面向东海-南海海流观测的大规模三维移动传感器网络关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61572448
  • 项目类别:
    面上项目
  • 资助金额:
    65.0万
  • 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:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

Large-scale three-dimensional mobile sensor network for ocean current observation in East China Sea and South China Sea plays an important role for stereo observation of the ocean, which can improve the deep-sea detection ability of China and satisfy the national strategic aim of building an ocean power. This project focuses on the following tasks: (1) New architecture of three-dimensional sensor networks will be designed by comprehensively considering various aspects,such as the characteristics of the observed sea area, requirements of data sampling, localization methods of nodes, and deployment costs.(2) Since the mobility of underwater mobile nodes is closely related to the current,a new mobility model will be proposed where the positions of nodes can be predicted by the oean current model HYCOM. This will help resolving the energy-effecient problems in both localization and topology control.(3) Due to the unique characteristics of underwater acoustic channels, it is quite challenging to get accurate ranging between underwater nodes, a range-free silent localization method will be studied with sparse anchor nodes.(4) The continuous connectivity among nodes can not be guaranteed because of the mobility of nodes. New dynamic topology control algorithms will be investigated based on time-space diagram. The key technologies of large-scale three-dimensional mobile sensor networks for ocean current observation will be obtained as the outcomes of this project. In addition, this project will advance both theoretical study and applied technology in this area to international advanced level.
面向东海、南海海域海流观测的大规模三维移动传感器网络是实现我国对海洋的立体观测,特别是提升对深海大洋的探测能力、服务于建设海洋强国这一国家重大战略部署的重要手段。本项目主要研究:(1)根据观测海域特点、数据采集要求,并综合考虑节点定位方式、经济成本等因素的影响,建立面向海流观测的三维移动传感器网络系统结构模型。(2)根据负责数据采集的水下移动节点的运动模式与海流密切相关的特点,提出用海洋环流模式HYCOM预测移动节点的位置,帮助解决定位和拓扑控制中的能量高效问题。(3)针对水声信道固有特征导致水下节点间难以精确测距的问题,研究稀疏锚节点下不基于测距的水下移动节点被动定位算法。(4)针对节点移动导致节点间无法保证持续连通性的问题,研究基于时空图的动态拓扑控制算法。通过本项目的研究,掌握面向海流观测的大规模三维移动传感器网络中的关键技术,使得该项目的理论研究和应用技术处于国际先进水平。

结项摘要

面向东海、南海海域海流观测的大规模三维移动传感器网络是实现我国对海洋的立体观测,特别是提升对深海大洋的探测能力、服务于建设海洋强国这一国家重大战略部署的重要手段。本项目主要研究:(1)根据观测海域特点、数据采集要求,并综合考虑节点定位方式、经济成本等因素的影响,建立面向海流观测的三维移动传感器网络系统结构模型。(2)针对水声信道固有特征导致水下节点间难以精确测距的问题,研究稀疏锚节点下不基于测距的水下移动节点被动定位算法。(3)针对节点移动导致节点间无法保证持续连通性的问题,研究基于时空图的动态拓扑控制算法。(4)根据负责数据采集的水下移动节点的运动模式与海流密切相关的特点,提出用海洋环流模式预测移动节点的位置,帮助解决定位和拓扑控制中的能量高效问题。通过本项目的研究,掌握了面向海流观测的大规模三维移动传感器网络中的关键技术,使得该项目的理论研究和应用技术处于国际先进水平。

项目成果

期刊论文数量(16)
专著数量(0)
科研奖励数量(0)
会议论文数量(21)
专利数量(0)
VA: Virtual Node Assisted Localization Algorithm for Underwater Acoustic Sensor Networks
VA:水声传感器网络虚拟节点辅助定位算法
  • DOI:
    10.1109/access.2019.2925938
  • 发表时间:
    2019
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Chao Liu;Xi Wang;Hanjiang Luo;Yuan Liu;Zhongwen Guo
  • 通讯作者:
    Zhongwen Guo
Fast Extended One-Versus-Rest Multi-Label Support Vector Machine Using Approximate Extreme Points
使用近似极值点的快速扩展一对一多标签支持向量机
  • DOI:
    10.1109/access.2017.2699662
  • 发表时间:
    2017-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Sun, Zhongwei;Guo, Zhongwen;Liu, Shiyong
  • 通讯作者:
    Liu, Shiyong
VSTP: vessel spatio-temporal contact pattern detection based on MapReduce
VSTP:基于MapReduce的船舶时空接触模式检测
  • DOI:
    10.1186/s13638-017-0960-x
  • 发表时间:
    2017-10
  • 期刊:
    EURASIP Journal on Wireless Communications and Networking
  • 影响因子:
    2.6
  • 作者:
    Chao Liu;Zhongwei Sun;Jing Liu;Haiguang Huang;Zhongwen Guo;Yuan Feng
  • 通讯作者:
    Yuan Feng
Big data challenges in ocean observation: a survey
海洋观测中的大数据挑战:一项调查
  • DOI:
    10.1007/s00779-016-0980-2
  • 发表时间:
    2017-02-01
  • 期刊:
    PERSONAL AND UBIQUITOUS COMPUTING
  • 影响因子:
    --
  • 作者:
    Liu, Yingjian;Qiu, Meng;Guo, Zhongwen
  • 通讯作者:
    Guo, Zhongwen
FVID: Fishing Vessel Type Identification Based on VMS Trajectories
FVID:基于VMS轨迹的渔船类型识别
  • DOI:
    10.1007/s11802-019-3717-9
  • 发表时间:
    2019-04-01
  • 期刊:
    JOURNAL OF OCEAN UNIVERSITY OF CHINA
  • 影响因子:
    1.6
  • 作者:
    Huang, Haiguang;Hong, Feng;Guo, Zhongwen
  • 通讯作者:
    Guo, Zhongwen

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

煤自燃过程中自由基与指标气体释放规律
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    煤炭科学技术
  • 影响因子:
    --
  • 作者:
    王福生;刘颖健;高东;孟祥发
  • 通讯作者:
    孟祥发
基于冗余分析的特征选择算法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    仇利克;郭忠文;刘青;刘颖健;仇志金
  • 通讯作者:
    仇志金

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

刘颖健的其他基金

面向深海立体监测的水下命名数据网络关键技术研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    59 万元
  • 项目类别:
    面上项目
面向深海立体监测的水下命名数据网络关键技术研究
  • 批准号:
    62172378
  • 批准年份:
    2021
  • 资助金额:
    59.00 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