Embedded Policing and Policy Enforcement based Security in the era of Digital-Physical Convergence for Next-Generation Vehicular Electronics
智能联网车辆的出现，包含复杂的功能，有可能通过提高车辆运输的安全性，保障性和效率，极大地造福社会。这在很大程度上得益于嵌入式系统架构的技术进步，这为汽车制造商提供了实施智能汽车服务并将其整合到少量灵活且可集成的域控制器中的机会。因此，允许越来越集中的操作，包括新的和传统的功能。虽然这个关键和非关键车辆服务的数字-物理融合时代在降低车辆电子设备的成本和电子足迹方面具有优势，但它也带来了重大的安全挑战。解决这一研究问题的一种方法是引入故障转移机制，该机制可以检测由攻击或故障引起的意外或恶意行为，并主动响应控制，最大限度地减少物理损坏或安全隐患。本文提出了一种新的嵌入式警务和策略执行平台架构和伴随的安全建模方法，为下一代车载域控制器。为了证明所提出的方法，连接车辆的案例研究进行。一个现实的攻击场景已被认为是派生的安全策略和建议的安全平台，以提供安全和安全域特定的功能。
2020-04-17 cs.CR eess.SP
Analysis of Impulsive Interference in Digital Audio Broadcasting Systems in Electric Vehicles
Eindhoven University of Technology（埃因霍温理工大学）；NXP Semiconductors（恩智浦半导体）
针对电动汽车中新型脉冲干扰影响数字音频广播系统性能的问题，本文基于实测数据分析干扰特性，对Markov-Middleton模型进行数据驱动修正，并据此设计最优符号检测器，实现了相比传统加性高斯白噪声检测器的显著性能提升。
2024-05-17 cs.LG eess.SP
Low Complexity Neural Network Digital Predistortion of Wideband Power Amplifiers through Feature Selection
Katholieke Universiteit Leuven（荷语鲁汶大学）
针对通信带宽增加致数字预失真算法复杂度上升的问题，提出低复杂度特征选择NN DPD架构，用LASSO和MRMR算法构建输入表示，利用实测数据集证明该方法在保持性能时可降低30%计算复杂度。
2026-07-20 eess.SP
Online Learning-based Waveform Selection for Improved Vehicle Recognition in Automotive Radar
本文介绍了与调频连续波（FMCW）汽车雷达系统中基于在线学习的波形选择目标识别相关的重要考虑因素和挑战。我们提出了一种新的学习方法的基础上满意汤普森采样，快速识别波形，预计将产生令人满意的分类性能。我们通过测量级仿真证明，即使在雷达必须从大量候选波形中进行选择的情况下，也可以快速学习有效的波形选择策略。雷达学习自适应地选择适当的分辨率的带宽和慢时间单模码的干扰缓解在感兴趣的场景中通过优化预期的分类度量。
2022-12-01 cs.LG eess.SP
Enhanced C-V2X Mode-4 Subchannel Selection
在第14版中，第三代合作伙伴计划（3GPP）引入了蜂窝车辆到万物（C-V2X）\textit{mode-4}作为一种新颖的颠覆性技术，以支持覆盖范围外场景中的侧链路车辆通信。C-V2X \textit{mode-4}已被设计为以分布式方式操作，其中车辆在选择一个副链路子信道以供使用之前自主地监视跨副链路子信道的接收功率。通过这种策略，车辆尝试$(i)$发现并$(ii)$保留具有低干扰的子信道，这些子信道可能有可能最大化其自己广播的安全消息的接收可能性。然而，由于车辆环境的动态性，子信道最优性可能随时间快速波动。因此，车辆需要每隔几百毫秒进行一次新的选择。与3GPP一致，子信道选择阶段依赖于在监视窗口期间每个子信道上的感知功率强度的线性平均。然而，在本文中，我们提出了一个非线性的功率平均阶段，其中最新的最新的测量被分配更高的优先级，通过指数加权。我们通过模拟表明，在城市和高速公路的情况下，可以利用整体系统性能。此外，线性平均可以被认为是指数加权移动平均的特殊情况，确保与标准化方法的向后兼容性。最后，详细描述了3GPP \textit{mode-4}调度方法。
2018-07-12 eess.SP
