May, 2024

分布式雷达点云处理中的合作与联合

PDF
TL;DR使用资源有限的 MIMO 雷达网络在毫米波频段内进行人体尺度的射频感知，通过合作机制和贝叶斯工具，实现利用边链通信频道进行参数交换从而提升车辆感知质量，并验证了该方法相较于传统合作方式具有低带宽需求和对未解决目标的敏感度降低的优势。
human-scale rf sensingmimo radarscooperation mechanismsbayesian toolsfederation mechanism
发现论文，激发创造
  • 利用雷达辅助动态阻塞识别提升联合毫米波网络可靠性的实用且可扩展的解决方案

    该研究提出了一种名为 RaDaR 的框架，它利用雷达测量和联邦学习来训练神经网络模型，实现了对动态室外环境中障碍物状况和时间的预测，从而进行主动式切换和传输，提高了网络的可靠性和体验质量。

    Jun, 2023

  • 多基站协作感知与人工智能辅助追踪

    通过联合感知和通信网络，多个基站通过融合中心合作，实现了对感知环境的信息交换，同时与一组用户设备建立通信连接。利用卷积神经网络对目标进行分类，采用自适应聚类算法更有效地分组检测到的目标，并应用多目标跟踪算法估计目标状态，该框架在保持通信服务 10% 至 20% 的通信容量降低的条件下，提供了显著的感知性能。

    Oct, 2023

  • 基于行为分支和联邦强化学习的车联网协作感知

    本论文提出了一种基于强化学习、四叉树点云压缩机制的框架，可利用联邦强化学习方法加速车辆协同感知中的联合学习过程。进一步利用该框架优化车辆间的关联、资源分配和信息交换，从而实现车辆间可靠高效的协同感知。

    Dec, 2020

  • 利用激光雷达数据的联合 mmWave 波束选择

    本文提出一种基于联邦式激光雷达辅助的神经网络方法，通过 V2I 毫米波通信系统中的车联网协同训练以及 LIDAR 数据预处理，在降低系统复杂度的同时提高了系统性能。

    Feb, 2021

  • 基于扩散的毫米波雷达点云超分辨率

    本论文提出了一种新的点云超分辨率方法，名为雷达扩散。该方法使用受均值回归的随机微分方程定义的扩散模型，并通过与对应的 LiDAR 点云的监督来处理雷达幽灵点，将稀疏的毫米波雷达点云增强为稠密的类似 LiDAR 的点云。通过在两个不同的数据集上评估，实验结果表明我们的方法在 3D 雷达超分辨率任务中优于现有的基准方法。此外，我们证明了我们增强的雷达点云能够进行下游的基于点云的雷达配准任务。

    Apr, 2024

  • 多服务器无线联邦学习

    本文提出了一种基于聚类的两层联邦学习算法，使用可扩展的聚类无线聚合方案实现算法的上行传输，使用适用于带宽受限的广播方案进行下行传输，展示了在干扰环境下该方法的高精度学习表现并导出该方法的收敛界。

    Nov, 2022

  • 分布式粒子滤波的去中心化传感器融合

    本文介绍了一种可扩展的贝叶斯技术，用于在动态环境中从多个平台进行去中心化状态估计。通过严格分散的方法并通过互动通信协议促进信息流，实现仅在附近平台之间交换信息和在分布式监视方案的上下文下进行评估，其结果展示了对大型车队的前所未有的可扩展能力。

    Oct, 2012

  • 5G 毫米波联合定位和地图构建：基于多模型 PHD 滤波器和地图融合

    本文提出了一种新的协作车辆定位和无线电环境建图的方法，其中包括多模型概率假设密度滤波器和地图融合例程，能够考虑不同类型的物体和不同的视野，模拟结果证明了所提出方法的性能。

    Aug, 2019

  • 空中点云

    点云的无线传输面临多个挑战，本文提出了四种实用的解决方案，旨在实现高效、可靠和低延迟的无线点云传输。

    Jan, 2024

  • F-Cooper: 以 3D 点云为基础的自动驾驶车辆边缘计算系统的特征协作感知

    提出面向智能互联汽车的点云特征协同感知框架 (F-Cooper)，通过特征融合，实现了目标检测精度的提升，并在进行实时边缘计算的同时，避免了网络拥塞和通信延迟的问题。

    Sep, 2019