异构频谱环境下基于联盟的分布式机会频谱接入

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61172062
  • 项目类别:
    面上项目
  • 资助金额:
    60.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0102.信息系统与系统安全
  • 结题年份:
    2015
  • 批准年份:
    2011
  • 项目状态:
    已结题
  • 起止时间:
    2012-01-01 至2015-12-31

项目摘要

机会频谱接入是提高频谱利用率,解决未来频谱资源危机的关键技术之一,其过程可分为机会发现和信道接入两个阶段。目前大多数研究假设各认知节点处于同构频谱环境,且接入所需的认知信息完全已知。然而,在分布式多跳网络中,各认知用户获取全网认知信息是非常困难的。因此,如何利用局部信息获得全网最优是本项目需要解决的基本问题。同时受不同地理位置的影响,各认知节点面临异构频谱环境,感知到的频谱占用状况与空间位置密切相关,这就需要从空域的角度出发,提升多维频谱复用率。本项目提出基于联盟的机会频谱接入技术,其基本思路是通过联盟的自主建立,形成联盟内频谱同构、联盟间频谱异构的多联盟模型。然后从机会发现环节入手,提出联盟内最优共识达成算法,最后提出基于联盟合作的信道接入方案,实现局部信息条件下认知增益全网最优。本项目将为异构频谱环境下分布式机会频谱接入技术的研究提供新思路、新方法,为解决频谱资源紧张问题提供技术支撑。

结项摘要

机会频谱接入是提高频谱利用率,解决未来频谱资源危机的关键技术之一。受不同地理位置的影响,各认知节点面临异构频谱环境,且很难获取全网信息。在分布式网络中,如何利用局部信息实现全网性能优化是分布式机会频谱接入亟待解决的关键问题。解放军理工大学吴启晖教授领导的课题组,在国家自然科学基金项目“异构频谱环境下基于联盟的分布式机会频谱接入(编号:61172062)”的资助下,取得了如下主要研究成果:.针对异构频谱环境下联盟自主形成问题,建立联盟内频谱同构、联盟间频谱异构的多联盟模型,揭示影响联盟形成的各种因素和作用机理,构建基于局部信息交互,自主形成频谱同构联盟的机制,以及提出动态联盟形成与维护方法。.针对异构频谱环境下联盟共识达成问题,提出基于局部认知信息交互的联盟内部最优共识达成算法;提出在非理想交互信道下渐近最优的联盟共识达成算法,提高算法的稳健性;提出相邻联盟之间的交互合作机制,获取全局频谱态势,提升全网频谱检测性能。.针对异构频谱环境下基于联盟合作的信道接入,提出局部合作思想,解决不完全信息条件下分布式决策达到系统最优的问题;设计了能收敛到全局最优的基于相邻用户交互信息的博弈学习算法,并将单线式的博弈学习算法拓展为并行学习算法,在保证算法收敛性的同时加快收敛速率;提出了面向期望值优化的稳健博弈模型,及动态未知环境的多用户在线学习算法,提升了异构频谱环境下信道接入网络吞吐性能的稳健性。.本项目实施过程中,共发表重要学术论文30篇,IEEE期刊论文22篇(均SCI收录),国际会议论文8篇(均EI收录)。其中,4篇IEEE期刊论文入选ESI高被引论文,1篇获2015年度IEEE信号处理学会最佳青年作者论文奖,1篇获国际会议IEEE VTC2014-Fall的最佳论文奖。授权美国发明专利2项,国家发明专利5项。获2014军队科技进步三等奖1项。主办或协办了IEEE通信学会国际会议WCSP 2012-2015。培养毕业博士生4名,毕业硕士生6名。1篇博士论文被评为江苏省优秀博士学位论文。.项目所取得的研究成果在理论上有效解决了异构频谱环境下机会频谱接入所面临分布式联盟形成机制、联盟共识以及接入优化等重要问题,研究成果将为推动机会频谱接入技术在动态频谱管理中的广泛应用,解决频谱资源紧张等重大问题提供基础理论支撑与技术支持。

