Mitigating Automotive Radar Interference using Onboard Intelligent Reflective Surface
研究提出利用车载智能反射面(IRS)增加车辆有效雷达截面积以缓解雷达干扰,发现有源IRS在15-35 dB反射增益下能有效对抗干扰,而无源IRS反而降低有效RCS。
2024-04-24 eess.SP
Self-awareness in Intelligent Vehicles: Experience Based Abnormality Detection
University of Genova(热那亚大学);Universidad Carlos III(卡洛斯三世大学);Queen Mary University of London(伦敦玛丽女王大学)
近年来智能交通系统的发展需要自动驾驶智能体的发展:自我意识。本文旨在介绍一种新的方法来检测异常的基础上内部互相关参数的车辆。在实施机器学习之前,异常检测是通过检查每个变量并创建非常难以跟踪的巨大嵌套条件来手动编程的。如今,可以训练动态贝叶斯网络(DBN)模型以自动评估和检测车辆何时潜在地行为不当。在本文中,不同的情况下,已被设置为训练和测试的切换DBN周界监测任务使用语义分割的DBN模型和Hellinger距离度量异常测量。
2020-10-28 cs.LG eess.SP
Reconfigurable Intelligent Surfaces: Bridging the gap between scattering and reflection
在这项工作中,我们解决的距离依赖性的可重构智能表面(RIS)。作为区别于文献中其他作品的因素,我们专注于阵列近场,这使我们能够理解和揭示RIS的潜力。后者主要意味着RIS的物理尺寸和RIS位置处的菲涅耳区的尺寸之间的相互作用,突出了相位的主要作用。具体而言,点状(或零维)的传统散射特性导致了众所周知的距离的四次方的依赖性。相反,其近场区域的表征暴露了反射行为的依赖性与第二和第三权力的距离,分别为二维(平面)和一维(线性)RIS。此外,实现优化相位控制的智能RIS可以导致幂指数为4,矛盾的是,当在其近场附近操作时,其优于自由空间传播。所有这些特点对区域创新系统概念的实际适用性有重大影响。作为这项工作的贡献之一,文章的结论是提出了一个完整的信号表征的无线链路中存在的RIS上的所有这些区域的操作。
2019-12-10 cs.IT eess.SP math.IT
Outage Analysis for Intelligent Reflecting Surface Assisted Vehicular Communication Networks
车载通信是第五代移动通信系统(5G)的重要应用。智能反射面(IRS)由于其低成本和能量效率,已被设想为一种有前途的技术,可以通过被动波束形成显着提高覆盖性能。在本文中,我们分析了中断概率性能的IRS辅助车载通信网络。利用级数展开和中心极限定理,推导出中断概率的表达式。数值结果表明,IRS可以显着降低中断概率在其附近的车辆。中断概率与车辆密度和IRS单元数密切相关,反射单元数越多,中断概率越高。
2020-04-20 eess.SP
Intelligent Reflecting Vehicle Surface: A Novel IRS Paradigm for Moving Vehicular Networks
智能反射表面(IRS)由于其具有高光谱和高功率效率的潜力,近年来受到研究界的广泛关注。除了传统的蜂窝网络之外,还考虑了IRS在车辆网络中的使用。以前的IRS辅助车辆到一切通信的工作集中在沿道路的建筑物的立面上部署反射表面,以增强侧链路性能。本文超越了现有的技术水平,提出了一种新的范例创造的智能反射车辆表面(IRVS)。它在车辆表面嵌入大量反射元件,以帮助军事和紧急通信中的移动车辆网络。我们提出了一种替代的优化方法,以优化联合主动波束形成在基站和被动反射在多个随机分布的车辆表面。根据连续、离散和随机相移下的和频谱效率进行了性能评估。数值结果表明,IRVS可以大大提高移动车辆网络的容量。
2023-03-15 cs.IT eess.SP math.IT
Mobile Edge Intelligence and Computing for the Internet of Vehicles
