基于认知的物联网频谱感知和能量捕获研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61902353
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.0万
  • 负责人：
    郑可琛
  • 依托单位：
    浙江工业大学
  • 学科分类：
    F0208.物联网及其他新型网络
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

The Internet of Things (IoT) is an important part of the new generation of information industry and an important development direction of the global information industry. However, the scarcity of spectrum resources, and a series of problems such as high energy consumption and low energy efficiency of IoT devices limit the application and sustainable development of IoT. How to improve the spectrum efficiency and energy harvesting capability is a challenging problem in IoT. To cope with this challenge, this project carries out researches on “cognitive radio technology-based cooperative spectrum sensing” and “cognitive energy harvesting and management” from the perspectives of “spectrum sensing” and “energy harvesting”. 1. From the perspective of spectrum sensing, we establish a cooperative spectrum sensing model based on cognitive radio technology, analyze the impacts of sensing parameters, and design a combined decision to enhance the accuracy of sensing results, so as to improve spectrum utilization. 2. From the perspective of energy harvesting, we explore the tendency of energy harvesting efficiency with the power of radio frequency signal based on the charging data. Then we separately design strategies of data transmission and cognitive energy harvesting to optimize the transmission performance. The two perspectives exhibit not only the independence from each other, but the interrelation as well. The research of this project will provide both profound fundamental supports and useful insights for the spectrum sensing and energy harvesting technologies of IoT.
物联网是新一代信息技术产业的重要组成部分，也是全球信息产业的重要发展方向。然而频谱资源紧缺，物联网设备能耗大、能效低等一系列问题，限制了物联网产业的大规模应用和可持续发展。如何提升物联网的频谱利用率和能量捕获能力，是物联网建设中亟需解决的挑战性问题。为了应对这一挑战，本项目从“频谱感知”和“能量捕获”两个角度出发，开展“基于认知无线电的协作频谱感知”和“基于认知的能量捕获和利用机制”两方面的研究。1. 从频谱感知的角度，建立基于认知无线电的协作频谱感知模型，分析感知参数的影响，设计组合决策得出更精确的感知结果，以提升频谱利用率。2. 从能量捕获的角度，聚焦电磁波信号强度和充电数据，充分挖掘能量捕获效率随电磁波信号强度的变化趋势，设计数据传输和认知能量捕获策略，以优化数据传输。两方面研究既相对独立，又相互影响。本项目的研究将为物联网的频谱感知和能量捕获技术提供有力的基础支撑和有益的思想探索。

结项摘要

为应对提升物联网的频谱利用率和能量捕获能力这两项挑战，本项目从“频谱感知”和“能量捕获”两个角度出发，开展了“基于认知无线电的频谱感知”和“基于认知的能量捕获和策略调度”两方面的研究。. 取得的研究成果包括：1.从频谱感知角度，分别建立了受地理位置影响和能量受限情况下的合作频谱感知模型，分析了感知参数对感知精度的影响，设计了最优的组合决策以提升频谱利用率；此外，针对多信道频谱感知，使用凸优化方法寻找最优的感知信道，从而通过优化能量捕获和数据传输的时间分配最大化网络吞吐量；2.从能量捕获的角度，为解决双重远近效应，引入移动混合接入点，研究了混合接入点的移动性对用户能量捕获和数据传输的影响，从而为用户设计最优的传输策略；此外，为平衡认知无线电网络中次级用户的数据传输和能量捕获，提出了一种频谱感知、信道选择、能量捕获和数据传输的自适应解决方案，使得次级用户可以自适应地根据当前可用能量来选择信道进行感知，能量捕获或者数据传输。. 基于以上研究成果，本项目共发表论文24篇，其中SCI索引论文21篇，EI索引论文2篇；申请发明专利8项，其中2项已授权，5项已公开；培养已毕业研究生6名，超额完成研究计划。

项目成果

期刊论文数量（22）
专著数量（0）
科研奖励数量（1）
会议论文数量（2）
专利数量（8）
Cooperative Spectrum Sensing Optimization in Energy-Harvesting Cognitive Radio Networks
能量收集认知无线电网络中的协作频谱感知优化
  • DOI：
    10.1109/twc.2020.3015260
  • 发表时间：
    2020-11-01
  • 期刊：
    IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS
  • 影响因子：
    10.4
  • 作者：
    Liu, Xiaoying;Zheng, Kechen;Zhu, Yi-Hua
  • 通讯作者：
    Zhu, Yi-Hua
TDMA scheduling schemes targeting high channel utilization for energy-harvesting wireless sensor networks
针对能量收集无线传感器网络高信道利用率的 TDMA 调度方案
  • DOI：
    10.1049/cmu2.12243
  • 发表时间：
    2021
  • 期刊：
    IET Communications
  • 影响因子：
    1.6
  • 作者：
    Siliang Gong;Xiaoying Liu;Kechen Zheng;Wenwei Lu;Yi-hua Zhu
  • 通讯作者：
    Yi-hua Zhu
Minimization of Transmission Completion Time in UAV-Enabled Wireless Powered Communication Networks
最小化无人机无线供电通信网络中的传输完成时间
  • DOI：
    10.1109/jiot.2019.2953691
  • 发表时间：
    2020-02-01
  • 期刊：
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子：
    10.6
  • 作者：
    Chen, Zhebiao;Chi, Kaikai;Shao, Qike
  • 通讯作者：
    Shao, Qike
Energy provision minimization of energy-harvesting cognitive radio networks with minimal throughput demands
具有最小吞吐量需求的能量收集认知无线电网络的能量供应最小化
  • DOI：
    10.1016/j.comnet.2021.108721
  • 发表时间：
    2022-01
  • 期刊：
    Computer Networks
  • 影响因子：
    5.6
  • 作者：
    Kechen Zheng;Haijiang Ge;Kaikai Chi;Xiaoying Liu
  • 通讯作者：
    Xiaoying Liu
DDPG-Based Joint Time and Energy Management in Ambient Backscatter-Assisted Hybrid Underlay CRNs
环境反向散射辅助混合底层 CRN 中基于 DDPG 的联合时间和能量管理
  • DOI：
    10.1109/tcomm.2022.3221422
  • 发表时间：
    2023-01-01
  • 期刊：
    IEEE TRANSACTIONS ON COMMUNICATIONS
  • 影响因子：
    8.3
  • 作者：
    Zheng, Kechen;Jia, Xueli;Liu, Xiaoying
  • 通讯作者：
    Liu, Xiaoying

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

IEEE 802.11ax基于时延敏感的上行链路自适应帧聚合传输方案
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    小型微型计算机系统
  • 影响因子：
    --
  • 作者：
    钱晨喜;郑可琛;刘晓莹
  • 通讯作者：
    刘晓莹

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

郑可琛的其他基金

共生无线电网络的模式构建和协作传输机制研究
  • 批准号：
    62372413
  • 批准年份：
    2023
  • 资助金额：
    50 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