面向无线射频供电的数据传输调度优化研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61702097
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    单冯
  • 依托单位：
    东南大学
  • 学科分类：
    F0208.物联网及其他新型网络
  • 结题年份：
    2020
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2020-12-31

项目摘要

With the popularization of wireless devices, high throughput and low latency data transmission has been becoming a basic requirement for various applications. Radio Frequency (RF) power supply technique solves the energy shortage problem for wireless devices, however, due to the limitation of the current technique, power transfer and data transfer do not occur concurrently, schedule algorithm must be designed to archive high throughput and low latency data transmission. This technique can be categorized into constant power supply and varying power supply. This proposal studies the throughput optimization for constant power supply and latency optimization for varying power supply. There are not yet many related works, no analytical solutions for the offline problems and full online problems are not yet solved. By extending a previous discovery and studying the optimal structures, the proposal solve the throughput maximization problem for the constant power supply and the latency minimization problem for the varying power supply, respectively. Solutions to the two problems have offered solid foundations for wireless devices' further popularization in the everyday life.
随着无线设备广泛普及，“高吞吐、低延时”已逐渐成为各类应用对数据传输的基本要求。无线射频供电技术解决了设备能耗问题，但由于技术限制，不能同时接收能量与发送数据，需要设计调度算法实现“高吞吐、低延时”数据传输。无线射频供电按照供电方式可分为稳源无线供电和环境无线供电。本项目分别研究稳源无线供电下低延时数据传输优化和环境无线供电下高带宽数据传输优化。相关研究工作尚未大量出现：没有系统性强的静态离线解析解成果；已有算法无法解决完全随机的动态联机问题。本项目通过扩展和推广一个重要前期发现，分析和总结最优结构和特征，分别设计算法解决稳源无线供电下低延时数据传输调度问题和环境无线供电下高带宽数据传输调度问题，分别解决静态离线问题和动态联机问题。本项目通过算法设计与分析，解决无线射频供电设备低延时和高吞吐数据通信这两个基本问题，推动无线射频充电技术的推广和无线设备应用的普及。

结项摘要

本项目围绕无线设备低延时和高吞吐数据通信这两个基本问题，研究面向无线射频供电的数据传输调度优化，从无线传输设备的角度出发，研究无线供电与数据传输的时间分配以及数据传输时的功率调度问题，设计HTT调度算法。根据无线供电的能量来源不同，分别研究稳源无线供电下数据传输延时最小化问题、环境无线供电下数据传输吞吐量最大化问题。根据问题场景不同，分别研究静态离线问题和动态联机问题，设计最优算法和近似算法。项目研究具体成果包括：设计稳源无线供电静态离线数据传输延时最小化调度算法、建立稳源无线供电动态联机数据传输低延时调度算法、提出环境无线供电静态离线数据传输吞吐量最大化调度算法、动态环境中时延受限的传输功率调度能耗优化调度算法。项目组培养/协作培养了无线网络与算法设计方向的博士生2名、硕士生3名；在CCF推荐A类会议INFOCOM、A类期刊JASC、中科院JCR一区期刊TII、IoT-J等等知名国际学术会议和重要国际学术期刊上发表论文18篇，SCI/EI收录的学术论文18篇。本项目的研究成果，尤其是通过算法设计与分析获得的理论成果，解决无线射频供电设备低延时和高吞吐数据通信这两个基本问题，对推动无线射频充电技术的推广和无线设备应用的普及有一定意义。

项目成果

期刊论文数量（13）
专著数量（0）
科研奖励数量（0）
会议论文数量（5）
专利数量（0）
Probe Request Based Device Identification Attack and Defense
基于探测请求的设备识别攻击与防御
  • DOI：
    10.3390/s20164620
  • 发表时间：
    2020-08
  • 期刊：
    Sensors
  • 影响因子：
    3.9
  • 作者：
    Xiaolin Gu;Wenjia Wu;Xiaodan Gu;Zhen Ling;Ming Yang;Aibo Song
  • 通讯作者：
    Aibo Song
Cooperative storage by exploiting graph-based data placement algorithm for edge computing environment
利用基于图的数据放置算法进行边缘计算环境的协作存储
  • DOI：
    10.1002/cpe.4914
  • 发表时间：
    2018
  • 期刊：
    Concurrency and Computation-Practice & Experience
  • 影响因子：
    2
  • 作者：
    Jin Jiahui;Li Yunhao;Luo Junzhou
  • 通讯作者：
    Luo Junzhou
DroneTank: Planning UAVs' Flights and Sensors' Data Transmission under Energy Constraints.
Dronetank：在能源限制下规划无人机、飞行和传感器、数据传输
  • DOI：
    10.3390/s18092913
  • 发表时间：
    2018-09-02
  • 期刊：
    Sensors (Basel, Switzerland)
  • 影响因子：
    --
  • 作者：
    Xiong R;Shan F
  • 通讯作者：
    Shan F
Delay Minimization for Data Transmission in Wireless Power Transfer Systems
无线电力传输系统中数据传输的延迟最小化
  • DOI：
    10.1109/jsac.2018.2872395
  • 发表时间：
    2019-02
  • 期刊：
    IEEE Journal on Selected Areas (JSAC) in Communications
  • 影响因子：
    --
  • 作者：
    Feng Shan;Junzhou Luo;Weiwei Wu;Xiaojun Shen
  • 通讯作者：
    Xiaojun Shen
A data-locality-aware task scheduler for distributed social graph queries
用于分布式社交图查询的数据局部性感知任务调度程序
  • DOI：
    10.1016/j.future.2018.04.086
  • 发表时间：
    2019
  • 期刊：
    Future Generation Computer Systems-The International Journal of eScience
  • 影响因子：
    7.5
  • 作者：
    Jin Jiahui;Luo Junzhou;Du Mingyang;Dang Yongcheng;Li Feng;Zhang Jinghui;Song Aibo
  • 通讯作者：
    Song Aibo

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

单冯的其他基金

基于超宽频技术的小微型无人系统集群协作关键技术研究与应用
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    57 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