戴旭初
  • 通讯作者：
    戴旭初

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