异构密集无线通信系统中网络化干扰对齐新方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61871452
  • 项目类别：
    面上项目
  • 资助金额：
    66.0万
  • 负责人：
    刘伟
  • 依托单位：
    西安电子科技大学
  • 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

In heterogeneous dense wireless networks, there exists diverse interference, the demand of degrees of freedom (DoF) of the network cannot be satisfied. This project investigates the interference alignment (IA) techniques for heterogeneous dense wireless networks from the perspective of network, in order to improve the DoF of the system and satisfy the demand of DoF of the network. The parameters of heterogeneous dense wireless networks can be arbitrarily set, resulting in asymmetric network configuration. However, the existing IA schemes are mainly valid for symmetric homogeneous networks with specific parameter configurations, which cannot cover heterogeneous wireless networks with arbitrary parameter configurations. This project investigates the maximum DoF of heterogeneous dense wireless networks by constructing “genie chain” using subspace chain; analyzes feasibility of IA schemes for high performance multiple channel joint extension of heterogeneous dense wireless networks with non-generic IA conditions, by using algebraic geometry and measure theory; proposes the maximum DoF IA algorithm based on Group Lasso (Least Absolute Shrinkage and Selection Operator) by taking account of the group sparse structure of IA conditions; proposes joint IA and network channel resource allocation schemes based on graph theory to improve the network DoF for the scenarios where the maximum DoF cannot be approached or achieved by using only IA schemes.
在异构密集无线网络环境中，干扰关系复杂多变，网络自由度需求无法得到满足。本项目从网络化的角度研究异构密集无线网络中的干扰对齐技术，提升系统自由度，满足网络自由度需求。异构密集无线网络参数具有任意配置、非对称性的特点。然而，已有的干扰对齐方案主要针对具有特定网络参数的对称性同构网络，无法全面涵盖任意配置的无线异构网络。本项目通过子空间链构造“精灵链”，推导异构密集无线网络系统最大可达自由度；针对系统中高性能多信道联合扩展场景下干扰对齐条件的非泛化特点，运用代数几何理论以及测度论，分析异构密集无线网络干扰对齐方案的可行性；针对干扰对齐条件的组稀疏结构，提出基于Group Lasso(Least Absolute Shrinkage and Selection Operator: Lasso)的自由度最大化干扰对齐算法；针对某些场景下，仅靠单一干扰对齐方案无法逼近或者达到网络最大自由度的问题，提出基于图论的联合干扰对齐与网络信道资源分配的网络自由度提升方案。

结项摘要

在异构密集无线网络环境中，干扰关系复杂多变，网络自由度需求无法得到满足。项目组从网络化的角度研究异构密集无线网络中的干扰对齐技术，提升系统自由度，满足网络自由度需求，主要成果如下：.1）推导了无线网络最大自由度.针对任意拓扑的MIMO部分连接干扰信道网络，提出了基于图论的链式干扰对齐方案，获得网络的最大自由度。.2）推导了干扰对齐方案可行的必要条件.分析了三种不同信道扩展场景下，给定自由度需求和系统配置参数下干扰对齐方案的可行性，推导出干扰对齐方案可行的必要条件。.3）突破了网络干扰对齐关键技术.设计了可以逼近甚至达到网络最大自由度的迭代干扰对齐算法；设计了基于广义特征值分解的干扰对齐方法，提高了网络自由度；设计了协作拓扑干扰对齐方案，降低了对信道状态信息的要求，提升了网络性能。.4）设计了联合干扰对齐和信道资源分配以及缓存的方案.设计了无线网络下联合干扰对齐与网络子信道资源分配策略，满足网络中用户差异化的自由度需求；针对密集异构无线网络，设计了联合干扰对齐和缓存技术的方案，提升网络容量；设计了异构网络联合干扰对齐与缓存放置方案，提升传输文件的命中率。

