基于细粒度波束成形的空基平台毫米波全双工通信关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61871096
  • 项目类别:
    面上项目
  • 资助金额:
    52.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0103.通信理论与系统
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

A space-air-ground integrated information network does not only meet the national strategic importance, but has also been recognised as a technology developing trend by the international research community. Airborne communication systems, in order to satisfy the demanding requirements of high speed large data communication between airborne and terrestrial networks, have pressing demands for high capacity technologies. The millimeter wave (mmWave) band provides the advantages of high spectrum and large capacity, and has thus attracted high attention in research. But the research on airborne mmWave communication has just begun nationally and internationally, and significant challenges exist for tackling its high dynamics, severe attenuation and poor scattering. This project will start by modelling the airborne mmWave communication channel and the airborne platform dynamics, focusing on solving the beamforming problem in such highly mobile environment. First, based on the system model, a fine-grained beamforming codebook design scheme and codeword fast searching algorithm will be developed. Second, the dynamics model of the airborne platform will be proposed. Through developing Kalman filter based algorithm to fuse multi-source heterogeneous navigation data, an accurate beam tracking method will be proposed. Finally, a beamforming based joint self interference cancellation approach will be researched to enable airborne mmWave full-duplex communication, to be tested and perfected by field experiments. The research outcomes will provide key theoretical preparation and technology support for high speed air-ground two-way communication and high speed networking for the space-air-ground integrated information network.
空天地一体化网络不仅是国家的重大战略需求,也是国际学界公认的技术发展趋势。空基通信系统要满足地空网络间高效信息交换的高速通信和海量数据传输的要求,对于通信容量有迫切的需求。毫米波段具有高带宽大容量的优势,近年来获得了研究者的重点关注,但是国内外关于空基毫米波通信的研究才刚刚展开,需要解决高动态性、高衰减、低散射等挑战。本项目从空基毫米波信道建模和平台动态性入手,重点解决高动态环境波束成形的难题。首先,基于空基毫米波系统模型,提出细粒度波束码本设计方案和码字快速搜索算法;其次,对空基平台动态性建模,结合卡尔曼滤波器对多源异构传感数据融合,建立动态环境波束方向的准确估计方法;最后,研究基于波束成形的自干扰信号复合消除方法,突破空基平台毫米波全双工通信关键技术,利用外场实验验证和完善相关理论分析。研究成果可为地空网络双向高速通信和空天地一体化信息网络高速接入提供理论储备和技术支撑。

结项摘要

本项目面向国家空天地一体化信息网络重大战略需求,针对空基通信系统在满足地空网络间高效信息交换的高速通信和海量数据传输方面的迫切要求,重点解决了空基毫米波稀疏微弱信道的准确估计和高性能波束成形、空基平台高动态性对具有强方向性的毫米波波束的严重影响、以及空基毫米波高速高效全双工通信的强自干扰关键问题。..通过解决以上问题,我们提出了新型的空基毫米波通信细粒度波束方案,研究并明晰了空基平台动态性对毫米波波束的影响机理,提出了空基毫米波稀疏微弱信道的准确估计方案,建立了空基平台毫米波全双工通信自干扰消除方法,并将相应技术扩展到更高频段和多空基平台相关应用领域,完成并超过了既定的研究目标。在项目执行期内共发表期刊论文11篇(均为SCI论文),高水平国际会议论文4篇,国家技术发明专利7项。项目成果达到并超过了原定计划任务。..本课题的研究成果,可为国家的重大战略需求直接相关的地空网络双向高速通信和空天地一体化信息网络高速接入提供理论储备和技术支撑。通过突破空基平台毫米波通信技术,可以为重要应用和重点场合提供快速、高效的通信支持;随着蜂窝网络往6G演进以及卫星通信技术向高通量Ka波段迈进,空天地网络的通信频率趋于一致,本项目的研究可以为一体化网络的设备共用、技术融合和体制重合奠定技术基础,巩固我国在空间信息网络领域的领先地位,具有重要的战略意义和应用价值。

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(4)
专利数量(7)
On the Study of Sustainability and Outage of SWIPT-Enabled Wireless Communications
基于SWIPT的无线通信的可持续性和中断研究
  • DOI:
    10.1109/jstsp.2021.3092136
  • 发表时间:
    2021-06
  • 期刊:
    IEEE Journal of Selected Topics in Signal Processing
  • 影响因子:
    7.5
  • 作者:
    Yang Luo;Chunbo Luo;Geyong Min;Gerard Parr;Sally McClean
  • 通讯作者:
    Sally McClean
RF Signal-Based UAV Detection and Mode Classification: A Joint Feature Engineering Generator and Multi-Channel Deep Neural Network Approach.
基于射频信号的无人机检测和模式分类:联合特征工程生成器和多通道深度神经网络方法
  • DOI:
    10.3390/e23121678
  • 发表时间:
    2021-12-14
  • 期刊:
    Entropy (Basel, Switzerland)
  • 影响因子:
    --
  • 作者:
    Yang S;Luo Y;Miao W;Ge C;Sun W;Luo C
  • 通讯作者:
    Luo C
An Efficient Deep Learning Model for Automatic Modulation Recognition Based on Parameter Estimation and Transformation
基于参数估计和变换的自动调制识别的高效深度学习模型
  • DOI:
    10.1109/lcomm.2021.3102656
  • 发表时间:
    2021-10
  • 期刊:
    IEEE Communications Letters
  • 影响因子:
    --
  • 作者:
    Fuxin Zhang;Chunbo Luo;Jialang Xu;Yang Luo
  • 通讯作者:
    Yang Luo
A Regularized Graph Neural Network Based on Approximate Fractional Order Gradients
基于近似分数阶梯度的正则化图神经网络
  • DOI:
    10.3390/math10081320
  • 发表时间:
    2022-04
  • 期刊:
    MATHEMATICS
  • 影响因子:
    2.4
  • 作者:
    Zijian Liu;Yaning Wang;Yang Luo;Chunbo Luo
  • 通讯作者:
    Chunbo Luo
Deep-Reinforcement-Learning-Based Offloading Scheduling for Vehicular Edge Computing
基于深度强化学习的车辆边缘计算卸载调度
  • DOI:
    10.1109/jiot.2020.2978830
  • 发表时间:
    2020-06-01
  • 期刊:
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子:
    10.6
  • 作者:
    Zhan, Wenhan;Luo, Chunbo;Zhu, Qingxin
  • 通讯作者:
    Zhu, Qingxin

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

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