-
公开(公告)号：CN116887431A
公开(公告)日：2023-10-13
申请号：CN202310981607.1
申请日：2023-08-04
Applicant: 长安大学
Abstract: 本发明提供一种LTE‑V2X模式4的自适应保持概率资源分配方法及系统，方法具体为针对选择窗重叠比执行自适应保持概率调整；执行基于感知的半持续资源选择，直至重选资源，再针对选择窗重叠比执行自适应保持概率调整，在基于感知的半持续资源选择中，连续的传输次数到期后，车辆需要根据资源保持概率决策是否重选资源，较大的保持概率带来了整体可靠性更高的同时，可能导致局部车辆的资源冲突持续更多传输次数，并且在感知完全的情况下，资源冲突通常发生在选择窗重叠时，本发明对资源保持概率根据选择窗重叠时长比进行自适应调整，使越有可能发生资源冲突的车辆更容易触发资源重选；通过减少局部车辆的冲突次数，降低系统的资源冲突概率。
-
公开(公告)号：CN116527179A
公开(公告)日：2023-08-01
申请号：CN202310382820.0
申请日：2023-04-12
Applicant: 长安大学
IPC: H04B17/391 , H04W4/46
Abstract: 本发明公开了一种基于深度学习的车车无线通信信道建模方法，具体包括以下步骤：S1、Suzuki信道的包络分布是由于对数正态分布和瑞利分布组合生成的，对数正态分布表示了慢衰落，Suzuki衰落过程可以表示成对数正态衰落过程和瑞利衰落过程的乘积:z(t)＝x(t)*y(t)，其中x(t)是一个快速衰落的复高斯过程，具有瑞利分布的幅度，y(t)是对数正态分布的缓慢衰落过程，本发明涉及无线通信技术领域。该基于深度学习的车车无线通信信道建模方法，能够贴近实际的环境条件，根据实际环境下进行车车无线通信信道建模，建模后的数据具有很好的实际意义，整体完成效果好，具有很好的实际指导效果。
-
公开(公告)号：CN111539303B
公开(公告)日：2023-04-18
申请号：CN202010312689.7
申请日：2020-04-20
Applicant: 长安大学
Abstract: 本发明公开了一种基于单目视觉的车辆驾驶偏移预警方法，首先针对单目摄像机存在的镜头畸变情况进行矫正，在HSL颜色空间对黄白车道线像素进行加权，并通过两种滤波器滤除噪音像素；并通过在划分的透视矩阵中，采用滑动窗口的方式识别左右车道线像素，并使用最小二乘法拟合二次多项式，得到车道线检测结果；最后，根据车道线与视频图像的中心位置像素计算当前车辆的偏移距离，以及道路方向与曲率半径；克服了因获取的行车视频数据画面失真对车辆偏离距离以及对道路方向判断产生的不良影响；使车道线像素在不同光照下的检测更加稳健，本发明能够在更复杂的路况以及更恶劣的光照条件下更有更好的表现，同时在收集车辆位置信息的方式上。
-
公开(公告)号：CN109871778B
公开(公告)日：2022-11-15
申请号：CN201910065082.0
申请日：2019-01-23
Applicant: 长安大学
Abstract: 本发明公开了一种基于迁移学习的车道保持控制方法，首先采集行车记录仪前置相机录制的视频和车辆的转向控制信号作为训练数据，通过改变亮度、重设尺寸、增加阴影等方式对数据进行预处理，利用基于ImageNet数据集训练的VGGNet作为特征提取网络，同时在顶层添加全连接层，由此构建端到端的车道线保持控制网络模型；通过采集的行车视频和转向信号对该模型进行进一步地训练，最后对网络模型稳健性进行评估；利用基于ImageNet数据集训练的VGGNet作为特征提取网络，在车载计算资源和数据集均有限的情况下，本发明能够较好地拟合自动驾驶的转向角度，同时在网络模型泛化方面具有一定的有效性与可靠性，可以广泛应用于各类自动驾驶相关的车道线保持任务系统中。
-
公开(公告)号：CN111988834B
公开(公告)日：2022-11-04
申请号：CN202010879517.8
申请日：2020-08-27
Applicant: 长安大学
IPC: H04W48/18
Abstract: 本发明公开一种异构车联网网络选择方法、系统及装置，方法具体为：通过用户满意度体验函数得到效用函数权值系数、对数形式效用函数的权值和网络发射功率初始值，并设定允许误差；利用有效容量的概念计算得出所有网络的最大传输速率；计算所述最大传输速率对应的功率值，再将相邻两次迭代所得功率值之差的绝对值与允许误差作比较，得到最大传输速率对应的功率理论值，得到同一用户在面对不同网络时的满意度效用函数值，选择具有最大满意度效用函数值的网络作为接入网；本发明所引入的异构车联网网络选择方法，引入有效容量的概念，既考虑了用户的满意度，又考虑了传输效率，在有限功率范围内得到满意度效用值的最大值，从而用来选择网络。
-
Patent Agency Ranking
公开(公告)号：CN110234092B
公开(公告)日：2022-04-29
申请号：CN201910519097.X
