-
公开(公告)号：CN104486838B
公开(公告)日：2018-04-13
申请号：CN201410720695.0
申请日：2014-11-27
IPC: H04W74/04
Abstract: 本发明公开一种基于路侧单元协助的多信道协同MAC接入方法。该方法中，在RSU时隙，路侧单元广播前一个同步周期SCH时隙的预约信息，所有节点收到该信息之后更新本地SCH预约表‑2，随后把预约表‑2中的信息合并到预约表‑1。在RFS时隙，节点进行安全信息发送或进行本周期SCH时隙业务信道预约。在SCH时隙，完成信道预约的节点根据预约表‑1在业务信道上进行无竞争的非安全数据传输；其他节点将监听CCH信道或在CCH信道上进行下一周期SCH时隙的信道预约，预约成功的信息会被路侧单元保存在预约表‑2中并在下一周期的RSU时隙进行广播。本发明提高了数据传输效率和信道预约及业务信道接入效率，并消除了预约冲突。
-
公开(公告)号：CN104486838A
公开(公告)日：2015-04-01
申请号：CN201410720695.0
申请日：2014-11-27
IPC: H04W74/04
CPC classification number: H04W74/002 , H04W74/04
Abstract: 本发明公开一种基于路侧单元协助的多信道协同MAC接入方法。该方法中，在RSU时隙，路侧单元广播前一个同步周期SCH时隙的预约信息，所有节点收到该信息之后更新本地SCH预约表-2，随后把预约表-2中的信息合并到预约表-1。在RFS时隙，节点进行安全信息发送或进行本周期SCH时隙业务信道预约。在SCH时隙，完成信道预约的节点根据预约表-1在业务信道上进行无竞争的非安全数据传输；其他节点将监听CCH信道或在CCH信道上进行下一周期SCH时隙的信道预约，预约成功的信息会被路侧单元保存在预约表-2中并在下一周期的RSU时隙进行广播。本发明提高了数据传输效率和信道预约及业务信道接入效率，并消除了预约冲突。
-
公开(公告)号：CN117835185B
公开(公告)日：2024-09-13
申请号：CN202311716326.X
申请日：2023-12-14
Applicant: 华南理工大学
IPC: H04W4/40 , H04W12/122 , H04W12/02 , H04L9/00
Abstract: 本发明公开了一种车联网中基于区块链的条件轨迹隐私保护方法，首先车辆将信标消息发送给路侧单元RSU，RSU将在某个时间范围内收集到的信标消息中的敏感信息隐私处理后再发给车辆，车辆将隐私后的信标消息发送给周围车辆，以实现车辆的轨迹隐私；同时，RSU将所收到的信标消息所属车辆标识和信标消息存储到区块链中，当发现车联网中有恶意车辆时，可以通过检索区块链，还原车辆的真实轨迹。本发明使用模糊化隐私技术处理信标消息中的敏感信息来实现车辆的轨迹隐私，同时采用区块链技术实现条件隐私，在提供条件轨迹隐私的同时提供较好的信标消息的可用性，有助于推动智能车联网的进一步发展和普及，具有广阔的应用前景。
-
公开(公告)号：CN107612362B
公开(公告)日：2024-02-13
申请号：CN201710823323.4
申请日：2017-09-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种宽输入功率范围的高效率整流电路，包括上层微带结构、中间介质基板和底层金属地板，所述上层微带结构和底层金属地板分别印制在中间介质基板的上、下表面，所述上层微带结构由T型结、第一子整流电路与第二子整流电路构成，所述T型结分别与第一子整流电路与第二子整流电路连接。本发明通过利用一个四分之一波长电长度的T型结将两路工作于不同输入功率范围的整流电路连接起来从而降低两个支路互相之间的影响，拓宽了整个整流电路的输入功率范围。
-
公开(公告)号：CN116806014A
公开(公告)日：2023-09-26
申请号：CN202310263576.6
申请日：2023-03-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于周边节点密度预测的车联网功率控制方法。所述方法具体包括如下步骤：构建动态的车对车通信模型；构建用于预测车辆周边节点密度的LSTM网络；收集道路上车辆的位置和密度信息，对构建的LSTM网络进行训练；利用训练好的LSTM网络对车辆发送数据期间的周边密度进行预测，判断当前路段车联网拥塞程度；根据判断结果进行分段的功率控制。本发明在C‑V2X模式4中引入LSTM网络，在感知窗口收集周边节点密度信息，对发送消息期间的节点密度进行预测，并进行分段功率控制，能够有效应对半双工通信车辆在发送期间不能得知环境变化的问题，提高数据包投递率和网络吞吐量。
-
Patent Agency Ranking
公开(公告)号：CN112770325B