Digital and Hybrid Precoding and RF Chain Selection Designs for Energy Efficient Multi-User MIMO-OFDM ISAC Systems
National Yang Ming Chiao Tung University（国立阳明交通大学）
本文针对多用户MIMO-OFDM ISAC系统，提出联合预编码与射频链选择设计，通过优化提升能效与感知性能的权衡。
2026-02-01 eess.SP
Cooperative Sensing and Uploading for Quality-Cost Tradeoff of Digital Twins in VEC
传感技术、无线通信和计算模式的最新进展推动了车辆成为智能和电子消费产品的发展。研究了车辆边缘计算（DT-VEC）中通过协作感知和上传实现数字孪生的问题，首次尝试在DT-VEC中实现质量-成本权衡。首先，提出了一种DT-VEC架构，其中异构信息可以由车辆感知并通过车辆到基础设施（V2 I）通信上传到边缘节点。基于感知信息建立数字孪生模型，形成逻辑视图，反映物理车辆环境的实时状态。其次，考虑数字孪生的实时性和一致性，以及冗余度、感知代价和传输代价，推导了协作感知模型和V2 I上传模型。在此基础上，建立了系统质量最大化和系统成本最小化的双目标优化问题。第三，我们提出了一种基于多智能体多目标（MAMO）深度强化学习的解决方案，其中提出了一个决斗的评论家网络来评估基于状态值和动作优势的智能体动作。最后，给出了综合的性能评估，证明了MAMO的优越性。
2023-01-27 cs.NI eess.SP
Hybrid Precoding for mmWave V2X Doubly-Selective Multiuser MIMO Systems
毫米波（mmWave）是为车联网（V2X）通信提供高数据率的实用解决方案。这使得未来的自动驾驶汽车能够与基站（BS）交换大数据，例如速度和位置，以提高高级驾驶辅助系统（ADAS）的感知能力。在这种情况下，我们考虑一个单小区多用户双选择系统，其中BS同时服务于多个车辆。为了实现这一要求，在混合架构中实现BS以支持多个空间流，而车辆具有仅模拟的结构。在这项工作中，我们开发了一种低复杂度的混合预编码算法，其中的混合预编码器在BS和模拟组合器在车辆的设计需要小的训练和反馈开销。我们提出了一个两阶段的混合预编码算法，其中第一阶段设计的模拟波束形成器在单用户的情况下，而第二阶段设计的多用户数字预编码器在BS。在第二阶段，我们推导出封闭形式的数字预编码器，如最大比传输（MRT），迫零（ZF）和最小均方误差（MMSE）作为第一个变量，而我们提出迭代数字预编码器作为第二个变量。用于两种变体的数字预编码器的设计需要从车辆发送到BS的有限反馈。我们参考随机矢量量化（RVQ）和波束控制码本来分别对变体I和II的反馈进行优化，因为完美的反馈需要长开销和大量训练。我们评估的数字和模拟码本的量化对完美的信道状态信息在发送端（CSIT）所产生的速率损失。
2021-03-23 cs.IT eess.SP math.IT
Channel Estimation for 6G V2X HybridSystems using Multi-Vehicular Learning
毫米波（mmW）/亚太赫兹（sub-THz）下的混合多输入多输出（MIMO）系统的信道估计是混合MIMO预编码/组合的有效设计的基本前提，尽管具有挑战性。大多数作品提出了顺序搜索算法，例如，压缩感知（CS），最适合静态信道，因此不能应用于高度动态的场景，如车联网（V2X）。为了解决后者，我们利用\textit{recurrent vehicle passages}设计一种新的多车辆（MV）混合MIMO信道估计适合车辆到基础设施（V2 I）和车辆到网络（V2 N）系统。我们的方法通过MV波束对准过程推导出模拟预编码器/组合器。对于数字预编码器/组合器，我们采用低秩（LR）信道估计方法来学习接收到的数字信号（波束成形后）的位置相关的本征模，该本征模用于估计通信阶段的压缩信道。通过射线跟踪信道数据和真实车辆轨迹获得的大量数值模拟表明，与压缩数字信道的无约束最大似然估计（U-ML）相比，我们的解决方案在可实现的频谱效率（SE）和均方误差（MSE）方面具有优势，使其适用于5G和未来的6 G系统。最值得注意的是，在某些情况下，我们获得了最佳全数字（FD）系统的性能。
2021-05-21 cs.IT eess.SP math.IT
Deep Reinforcement Learning Based Mode Selection and Resource Allocation for Cellular V2X Communications