申请日：2019-06-14
Applicant: 长安大学
Abstract: 本发明公开了基于多级优化提高车联网传输信号可靠性的方法，首先初始化迭代次数t＝0，设定迭代次数T＝N，将原Q比特序列Q(t)与随机矩阵比较产生可行解c(t)，通过初始适应度函数f(t)评估c(t)将最优解存入到cbest(t)，然后迭代t＝t+1，更新Q(t)与重新产生的随机矩阵与比较产生c(t)，使用更新过的f(t)评估c(t)从而选出最优解，找出cbest(t‑1)和c(t)中的最优解c存入cbest(t)，再次迭代，直至满足迭代结束条件输出c，然后将c与输入序列相乘，得到最终发送序列；本发明对车联网原始输入信号采用选择映射序列技术对信号进行处理的过程中引入量子理论和多目标优化机制，用U个统计独立向量Xu，(u＝1，2，...，U)来表示同一组输入信号，然后选择整体幅度最小的信号进行传输，达到降低系统传输能耗和计算复杂度的目的。
-
公开(公告)号：CN113727375A
公开(公告)日：2021-11-30
申请号：CN202111014818.5
申请日：2021-08-31
Applicant: 长安大学
Abstract: 本发明公开面向6G立体致密通信网络的资源管控方法及系统，通过用户不同的业务需求，搭建一个协作D2D立体致密网络环境，并确定蜂窝用户数、中继用户数以及D2D传输对的数目；在立体致密网络环境下，根据D2D通信，将具体通信过程分为两步进行，并建立相应优化目标函数，利用优化理论求其最优解；利用牛顿迭代法计算所述最大系统吞吐量对应的功率值，再将相邻两次迭代所得功率值之差的绝对值与允许误差作比较，直到相邻两次迭代所得功率值之差的绝对值小于所设定的允许误差时，结束牛顿迭代运算，得到最大系统吞吐量对应的功率理论值；根据所述功率理论值得到同一用户在面对不同网络时所获得的吞吐量的值，选择所得系统吞吐量值最大的网络作为接入网。
-
公开(公告)号：CN110913449B
公开(公告)日：2021-06-25
申请号：CN201911159295.6
申请日：2019-11-22
Applicant: 长安大学
Abstract: 本发明公开一种基于发射功率和用户满意度的网络选择方法，首先通过用户满意度体验函数得到效用函数权值系数、灵敏度因子和网络发射功率初始值，并设定允许误差；然后针对不同的网络，利用香农容量定理计算得出最大信息传输速率；之后，利用迭代法算出所述最大信息传输速率对应的功率值，再与允许误差作比较，确定是否结束牛顿迭代运算，最后通过比较同一用户在面对不同网络时的满意度来确定此时该如何选择接入网；本发明所引入的基于发射功率和用户满意度的网络选择方案，既考虑了用户的满意度，又考虑接入网所能提供的传输功率，在有限范围内得到满意度效用值的最大值，从而用来区分网络，本发明所述方法能够用于网络选择过程中。
-
公开(公告)号：CN109379321B
公开(公告)日：2021-02-05
申请号：CN201811346000.1
申请日：2018-11-13
Applicant: 长安大学
Abstract: 本发明公开了一种基于车联网系统中提高车载终端信号交互有效性的方法，首先对车载待传输信号进行串并变换及正交幅度调制，得到正交幅度调制信号，对正交幅度调制信号进行多载波调制与并串变换后，得到多载波已调信号sn，利用压扩抗失真变换函数T(·)对多载波已调信号sn的模值进行抗失真变换，获得抗失真变换信号sn′，sn′＝T(sn)；将抗失真变换信号sn′通过D/A转换和固态功率放大器后得到信号sa，并通过车载天线进行发射；在接收端利用抗失真变换逆函数T‑1(·)对接收信号进行操作，得到信号sn″，sn″＝T‑1(sa)；对该信号进行多载波解调，恢复出车辆系统原始输入信号。本发明能够极大的减少信号的误码率，降低车联网系统中多载波信号的非线性失真。
-
公开(公告)号：CN111770528A
公开(公告)日：2020-10-13
申请号：CN202010587975.4
申请日：2020-06-24
Applicant: 长安大学
IPC: H04W24/08 , H04B17/309
Abstract: 本发明公开了一种基于信道参数萃取方法的视距与非视距识别方法及装置，方法具体为：对测量得到的信道信息，进行处理获得信道状态信息CSI；对信道状态信息进行傅里叶反变化，得到对应的信道冲击响应CIR；基于有限带宽信道冲击响应估计多径数目；使用高分辨率信道参数萃取算法估计得出每条路径的时延tau,复振幅amp；定义第一条路径功率和其他路径功率总和的比值为K-值；根据萃取出的复振幅amp与时延tau计算RMS延迟扩展；根据K-值和RMS延迟扩展2维散点图判别当前传播条件为可视距环境或者非可视距环境；使用SAGE/ESPRIT算法对信道的相关参数精准估计，采用两个特征来视距/非视距识别，相比较单一特征，增加了识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.039 seconds)