车联网(IoV)是一种新兴的模式,由车辆通信和网络的最新进展驱动。研究的进步现在可以通过车辆到车辆通信在车辆之间提供可靠的通信链路,以及通过车辆到基础设施通信在车辆和路边基础设施之间提供可靠的通信链路。与此同时,车辆的能力和智能正在迅速增强,这将有可能支持大量新的令人兴奋的应用,这些应用将集成全自动驾驶汽车,物联网(IoT)和环境。这些趋势将带来智能车联网时代,这将严重依赖通信、计算和数据分析技术。为了存储和处理智能车联网产生的大量数据,车载处理和云计算将不足以分别由于资源/功率限制和通信开销/延迟。通过在无线网络边缘部署存储和计算资源,无线接入点,边缘信息系统(EIS),包括边缘缓存,边缘计算和边缘AI,将在未来智能车联网中发挥关键作用。这样的系统将不仅提供低延迟的内容交付和计算服务,而且还提供本地化的数据采集、聚合和处理。本文综述了智能车联网EIS的最新发展。主要设计问题,方法和硬件平台进行了介绍。特别是,说明了智能车辆的典型用例,包括边缘辅助感知,映射和定位。此外,各种开放的研究问题被确定。
2019-06-02 cs.NI eess.SP
Efficient Semantic-aware Encryption for Secure Communications in Intelligent Connected Vehicles
针对智能网联汽车语义通信的窃听风险,提出无需复杂密钥管理的高效语义感知加密机制,利用语义互易性独立生成会话密钥并结合YOLO-v10保障密钥一致,经多场景验证有效可行。
2025-02-23 cs.CR eess.SP
Deep Learning Based Intelligent Inter-Vehicle Distance Control for 6G Enabled Cooperative Autonomous Driving
University of Electronic Science and Technology of China(电子科技大学);University of Essex(埃塞克斯大学)
第六代蜂窝网络(6G)的研究正在获得巨大的动力,以实现无处不在的无线连接。互联自动驾驶(CAV)是6G的一个重要垂直领域,在提高道路安全、道路和能源效率方面具有巨大潜力。然而,CAV应用对可靠性、延迟和高速通信的严格服务要求将对6G网络提出巨大挑战。支持6G的CAV需要新的联网车辆信道接入算法和智能控制方案。本文研究了6G支持的协同驾驶,这是一种通过信息共享和驾驶协调的先进驾驶模式。首先,我们量化的延迟上界的6G车辆到车辆(V2V)通信的混合通信和信道接入技术。开发并训练深度学习神经网络,以快速计算实时的操作中的延迟界限。在此基础上,设计了一种智能策略来控制协作自主驾驶中的车间距。此外,我们提出了一个基于马尔可夫链的算法来预测系统状态的参数,也是一个安全的距离映射方法,使平稳的车速变化。所提出的算法在AirSim自动驾驶平台上实现。仿真结果表明,所提算法具有较好的鲁棒性和有效性,能够实现安全稳定的协同自主驾驶,极大地提高了道路的安全性、通行能力和效率。
2020-12-26 cs.AI eess.SP
Unmanned Aerial Vehicles Meet Reflective Intelligent Surfaces to Improve Coverage and Secrecy
反射智能表面(RISs)的高可配置性和低成本使其成为增强超第五代(B5G)网络能力的有前途的解决方案。最近的工作建议将RIS安装在无人机(UAV)上,将RIS提供的高网络可配置性与UAV带来的移动性相结合。然而,RIS表示影响UAV的电池寿命的额外重量。此外,还没有详细评估由此产生的链路在通信信道质量和安全方面的实用性。在本文中,我们强调了实际部署具有RIS功能的无人机需要考虑的所有基本功能。我们是第一个展示RIS大小及其功耗如何影响无人机飞行时间的人。然后,我们评估RIS的大小,载波频率和无人机飞行高度如何影响路径损耗。最后,我们提出了一种新的基于粒子群的方法,以最大限度地提高覆盖率和提高传输的保密性,在蜂窝场景的支持下,由无人机携带的RIS。
2022-05-05 cs.CR eess.SP
6G Communication New Paradigm: The Integration of Unmanned Aerial Vehicles and Intelligent Reflecting Surfaces
本文综述面向6G的IRS辅助无人机通信,梳理应用、关键问题、原型、核心技术与现有方案,并指出未来研究挑战。
2025-01-11 cs.NI eess.SP
Self-awareness in intelligent vehicles: Feature based dynamic Bayesian models for abnormality detection
University of Genova(热那亚大学);Universidad Carlos III(卡洛斯三世大学);Queen Mary University of London(伦敦玛丽女王大学)
