面向智能网联汽车通信的车载信道建模及特性分析

来源 :武汉理工大学 | 被引量 : 0次 | 上传用户:k1165445191
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着智能产业的持续发展和“互联网+”理念的不断深化,车辆的智能网联化将成为未来发展的趋势,而未来智能网联汽车的应用将极大的提升交通运输的效率与安全性。伴随着汽车网联化程度的提高,信息传输的准确性和实时性将变得越来越重要。因此,作为保障信息交互安全的车载无线通信系统的稳定是智能网联汽车发展的重要前提,那么对车载无线信道的特性进行研究就具有十分重要的意义。由于车载信道的时变非平稳性,使得一般的模型仿真难以表现出真实的信道特性,为了准确分析车载信道的真实特性,本文选取了两个常见的交通场景,在路测实验中利用无线信道测量仪采集了5.9GHz频段下的信道冲击响应,并对其进行了研究。本文主要研究内容如下:
  首先,本文对测量所采用的信道测量仪的采样信号模型和采样原理进行了分析,基于该测量仪搭建了5.9GHz频段下的测量系统,设计了车载信道测量方案。通过在郊区高速公路及城区主干道路场景下进行的实测活动,获取了测量原始数据。为了便于后续分析,原始数据在经过误差校正和统一规范化处理后,作为本文的研究基础。
  其次,为了对时变的车载信道小尺度振幅衰落模型进行研究,本文分析了无线信道的相关理论和假设,并提出了基于信息准则和拟合优度检验的最优模型选择算法。分析后发现,郊区高速公路中信号在收发端之间被遮挡时,最优小尺度衰落模型为Rayleigh分布,其余为Weibull分布,而在城区主干道路中则分别为Rayleigh和Rician分布。之后,进一步分析了不同时段的信道状态。
  最后,从能量域、时延域和频域三个方面,对与车载信道质量相关的参数进行了估计并建模。其中,对视距条件下Rician-K因子进行统计建模,并研究了K因子与距离的函数关系;通过功率时延分布分析多径效应对信道的影响,并对均方根时延扩展进行统计建模;通过时延多普勒谱分析多普勒效应对信道的影响,并对均方根多普勒扩展进行统计建模。以上分析的结果表明,道路中的车辆、交通指示牌以及路边高大的建筑物对车载信道的质量有较大的影响。
  
其他文献
当今时代科技水平飞速发展,传感器技术和人工智能技术被广泛应用,水面无人艇(Unmanned Surface Vehicle,USV)越来越智能化、自主化。水面无人艇作为一种水上无人驾驶平台在执行任务时,由于受无人艇负重、航速、航行环境干扰等因素的影响,无人艇的操纵性能会发生变化,因此需要一个具有适应性和鲁棒性的控制模型以及精良的控制系统作为无人艇运动控制的支撑。双螺旋桨水面无人艇具有较好的操作性与
目标检测算法是近几年来计算机视觉研究领域的一大热门。随着深度学习的发展,越来越多基于深度学习的目标检测算法逐渐登上舞台,以远超其他视觉检测算法的性能被广泛应用在生产生活中,加快了社会智能化的进程。目标检测包含模式识别、图像处理、深度学习等许多领域的前沿知识,使其成为一项具有挑战性的研究课题。考虑到现阶段列车异物检测主要基于人工肉眼检测,耗费人力且效率低下,本文将基于改进YOLOv3目标检测算法用于
学位
随着经济全球化的不断深入发展和我国“走出去”制造企业的逐渐增多,企业之间的合作生产以及兼并收购日益普遍,分布式制造成为常见制造模式。分布式调度问题作为分布式制造的重要环境,以工厂之间的合作生产等为背景,研究工件在工厂间的分配以及各工厂内的加工顺序,利用高效的优化技术与调度方法,实现调度指标最优化。本文研究分布式不相关并行机调度问题(DUPMSP),包括单目标DUPMSP和多目标DUPMSP,设计了
集装箱码头智能化是指在码头区域采用计算机视觉、深度学习等技术,提高码头生产运行的自动化,是人工智能等新兴技术的一个重要应用场景。随着计算机视觉技术的深入发展和广泛应用,集装箱码头这样的传统工业场景下也逐渐开始利用计算机视觉检测和识别技术。但由于码头前沿环境的图像清晰度、光照变化、相机畸变、集装箱尺寸和箱号位置各异等因素,使得码头场景下利用深度学习等技术实现码头箱号自动识别仍有很大的挑战性。本文基于
学位
随着世界各国把国防与外交重点不断向海洋转移,探索海洋、开发海洋资源成为了各个国家的关注重点,凭借无人化、智能化等优点,无人艇成为海上活动的重要载体。路径规划是无人艇运动控制的核心技术之一,标志了无人艇的智能化水平,但目前缺少结合实际航道规则进行无人艇路径规划的算法研究。本文在此基础上提出了一种新的遵循航道规则的无人艇全局路径规划算法,同时优化了局部路径规划算法。主要从以下几个方面展开研究工作:(1
学位
随着深度神经网络(Deep neural network,DNN)技术的发展,其在机器学习和模式识别领域有着广泛的影响,特别是在图像识别和自动语音识别(ASR)方面的成功应用。这鼓舞着我们继续探索DNN在其他方面的应用,这些领域有着部分相同的功能和过程。然而,其在一个新的领域的应用,需要依赖新的知识来提高性能。本研究重点研究了基于深度神经网络的说话人识别任务。所谓说话人识别,又被称为声纹识别技术,
制造业一直是国民经济的支柱,制造技术是国家综合国力与科技水平的一个侧面反映。但是目前我国的制造业水平与发达工业国家仍旧存在一定的差距,主要体现在产品技术、生产技术和管理技术的研究和应用上。而流水车间调度问题正是制造业企业在实际生产过程中经常遇到的关键问题之一,因此对该类问题的研究一直是学术界和企业密切关心的热点。另外,随着制造业的不断发展,国内外的行业竞争日趋激烈,客户的提出的需求也日益变得更加个
随着交通环境的日益复杂,高精度定位与地图匹配技术对于提高智能交通系统的效率与安全性愈有重要意义。现阶段的车道级定位与地图匹配方案主要依赖激光雷达、高清摄像机和差分卫星等,价格昂贵,且易受外界环境影响,无法短期内在消费者市场内广泛使用。本文所设计的车道级定位与地图匹配方案,融合多种低成本传感器信息,提高导航系统定位精度,并可在普通商业电子地图上完成车道级的地图匹配。本文主要研究内容如下:(1)完成了
基于视觉的目标检测技术在无人驾驶、门禁系统和军事等多领域应用越来越广泛。提高目标检测技术精度的关键在于克服其中多尺度目标检测、遮挡目标检测和多任务损失均衡问题。本文针对这些问题,开展了如下研究。首先,搭建了基于Faster-RCNN的目标检测网络算法研究平台,设计了一种自适应学习率衰减策略,避免训练时人工调整学习率,节省时间。在自选数据集VOC07+12上的测试表明,基于Res Net-101的F
学位
数字图像篡改检测是信息安全领域十分重要的一部分,已有大量的学者对此进行研究。传统的方法需手工设计特征,难以适应当前大数据的环境。本文在阅读大量文献的基础上,对将深度学习卷积神经网络应用到数字图像篡改检测,问题中进行了研究,对收集到的七个开源图像篡改检测数据特点进行了详细分析,提出了一种双通道图像篡改检测方法,并对比了传统基于单项图像处理技术的检测算法和一种新进提出的算法,实验部分证实了方法的有效性
学位