项目成果

期刊论文数量（10）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（11）
Cache-Aided Retrospective Interference Alignment in Wireless Broadcast Channels
无线广播信道中缓存辅助的回顾性干扰对齐
  • DOI：
    10.1109/tvt.2021.3109610
  • 发表时间：
    2022-02
  • 期刊：
    IEEE Transactions on Vehicular Technology
  • 影响因子：
    6.8
  • 作者：
    Wei Liu;Guangzheng Wu
  • 通讯作者：
    Guangzheng Wu
Topological Interference Management for MIMO Interference Broadcast Channels
MIMO 干扰广播信道的拓扑干扰管理
  • DOI：
    10.1109/access.2019.2906728
  • 发表时间：
    2019
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Wei Liu;Dan Chen;Ji;ong Li;Yinghong Ma
  • 通讯作者：
    Yinghong Ma
Cache-Aided Retrospective Interference Alignment in SISO X Wireless Networks
SISO X 无线网络中的缓存辅助回顾性干扰对齐
  • DOI：
    10.1109/access.2020.3010856
  • 发表时间：
    2020
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Wei Liu;Chunyu Zhang
  • 通讯作者：
    Chunyu Zhang
Joint Interference Alignment and Subchannel Allocation in Ultra-Dense Networks
超密集网络中的联合干扰对准和子信道分配
  • DOI：
    10.1109/tvt.2022.3163532
  • 发表时间：
    2022-07
  • 期刊：
    IEEE Transactions on Vehicular Technology
  • 影响因子：
    6.8
  • 作者：
    Wei Liu;Ke Liu;Linge Tian;Chunhui Zhang;Yang Yang
  • 通讯作者：
    Yang Yang
Interference Alignment for MIMO Downlink Heterogeneous Networks
MIMO 下行链路异构网络的干扰对齐
  • DOI：
    10.1109/access.2020.2974584
  • 发表时间：
    2020-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Liu, Wei;Tian, Linge;Sun, Jia-Xing
  • 通讯作者：
    Sun, Jia-Xing

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

地下采动条件下露天矿边坡覆岩移动规律研究
  • DOI：
    10.13827/j.cnki.kyyk.2018.04.016
  • 发表时间：
    2018
  • 期刊：
    矿业研究与开发
  • 影响因子：
    --
  • 作者：
    王创业;李俊鹏;张琪;刘伟
  • 通讯作者：
    刘伟
不同井下开采方向下采动边坡稳定性的研究
  • DOI：
    10.13827/j.cnki.kyyk.2018.05.015
  • 发表时间：
    2018
  • 期刊：
    矿业研究与开发
  • 影响因子：
    --
  • 作者：
    王创业;李俊鹏;刘伟;张琪
  • 通讯作者：
    张琪
微生物-化学絮凝剂对实际矿山废水中铅的处理
  • DOI：
    10.16796/j.cnki.1000-3770.2017.10.024
  • 发表时间：
    2017
  • 期刊：
    水处理技术
  • 影响因子：
    --
  • 作者：
    姚颖吉;刘树丽;刘伟;徐晓军;曹广祝;杨婷婷
  • 通讯作者：
    杨婷婷
Learning to Classify Texture Objects by Particle Swarm Optimization Algorithm
学习通过粒子群优化算法对纹理对象进行分类
  • DOI：
    10.19026/rjaset.5.5052
  • 发表时间：
    2013-01
  • 期刊：
    Research Journal of Applied Sciences, Engineering and Technology
  • 影响因子：
    --
  • 作者：
    陈宏伟;刘伟;王春枝;赖旭东
  • 通讯作者：
    赖旭东
连片特困地区易地扶贫搬迁对农户多维贫困的影响研究
  • DOI：
    10.13448/j.cnki.jalre.2019.067
  • 发表时间：
    2019
  • 期刊：
    干旱区资源与环境
  • 影响因子：
    --
  • 作者：
    刘伟;徐洁;黎洁
  • 通讯作者：
    黎洁

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

刘伟的其他基金

时变复杂非稳态海面电磁散射回波的海尖峰及极化度研究
  • 批准号：
    41406201
  • 批准年份：
    2014
  • 资助金额：
    26.0 万元
  • 项目类别：
    青年科学基金项目
MIMO认知无线电系统的最优线性联合收发机设计的统一框架研究
  • 批准号：
    61201137
  • 批准年份：
    2012
  • 资助金额：
    25.0 万元
  • 项目类别：
    青年科学基金项目

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