联合干扰对齐与多跳组簇的密集WLAN广域吞吐量提升方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61401326
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0104.通信网络
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

With dramatical growing of wireless access demands, high-density distribution of users and access points becomes the top characteristic of WLAN (Wireless Local Area Network), which will lead to dramatically decreasing of multiple access efficiency and serious inter-cell co-channel interference. This project will conduct research, from the point of area throughput, on interference alignment and grouping based methods to improve the overall performance of dense WLAN. In order to address the problem of efficiency decrease of multiple access caused by high-density distribution of users, we will conduct research on grouping based networking methods, including grouping-oriented throughput modeling, multi-hop topology control based on the throughput model, and load-adapting channel allocation algorithms for groups. In order to address the inter-cell/group interference problem caused by high-density location of access points, we will conduct research on interference alignment based interference management methods, including low-cost distributed interference alignment algorithms and the related protocol that applies to WLAN. The achievements of this project will be capable of enhancing the performance of dense WLAN, and provide theoretical fundamentals and technical supports for the design and standardization of the next generation of WLAN.
随着宽带无线接入需求的不断增长,用户/接入点密集分布将成为下一代无线局域网的重要特征,并将导致严重的多址接入效率下降和小区间同信道干扰问题。本项目从广域吞吐量(Area Throughput)的角度切入,研究联合干扰对齐和多跳组簇技术,提升密集无线局域网的整体效能。针对用户密集导致的多址接入效率下降问题,项目将研究多跳分簇组网方法,包括面向组簇的吞吐量模型、基于吞吐量模型的多跳拓扑控制算法,以及基于负载适配的簇间资源配置技术;针对接入点密集导致的小区/簇间同信道干扰问题,项目将研究基于干扰对齐的干扰管理方法,包括低开销分布式干扰对齐算法和适应密集无线局域网的干扰对齐协议。研究成果将能够实现密集无线局域网整体性能的增强,并为下一代无线局域网的设计和标准制定提供理论基础和技术支撑。

结项摘要

针对密集无线局域网(Wireless Local Area Network,WLAN)中,多址接入效率下降和小区间同信道干扰导致的WLAN覆盖区域吞吐量下降问题,本项目研究了联合干扰对齐和多跳组簇的WLAN广域吞吐量(Area Throughput)提升方法。通过多跳组簇技术改善了密集WLAN各小区的多址接入效率,通过干扰对齐技术实现了密集WLAN小区间同信道干扰的消除,二者的联合使用能够提升密集WLAN覆盖区域的整体吞吐量。主要成果如下:首先,构建了多跳组簇WLAN的吞吐量模型,揭示了多跳组簇的拓扑控制和资源配置对WLAN吞吐量的影响;设计了蜂窝式多跳组簇拓扑控制算法,能够支持大范围覆盖和大用户量接入;设计了联合资源配置的多跳组簇拓扑控制算法,能够有效提升密集WLAN覆盖区域各小区的吞吐量。其次,提出了基于广义奇异值分解的高自由度WLAN多小区干扰对齐算法,能够提供高的系统最大可达自由度,实现密集WLAN覆盖区域整体吞吐量的提升;设计了低开销分布式WLAN干扰对齐算法和协议,提供了WLAN多小区干扰对齐的工程实现方法。上述研究成果为新一代无线局域网的设计提供了理论基础和技术支撑。本项目在国际主流会议和期刊上发表论文10篇,申请国家发明专利8项,其中授权专利5项。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(8)
End-to-End Backlog and Delay Bound Analysis for Multi-Hop Vehicular Ad Hoc Networks
多跳车载自组织网络的端到端积压和延迟界限分析
  • DOI:
    10.1109/twc.2017.2731847
  • 发表时间:
    2017-10
  • 期刊:
    IEEE Transactions on Wireless Communications
  • 影响因子:
    10.4
  • 作者:
    Yun Hu;Hongyan Li;Zheng Chang;Zhu Han
  • 通讯作者:
    Zhu Han
Sum Rate Analysis for Multi-Cell Random Beamforming With Heterogeneous Schedule Probabilities
具有异构调度概率的多小区随机波束形成的总速率分析
  • DOI:
    10.1109/lcomm.2017.2753780
  • 发表时间:
    2017-12
  • 期刊:
    IEEE Communications Letters
  • 影响因子:
    --
  • 作者:
    Suo Long;Li Ji;ong;Li Hongyan;Zhang Shun;Zhou Momiao
  • 通讯作者:
    Zhou Momiao
Development and Application of Interference Alignment
干涉对准技术的开发与应用
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    ZTE Technology Journal
  • 影响因子:
    --
  • 作者:
    LIU Wei;LI Ji;ong;SHENG Min
  • 通讯作者:
    SHENG Min
An Optimal Resources Conguration Scheme for Caching-based Content Distribution in Backhaul-limited Small Cell Networks
回程受限小蜂窝网络中基于缓存的内容分发的优化资源配置方案
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    China Communications
  • 影响因子:
    4.1
  • 作者:
    Jingfeng Cai;Ronghui Hou;Yinghong Ma
  • 通讯作者:
    Yinghong Ma
Interference Alignment for MIMO Downlink Multicell Networks
MIMO 下行链路多小区网络的干扰对齐
  • DOI:
    10.1109/tvt.2015.2477358
  • 发表时间:
    2016-08-01
  • 期刊:
    IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY
  • 影响因子:
    6.8
  • 作者:
    Liu, Wei;Sun, Jia-Xing;Ma, Yinghong
  • 通讯作者:
    Ma, Yinghong

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

基于信号传递与层次聚类的社团发现算法
  • DOI:
    --
  • 发表时间:
    2010
  • 期刊:
    计算机工程与应用
  • 影响因子:
    --
  • 作者:
    黄浩英;马英红
  • 通讯作者:
    马英红
鼻咽癌不同转移潜能细胞株基因表达的差异
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中华肿瘤杂志
  • 影响因子:
    --
  • 作者:
    张林杰;宋立兵;马英红;等
  • 通讯作者:
A Neural Tree Network Ensemble Mode for Disease Classification
用于疾病分类的神经树网络集成模式
  • DOI:
    10.1007/978-94-007-7618-0_209
  • 发表时间:
    2014
  • 期刊:
    Lecture Notes in Electrical Engineering
  • 影响因子:
    --
  • 作者:
    齐峰;刘希玉;马英红
  • 通讯作者:
    马英红
基于加权网络模块强度的社团划分
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    计算机应用研究
  • 影响因子:
    --
  • 作者:
    王秀凤;马英红
  • 通讯作者:
    马英红
基于VMware的电子商务实验环境的构建
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    实验室研究与探索
  • 影响因子:
    --
  • 作者:
    邱成功;张玫;马英红
  • 通讯作者:
    马英红

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