面向高精度目标检测的车辆协同感知数据抗干扰传输方法技术

面向高精度目标检测的车辆协同感知数据抗干扰传输方法，属于无线通信和车联网领域。针对面向高精度目标检测任务的车辆协同感知数据传输过程，车辆根据周边车辆拓扑网络、感知数据采集时间、估计的无线信道状态和干扰强度等信息，以及协同车辆反馈的感知精度、时延和丢包率，挖掘周边车辆网络拓扑、感知数据采集时间、无线信道状态和干扰强度等信息，采用强化学习算法动态优化车联网通信的时隙选择和功率分配，以高效共享实时的感知数据，降低车联网协同感知数据分享时延和丢包率，进而提升车辆协同目标检测任务的精度。升车辆协同目标检测任务的精度。

【技术实现步骤摘要】
面向高精度目标检测的车辆协同感知数据抗干扰传输方法


[0001]本专利技术属于无线通信和车联网领域，尤其是涉及一种面向高精度目标检测的车辆协同感知数据抗干扰传输方法。

技术介绍

[0002]面向高精度目标检测任务的车联网协同感知采用无线通信分享互补的感知特征信息，并利用数据融合模型聚合接收到的多视角特征数据来提升车辆的感知能力，例如移动轨迹预测、视距外的障碍物检测等，有效地提高智能交通的安全性。然而，由于车联网时变的信道状态和干扰信号可能降低车辆之间的通信质量，例如感知数据分享过程中的高丢包率和时延等，从而降低车辆的感知精度和鲁棒性，甚至导致严重的交通安全事故。因此，面向高精度目标检测任务的车辆协同感知数据抗干扰高效传输方法对保证感知精度和速度以提高智能交通的效率与安全具有重大的意义。
[0003]由于车联网的带宽限制，车辆在分享感知数据时需权衡协同感知性能与传输数据量。文献[Y.
‑
C.Liu,et al.；“Who2com:Collaborative Perceptionvia Learnable Handshak本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向高精度目标检测的车辆协同感知数据抗干扰传输方法，其特征在于包括以下步骤：步骤1：设车联网参与协同感知的车辆数量为N,表示为可用的时隙数量和发射功率阶数分别记为M1和M2，最大发射功率为P
max
，记可选时隙X1＝{1,2,...,M1}，可选发射功率构建M1×
M2维动作空间向量和观测状态向量S；步骤2：创建大小为|X1|
×
|S|的表格Q
T
和E
T
，以及大小为|X1|
×
|X2|
×
|S|的表格Q
L
和E
L
；步骤3：初始化参数，令初始时延初始信道增益丢包率强化学习算法的学习率α＝0.4，折扣因子β＝0.3；步骤4：在第k步，获取激光雷达所扫描到的点云数据，输入卷积神经网络提取点云数据的感知特征F
(k)
，并记录感知特征的采集时间t
(k)
；步骤5：获取自身及周边协同车辆的位置通过信道估计获取参与协同感知的邻居车辆间信道状态通过接收信号强度指示方法估计当前干扰强度步骤6：将信道状态量化为H阶，得到当前的估计信道状态根据协作车辆反馈的感知精度ρ
(k
‑
1)
、时延τ
(k
‑
1)
、丢包率b
(k
‑
1)
计算平均感知精度平均时延和平均丢包率构建2N+5维状态向量步骤7：将s
(k)
输入到表格Q
T
和E
T
中，分别得到对应的|X1|维向量Q
T
(s
...

【专利技术属性】
技术研发人员：肖亮，陈宏毅，林志平，
申请(专利权)人：厦门大学，
类型：发明
国别省市：