近年来智能交通系统的发展需要智能体的自我意识。在密集使用机器学习之前,异常检测是通过检查每个变量并创建非常难以跟踪的巨大嵌套条件来手动编程的。本文旨在介绍一种新的方法来发展自主车辆的自我意识,主要集中在检测周围的异常情况考虑代理。来自车辆的多传感器时间序列数据用于开发数据驱动的动态贝叶斯网络(DBN)模型,用于未来状态预测和动态异常检测。此外,提出了一个初始级集体感知模型,可以在合作任务中进行联合异常检测。GNG算法学习DBN模型的离散节点变量;概率转换链接连接节点变量。马尔可夫跳变粒子滤波器(MJPF)被应用于预测未来的状态,并检测当车辆是潜在的不当行为使用学习DBN作为过滤器参数。本文使用自动驾驶汽车执行各种任务的真实实验数据集来学习和测试一组切换DBN模型。
2020-10-29 cs.LG cs.MA eess.SP
An Intelligent Monitoring System of Vehicles on Highway Traffic
University of Engineering and Technology Peshawar(白沙瓦工程技术大学);University of Swabi(斯瓦比大学);COMSATS University Islamabad(伊斯兰堡COMSATS大学);Jessore University of Science and Technology(杰索尔科技大学)
高速公路的车速监控与管理是当今科技与人口不断增长的时代道路的关键问题。管理不善导致交通堵塞、违反交通规则和致命交通事故频繁发生。使用传统的雷达、激光雷达和激光雷达技术来解决这个问题是耗时、昂贵和繁琐的。本文提出了一个有效的框架,以产生一个简单的,成本效益和智能系统的车辆速度监测。所提出的方法使用安装在路边的高清(高清晰度)摄像机,无论是在杆上或交通信号记录视频帧。在此基础上,采用半径增长法跟踪车辆,通过计算连续帧中车辆的遮挡和位移来计算车辆的速度。该方法使用模式识别、数字图像处理和用于车辆检测、跟踪和速度计算的数学技术。通过在不同公路上的试验验证了该模型的有效性。
2019-05-27 cs.AI cs.CV cs.LG
Towards V2I Age-aware Fairness Access: A DQN Based Intelligent Vehicular Node Training and Test Method
道路上的车辆通过车辆到基础设施(V2 I)通信频繁地与基站(BS)交换数据以确保车辆应用的正常使用,其中IEEE 802.11分布式协调功能(DCF)用于为信道接入分配最小竞争窗口(MCW)。每辆车可能会改变其MCW,以实现更多的访问机会,在其他的牺牲,这导致不公平的通信性能。此外,关键访问参数MCW是隐私信息,并且每个车辆不愿意与其他车辆共享它。在这种不确定环境下,信息年龄(AoI)是衡量数据新鲜度的重要通信指标,本文设计了一种智能车载节点来学习动态环境并预测最优MCW,使其达到年龄公平性。为了分配最佳的MCW的车辆节点,我们采用了学习算法,使一个理想的决定,通过学习重放历史数据。特别地,该算法通过扩展传统的DQN训练和测试方法而提出。最后,通过与其他方法的比较,证明了所提出的DQN方法能够显著提高智能节点的年龄公平性。
2023-03-03 cs.NI eess.SP
Sentinel: An Onboard Lane Change Advisory System for Intelligent Vehicles to Reduce Traffic Delay during Freeway Incidents
Virginia Tech(弗吉尼亚理工大学)
本文介绍了Sentinel,一个智能车辆的车载系统,在高速公路事件中引导他们的车道变换行为,以减少交通拥堵,容量下降和延误的目标。当检测到前方车道被阻塞的事件时,Sentinel计算每个时间步长在到达事件点之前离开被阻塞车道的概率。当车辆接近拥堵边界时,当概率下降到某个阈值以下时,它会建议车辆离开阻塞车道。通过这样做,Sentinel减少了被封锁车道上试图移动到其他车道的车辆的后期变道次数,并将这些机动分配到事件点的上游。进行了模拟案例研究,其中一个车道的一个四车道的部分,在美国的I-66州际公路暂时封锁,由于事故,了解如何哨兵影响交通流量和不同的参数-交通流量,系统渗透率,和事件持续时间-如何影响哨兵的性能。结果表明,Sentinel对交通流量有积极的影响,平均延迟减少高达37%,特别是当它具有相当大的渗透率时。与交通事故管理系统(TIMS)一起工作,Sentinel可以成为减少交通延误的宝贵资产,并可能每年节省数十亿美元与高速公路事故造成的拥堵相关的成本。
2021-09-06 cs.RO eess.SP
Lateral Force Prediction using Gaussian Process Regression for Intelligent Tire Systems
Federal University of Lavras(拉夫拉斯联邦大学);University of Waterloo(滑铁卢大学);Jilin University(吉林大学)