项目成果

期刊论文数量(48)
专著数量(0)
科研奖励数量(1)
会议论文数量(15)
专利数量(0)
Byzantine Attack and Defense in Cognitive Radio Networks: A Survey
认知无线电网络中的拜占庭式攻击和防御:一项调查
  • DOI:
    10.1109/comst.2015.2422735
  • 发表时间:
    2015-01-01
  • 期刊:
    IEEE COMMUNICATIONS SURVEYS AND TUTORIALS
  • 影响因子:
    35.6
  • 作者:
    Zhang, Linyuan;Ding, Guoru;Wang, Jinlong
  • 通讯作者:
    Wang, Jinlong
Cognitive Internet of Things: A New Paradigm Beyond Connection
认知物联网:超越连接的新范式
  • DOI:
    10.1109/jiot.2014.2311513
  • 发表时间:
    2014-04-01
  • 期刊:
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子:
    10.6
  • 作者:
    Wu, Qihui;Ding, Guoru;Long, Keping
  • 通讯作者:
    Long, Keping
Kernel-Based Learning for Statistical Signal Processing in Cognitive Radio Networks
认知无线电网络中基于内核的统计信号处理学习
  • DOI:
    10.1109/msp.2013.2251071
  • 发表时间:
    2013-07-01
  • 期刊:
    IEEE SIGNAL PROCESSING MAGAZINE
  • 影响因子:
    14.9
  • 作者:
    Ding, Guoru;Wu, Qihui;Chen, Yingying
  • 通讯作者:
    Chen, Yingying
Sensing Confidence Level-Based Joint Spectrum and Power Allocation in Cognitive Radio Networks
认知无线电网络中基于置信度的联合频谱和功率分配的感知
  • DOI:
    10.1007/s11277-013-1013-3
  • 发表时间:
    2013-09-01
  • 期刊:
    WIRELESS PERSONAL COMMUNICATIONS
  • 影响因子:
    2.2
  • 作者:
    Ding, Guoru;Wu, Qihui;Wang, Jinlong
  • 通讯作者:
    Wang, Jinlong
The Impact of Sensing Range on Spatial-Temporal Opportunity
感知范围对时空机会的影响
  • DOI:
    --
  • 发表时间:
    2013-06
  • 期刊:
    Radioengineering
  • 影响因子:
    1.1
  • 作者:
    Xian Zhang, Xiaoqiang Li, Zi Yun
  • 通讯作者:
    Xian Zhang, Xiaoqiang Li, Zi Yun

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

相关对数阴影信道条件下基于贪婪的最优感知节点集合选择算法
  • DOI:
    --
  • 发表时间:
    2010
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    张晓;王金龙;吴启晖
  • 通讯作者:
    吴启晖
大规模无人机自组网分层体系架构研究综述
  • DOI:
    10.11896/jsjkx.190900164
  • 发表时间:
    2020
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    游文静;董超;吴启晖
  • 通讯作者:
    吴启晖
基于核函数强化学习的抗干扰频点分配
  • DOI:
    10.12305/j.issn.1001-506x.2021.06.12
  • 发表时间:
    2021
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    江志炜;黄洋;吴启晖
  • 通讯作者:
    吴启晖
雷达-通信网络频谱共享的动态协同算法
  • DOI:
    10.16798/j.issn.1003-0530.2020.10.006
  • 发表时间:
    2020
  • 期刊:
    信号处理
  • 影响因子:
    --
  • 作者:
    管鑫;吴启晖;黄洋;高镇
  • 通讯作者:
    高镇
面向非合作无线网络的拓扑感知技术分析
  • DOI:
    10.3969/j.issn.2096-0204.2021.02.0153
  • 发表时间:
    2021
  • 期刊:
    指挥与控制学报
  • 影响因子:
    --
  • 作者:
    刘子彤;丁国如;王威;韩路;吴启晖
  • 通讯作者:
    吴启晖

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