蜂窝车联网（V2X）通信对于支持未来各种车辆应用至关重要。然而，对于安全关键型应用，不稳定的车辆到车辆（V2V）链路和集中式资源分配方法的高信令开销成为瓶颈。本文研究了蜂窝V2X通信中传输模式选择和资源分配的联合优化问题。特别是，该问题被公式化为马尔可夫决策过程，并提出了一种基于深度强化学习（DRL）的分散算法，以最大限度地提高车辆到基础设施用户的总容量，同时满足V2V对的延迟和可靠性要求。此外，考虑到局部DRL模型的训练局限性，提出了一种两时标的联邦DRL算法，以帮助获得鲁棒的模型。其中，基于图论的车辆聚类算法在大时间尺度上执行，而联邦学习算法在小时间尺度上进行。仿真结果表明，该算法的性能优于其他分散基线算法，验证了双时标联邦DRL算法在新激活V2V对中的优越性。
2020-02-13 cs.NI eess.SP
Joint Channel Selection using FedDRL in V2X
Ecole Polytechnique（巴黎综合理工学院）；University of Orléans（奥尔良大学）；Technology Innovation Institute（技术创新研究院）
针对 V2X 中多车辆联合选择接入点与信道的问题，提出基于 FedDRL 的 FedPPO 方法，利用联邦共享经验提升通信可靠性并降低传输成本与切换次数。
2024-10-03 cs.LG eess.SP
Joint Analog Beam Selection and Digital Beamforming in Millimeter Wave Cell-Free Massive MIMO Systems
无小区大规模MIMO系统由许多分布式接入点组成，这些接入点具有共同为用户服务的简单组件。在毫米波段中，只能支持有限的一组预定波束。在整合这些技术的网络中，下行链路模拟波束选择对于网络和速率最大化来说是一项具有挑战性的任务。低成本的数字滤波器可以进一步提高网络的和速率。在这项工作中，我们提出了低成本的模拟波束选择和数字滤波器的联合设计。所提出的联合设计实现显着更高的总和率比不相交的设计基准。有监督机器学习（ML）算法能够以低计算复杂性有效地逼近联合设计的波束选择决策的输入输出映射函数。由于ML算法的训练是离线执行的，因此我们提出了一种构造良好的联合设计，该设计结合了多个初始化、迭代和选择特征，以及波束冲突控制，即，同一波束不能用于多个用户。数值结果表明，ML算法可以保持99-100%的原始和率的结果所提出的构造良好的设计。
2021-07-02 cs.IT eess.SP math.IT
Software-Defined MIMO OFDM Joint Radar-Communication Platform with Fully Digital mmWave Architecture
大规模部署具有协作传感和操纵技术的互联车辆，增加了对5.9 GHz车联网通信（V2X）频段的需求。除了V2X频谱，24和77 GHz的未充分利用的毫米波（mmWave）频段可用于补充V2X通信，并为新兴宽带应用提供高数据速率支持。为此目的，联合雷达通信（JRC）系统已在文献中提出了使用相同的波形和硬件来执行这两个功能。在这项工作中，我们提出了一个软件定义的多输入多输出（MIMO）JRC与正交频分复用（OFDM）的24 GHz毫米波波段。我们使用商用软件定义无线电和定制的毫米波前端实现了一个实时操作的全双工JRC平台。通过全数字MIMO架构，我们展示了毫米波频段MIMO OFDM JRC的同步数据传输和高分辨率雷达成像能力。
2023-02-11 cs.AR eess.SP
Federated mmWave Beam Selection Utilizing LIDAR Data
由于波束选择带来的开销，毫米波通信系统中的高效链路配置是一项关键而又具有挑战性的任务。对于车辆到基础设施（V2I）网络，来自安装在车辆上的LIDAR传感器的边信息已经被利用来减少束搜索开销。在这封信中，我们提出了一个联邦激光雷达辅助波束选择方法的V2I毫米波通信系统。在所提出的方案中，在系统的正常操作期间，连接的车辆协作以在其本地可用的LIDAR数据上训练共享的神经网络（NN）。我们还提出了一种降低复杂度的卷积NN（CNN）分类器架构和LIDAR预处理，在性能和复杂度方面都显着优于以前的作品。
2021-07-25 cs.IT eess.SP math.IT
Efficient Mining Cluster Selection for Blockchain-based Cellular V2X Communications
