面向低功耗无线网络无协调并发介质访问关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61902122
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    23.0万
  • 负责人:
  • 依托单位:
  • 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

This program proposes a generic concurrent low power listening mechanism supporting concurrent and conflict-free data transmission service for multiple senders. The basic idea is that rather than continuously and repeatedly transmitting the same data frame, a sender completes a data transmission by periodically alternating a data frame and a series of intentionally constructed wakeup preamble frames. The series of wakeup preamble frames are designed to rendezvous with receiver’s waking moment and transmitted by setting a well-designed low output power so that they won’t interfere neighbors’ data frame transmission. On that basis, as new sender, if the captured channel state indicates the channel is free or only used for the transmission of wakeup preamble frames, it immediately schedules data frame transmission over the free channel or overlapping with the identified wakeup preamble signals, rather than repeating the same carrier sense-defer process. In this way, this program can easily realize concurrent data transmission for multiple neighboring senders without compensating with any other performance indicators.
本项目通过设计唤醒前导帧机制向接收节点预约数据转发服务,也为载波侦听范围内的其它发送节点提供了及时有效的信道传输状况反馈机制,研究适用于低功耗节点的实时信道状态检测方法和信道访问可行性评估策略,最终实现低功耗无线网络无协调并发介质访问控制,解决现有低功耗无线网络信道访问效率低的问题,并进一步结合数据传输协议相关性能的优化方法,从根本上解决现有低功耗无线网络数据传输协议的性能瓶颈,实现低功耗无线网络无调度并发传输的目标。

结项摘要

本项目设计了一个通用的并发低功率监听机制,支持多个发送者的并发和无冲突的数据传输服务。其基本思想是,发送者不是连续重复地传输相同的数据帧,而是通过周期性地交替传输一个数据帧和一系列有意构建的唤醒序言帧来完成数据传输。这一系列唤醒前导帧被设计成与接收方的唤醒时刻相吻合,并通过设置一个精心设计的低输出功率来传输,这样它们就不会干扰邻居的数据帧传输。在此基础上,作为新的发送方,如果捕获的信道状态表明信道是空闲的或只用于传输唤醒前导帧,它就会立即安排数据帧在空闲的信道上传输或与已确定的唤醒前导信号重叠,而不是重复相同的载波感知-defer过程。这样,这个程序可以很容易地实现多个相邻发送者的并发数据传输,而不需要用其他性能指标进行补偿。本项目实现了低功耗无线网络无协调并发介质访问控制,解决了现有低功耗无线网络信道访问效率低的问题,并进一步结合数据传输协议相关性能的优化方法,解决了现有低功耗无线网络数据传输协议的性能瓶颈,达到了低功耗无线网络中无调度并发传输的研究目标。

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(1)
会议论文数量(4)
专利数量(2)
SmileAuth: Using Dental Edge Biometrics for User Authentication on Smartphones
SmileAuth:使用 Dental Edge 生物识别技术在智能手机上进行用户身份验证
  • DOI:
    10.1145/3411806
  • 发表时间:
    2020-09-01
  • 期刊:
    PROCEEDINGS OF THE ACM ON INTERACTIVE MOBILE WEARABLE AND UBIQUITOUS TECHNOLOGIES-IMWUT
  • 影响因子:
    --
  • 作者:
    Jiang, Hongbo;Cao, Hangcheng;Cao, Zhichao
  • 通讯作者:
    Cao, Zhichao
LiveProbe: Exploring Continuous Voice Liveness Detection via Phonemic Energy Response Patterns
LiveProbe:通过音素能量响应模式探索连续语音活跃度检测
  • DOI:
    10.1109/jiot.2022.3228819
  • 发表时间:
    2023-04
  • 期刊:
    IEEE Internet of Things Journal
  • 影响因子:
    10.6
  • 作者:
    Hangcheng Cao;Hongbo Jiang;Daibo Liu;Ruize Wang;Geyong Min;Jiangchuan Liu;Schahram Dustdar;John C. S. Lui
  • 通讯作者:
    John C. S. Lui
CTrack: Acoustic Device-Free and Collaborative Hands Motion Tracking on Smartphones
CTrack:智能手机上的无声学设备和协作式手部运动跟踪
  • DOI:
    10.1109/jiot.2021.3071287
  • 发表时间:
    2021-10-01
  • 期刊:
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子:
    10.6
  • 作者:
    Jiang, Hongbo;Wang, Minglin;Zhou, Siwang
  • 通讯作者:
    Zhou, Siwang
Concurrent Low-power Listening: A New Design Paradigm for Duty-cycling Communication
并发低功耗监听:占空比通信的新设计范式
  • DOI:
    10.1145/3517013
  • 发表时间:
    2023-02-01
  • 期刊:
    ACM TRANSACTIONS ON SENSOR NETWORKS
  • 影响因子:
    4.1
  • 作者:
    Liu, Daibo;Cao, Zhichao;Zeng, Fanzi
  • 通讯作者:
    Zeng, Fanzi
DriverSonar: Fine-Grained Dangerous Driving Detection Using Active Sonar
DriverSonar:使用主动声纳进行细粒度危险驾驶检测
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (ACM UbiComp CCF A类会议)
  • 影响因子:
    --
  • 作者:
    Hongbo Jiang;Jingyang Hu;Daibo Liu;Jie Xiong;Minjie Cai
  • 通讯作者:
    Minjie Cai

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

一种高效的最短路径树动态更新算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    刘代波;侯孟书;武泽旭;屈鸿
  • 通讯作者:
    屈鸿

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

刘代波的其他基金

基于交互驱动的手指振动跨设备身份认证关键技术研究
  • 批准号:
    62372166
  • 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