公开(公告)日：2022-12-16
申请号：CN202011432778.1
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的认知车联网频谱感知方法，该方法包括以下步骤：构建车辆移动复杂环境下对应的衰落信道，并在其对应衰落信道下采集接收信号的样本值，对信号样本值进行能量归一化，将归一化后的数据分为训练集、验证集、测试集，以训练集和验证集对引入一维SEResidual层的神经网络进行训练和验证，输出为主信号存在和不存在两种情况。本发明考虑了车辆移动复杂环境下的各种衰落因素，根据不同的环境可选择不同的经过事先训练的神经网络，无需获取主信号的先验信息，并对采集信号样本值进行归一化，增强了模型的泛化能力，考虑了V2X通信环境下对时延的要求，在同等检测准确度情况下能大大减小感知决策时长。
-
公开(公告)号：CN115019043A
公开(公告)日：2022-09-06
申请号：CN202210655005.2
申请日：2022-06-10
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于交叉注意力机制的图像点云融合三维目标检测方法及系统，属于三维目标检测领域。方法包括：对图像进行目标检测及分割处理，得到实例掩码；根据点云图像空间投影关系得到每一个实例掩码内的点云集合；使用DBSCAN聚类算法对每一个点云集合内的点云进行聚类，为前景点集合中的所有点云逐点拼接实例分割结果向量，将经图像特征渲染的点云所占的整个三维空间划分成多个柱体并进行特征拆分和重组，引入交叉注意力机制聚合柱体内每个点的位置特征和图像特征，多个柱体的融合特征构成伪图像特征；使用RPN网络提取并整合伪图像特征的多尺度特征，根据高分辨率特征图生成三维目标检测结果；从而提高了融合精度，实现了更优的检测效果。
-
公开(公告)号：CN114973673A
公开(公告)日：2022-08-30
申请号：CN202210571307.1
申请日：2022-05-24
Applicant: 华南理工大学
IPC: G08G1/01 , H04L27/26 , H04L67/568
Abstract: 本发明公开了一种车路协同系统中结合NOMA和内容缓存的任务卸载方法，具体步骤如下：建立移动车辆与路侧单元RSU通信的动态场景；建立车辆任务计算时延和能耗效益之和最大化的优化目标；将原问题分解为车辆分簇与发射功率优化子问题和卸载决策与缓存策略优化子问题；优化车辆分簇与车辆发射功率，在通信可靠性的约束下进行车辆分簇，采用基于图论的启发式算法，求解车辆分簇与发射功率优化子问题；优化任务卸载决策与缓存策略，进行动态场景的卸载决策与缓存策略联合优化，求解卸载决策与缓存策略优化子问题；最终实现车辆任务开销最小，系统优化效益最大化。本发明具有实际场景的适用性，并且相较于传统任务卸载方法的优化效果更好。
-
公开(公告)号：CN114358038B
公开(公告)日：2022-06-03
申请号：CN202210229848.6
申请日：2022-03-10
Applicant: 华南理工大学
Abstract: 本发明应用于高精度融合定位领域，公开了一种基于车辆高精度定位的二维码坐标标定方法，在道路一旁设置二维码，二维码包含二维码面积；在第一车辆上设置高精度定位装置及第一摄像单元；根据高精度定位装置获取第一车辆的第一坐标，通过第一摄像单元获取二维码并解析获取二维码面积；根据二维码在所述第一摄像单元中的第一成像位置、第一成像二维码面积及所述第一坐标对二维码进行坐标标定。还公开了标定装置及计算机可读介质。一方面减少在道路大量设置二维码时的坐标测量;另一方面也可以为自动驾驶技术提供更准确可靠的坐标依据；同时还可以对未进行高精度定位的车辆进行高精度定位。
-
公开(公告)号：CN114358038A
公开(公告)日：2022-04-15
申请号：CN202210229848.6
申请日：2022-03-10
Applicant: 华南理工大学
Abstract: 本发明应用于高精度融合定位领域，公开了一种基于车辆高精度定位的二维码坐标标定方法，在道路一旁设置二维码，二维码包含二维码面积；在第一车辆上设置高精度定位装置及第一摄像单元；根据高精度定位装置获取第一车辆的第一坐标，通过第一摄像单元获取二维码并解析获取二维码面积；根据二维码在所述第一摄像单元中的第一成像位置、第一成像二维码面积及所述第一坐标对二维码进行坐标标定。还公开了标定装置及计算机可读介质。一方面减少在道路大量设置二维码时的坐标测量;另一方面也可以为自动驾驶技术提供更准确可靠的坐标依据；同时还可以对未进行高精度定位的车辆进行高精度定位。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.045 seconds)