蜂窝车联网（V2X）通信预计将在未来几年迎来自动驾驶汽车时代。随着区块链在这种网络中的集成，从完整的区块到单个交易的所有粒度级别的信息都可以随时被车辆访问。具体来说，区块链技术有望通过智能合约和分布式账本提高蜂窝V2X通信的安全性、不变性和去中心化。尽管基于区块链的蜂窝V2X网络前景看好，但需要解决许多挑战，以实现此类大规模平台的未来互操作性和可访问性。其中一个挑战是在蜂窝V2X网络中卸载挖掘任务。虽然运输当局可能会尝试平衡网络挖掘负载，但车辆可能会选择最近的挖掘集群来卸载任务。这可能导致车辆网络资源的拥塞和不成比例的使用。为了解决这个问题，我们提出了一个博弈论的方法来平衡负载在挖掘集群，同时保持公平卸载车辆之间。考虑到车辆的低延迟要求，我们考虑了有限信道块长度传输，这比使用无限块长度码更实用。与我们提出的卸载框架获得的模拟结果表明，传统的最近的挖掘集群选择技术的性能有所改善。
2020-06-29 cs.IT eess.SP math.IT
Behavior Forests: Real-Time Discovery of Dynamic Behavior for Data Selection
FZI Research Center for Information Technology（FZI信息技术研究中心）
本文提出行为森林框架，通过构建行为图实时发现车辆动态行为并实现数据选择，无需预训练即可提供分析性描述，在汽车数据集上丢弃96.01%数据流的同时保留相关动态行为。
2024-07-04 cs.RO eess.SP
Frequency Selection for Platoon Communications in Secondary Spectrum Using Radio Environment Maps
基于排的驾驶是一种车辆以近距离跟随彼此的想法，以增加道路吞吐量和节省燃料。这需要可靠的无线通信来调整车辆的速度。虽然有一个专用的频段用于车辆对车辆（V2V）通信，但研究表明，它过于拥挤，无法为车队提供可靠的传输。额外的频谱资源，即，当次级频谱信道未被其他用户占用时，可以利用这些次级频谱信道。这些信道中的干扰特征通常取决于位置，并且可以存储在所谓的无线电环境地图（REM）中。本文旨在设计REM，以支持排内通信的辅助频谱信道选择。我们建议评估的中断概率计算方面的信道质量，使用估计的干扰分布存储在REM。提出了一种频率选择算法，最小化沿计划的队列路线的通道开关的数量。此外，REM创建过程中，减少了数据库条目的数量使用（基于密度的空间聚类的应用程序与噪声）DBSCAN算法。这些提案使用在真实道路上捕获的真实智商样本进行测试。DBSCAN聚类的应用程序构建的REM提供了7%的减少其大小。利用所提出的频道选择算法，在每个位置独立执行的频道分配的频道切换次数减少了35倍。
2021-12-30 cs.NI eess.SP
Integrated Sensing and Communication Driven Digital Twin for Intelligent Machine Network
针对智能机器网络中海量感知信息处理难题，提出ISAC驱动的数字孪生架构，通过结构化存储感知信息并优化通信、组网与控制，促进智能机器广泛应用。
2024-02-08 cs.NI eess.SP
Accuracy-Aware Cooperative Sensing and Computing for Connected Autonomous Vehicles
本文提出一种面向网联自动驾驶的精度感知与资源高效的原始级协同感知与计算方案，通过监督学习建模分类精度与数据质量关系，联合优化数据选择、子任务放置与资源分配，实现高精度低成本的协同感知。
2024-03-25 cs.NI eess.SP
A Multi-Modal Simulation Framework to Enable Digital Twin-based V2X Communications in Dynamic Environments
本文提出一种多模态仿真框架，结合数字孪生与射线追踪，生成真实传感器数据和毫米波信道，用于动态V2X场景中的阻塞切换与链路恢复。
2024-07-17 cs.LG cs.NI eess.SP
Near-Field Integrated Sensing, Computing and Semantic Communication in Digital Twin-Assisted Vehicular Networks
King’s College London（伦敦国王学院）；Zhejiang University（浙江大学）；Nanyang Technological University（南洋理工大学）
本文提出一种针对近场数字孪生辅助车联网的集成感知、计算与语义通信框架，通过多用户MIMO和毫米波雷达实现高精度车辆跟踪与环境映射，优化语义通信速率与感知精度。
2026-04-07 cs.IT eess.SP math.IT