了解轮胎的动态特性及其与路面的相互作用对设计车辆综合控制策略具有重要作用。因此,对于开发增强的车辆控制系统来说,通过轮胎嵌入式传感器访问关于轮胎-道路相互作用的可靠信息是非常需要的。因此,本研究工作的主要目标是:分析来自实验性的基于加速度计的智能轮胎的数据,所述智能轮胎在具有不同的垂直载荷、速度和高滑移角的大范围机动上获得;以及ii.开发基于机器学习工具的横向力预测器,更具体地说,高斯过程回归(GPR)技术。它描绘了所提出的智能轮胎系统可以提供可靠的信息,即使在高侧偏角的情况下,轮胎-路面相互作用。此外,基于GPR的侧向力模型可以预测力与可接受的精度和提供的不确定性,可以是非常有用的设计车辆控制策略的水平。
2020-09-25 cs.LG eess.SP
Edge YOLO: Real-Time Intelligent Object Detection System Based on Edge-Cloud Cooperation in Autonomous Vehicles
École de Technologie Supérieure(高等工程技术学院);King Saud University(沙特国王大学);Waseda University(早稻田大学)
随着自动驾驶汽车在交通监控、驾驶辅助等方面的需求不断增长,基于深度学习的目标检测(DL-OD)在智能交通系统中的应用越来越受到关注。然而,现有的DL-OD方案由于时效性差、能耗高等固有缺陷,难以实现负责任、节约成本、节能高效的自主车辆系统。本文提出了一种基于边缘云协作和重构卷积神经网络的目标检测(OD)系统,称为边缘YOLO。该系统可以有效避免对计算能力的过度依赖和云计算资源分布不均。具体来说,它是一种结合剪枝特征提取网络和压缩特征融合网络实现的轻量级OD框架,最大程度地增强多尺度预测的效率。此外,我们还开发了一个配备NVIDIA Jetson的自动驾驶平台,用于系统级验证。我们分别在COCO 2017和KITTI数据集上实验证明了Edge YOLO的可靠性和效率。根据COCO 2017标准数据集,速度为每秒26.6帧(FPS),结果显示整个网络的参数数量仅为25.67 MB,而准确率(mAP)高达47.3%。
2022-05-30 cs.CV cs.LG eess.SP
Wall-Street: An Intelligent Vehicular Surface for Reliable mmWave Handover
Princeton University(普林斯顿大学);Rice University(莱斯大学);Rutgers University(罗格斯大学)
Wall-Street通过智能车载表面提升毫米波连接可靠性,实现高达78%的吞吐量提升和34%的延迟降低。
2026-03-04 cs.NI eess.SP
A Survey on Semantic Communications in Internet of Vehicles
School of Internet of Things Engineering, Jiangnan University(物联网工程学院);Qualcomm(高通公司)
本文综述车联网中的语义通信,涵盖其关键技术(语义提取、架构、资源管理)及在交通感知、驾驶决策等场景的应用,指出其前景与挑战。
2025-06-18 cs.LG cs.NI eess.SP
On the Performance of Dual RIS-assisted V2I Communication under Nakagami-m Fading
5G及更高级别通信网络中的车联网(V2X)通过允许车辆智能地连接一切来支持未来的智能交通系统(ITS)。可重构智能表面(RISs)的出现实现了V2X通信的真正潜力。在这项工作中,我们提出了一个双RIS为基础的车辆到基础设施(V2 I)的通信方案。在此基础上,通过推导中断概率、频谱效率和能量效率的封闭表达式,对所提出的通信方案的性能进行了评估。最后,分析结果证实了模拟,说明了优越性的RIS辅助车辆网络。
2023-01-10 cs.IT eess.SP math.IT
AI-Enabled Unmanned Vehicle-Assisted Reconfigurable Intelligent Surfaces: Deployment, Prototyping, Experiments, and Opportunities
National Central University (NCU)(中央大学);National Chung Cheng University (CCU)(中正大学)
针对6G无线通信需求,本文提出AGV辅助的RIS智能部署方案,搭建i-Dris原型并采用联邦多智能体强化学习优化部署参数,实验验证其在100MHz带宽下吞吐量达980Mbps,性能优于现有方案。
2023-11-06 cs.AI cs.LG eess.SP