-
公开(公告)号：CN114363130B
公开(公告)日：2022-06-17
申请号：CN202210268135.0
申请日：2022-03-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种面向大规模MIMO车联网的资源块动态调整方法、基站，其中方法包括：基站接收车辆发送的导频信号，利用导频信号进行信道估计得到估计信道系数；根据接收信号的空间功率谱函数获得接收信号的AoA，根据接收信号的AoA计算得到AoA扩展；根据AoA扩展计算AoA扩展参数κ，根据平均频谱效率ASE与资源块长度的关系，寻找使ASE最大的资源块长度，将该资源块长度广播给车辆，其中ASE与资源块长度的关系与AoA扩展参数κ有关。本方法可以利用AoA扩展信息来更新资源块的长度，保障通信系统的平均频谱效率最大化，从而适应环境的变化。AoA扩展参数κ表示AoA扩展的宽度，使得本方法能匹配车联网中多径分量聚合在AoA扩展中心角附近的传播特性，保障高动态系统中的网络性能。
-
公开(公告)号：CN113866743B
公开(公告)日：2022-03-15
申请号：CN202111472584.9
申请日：2021-12-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/48
Abstract: 一种用于车路协同感知的路侧激光点云精简方法和系统，其中方法包括：获取路侧激光雷达采集的路侧点云；将路侧点云中的每个点与预设搜索邻域内的模板点云进行统计，通过计算其与模板点云的相似度来搜索前景点，当相似度小于设定阈值时判定为前景点，反之为背景点，保留路侧点云中所有相似度小于阈值的点，得到初步精简的结果，其中，模板点云为仅包含背景目标的路侧点云；对初步精简结果进行离群点滤波，进一步滤除背景点云，得到最终的路侧前景点云；本发明通过点云的统计特性计算相似度来鉴别前背景点，可实现前景点云的实时搜索，获得数据量小但信息量丰富的前景点云，确保实时传输的同时不损失有用信息，达到较为理想的精简效果。
-
公开(公告)号：CN111461221B
公开(公告)日：2023-05-23
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V20/56
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
公开(公告)号：CN111460891B
公开(公告)日：2023-05-26
申请号：CN202010133125.7
申请日：2020-03-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及智能交通技术领域，具体涉及一种面向自动驾驶的车路协同行人重识别方法和系统，主要应用于依赖无线通信进行信息交互的车路协同系统，在尽可能减少通信资源占用的前提下，保证输出实时可靠的行人重识别结果，进而辅助自动驾驶车辆全面感知行人的运动状态和轨迹。其中方法包括：根据无线信道状态分别对车路两侧获取的行人图像进行高维深度特征提取和自适应特征降维处理，在图像特征维度满足重识别可靠性的前提下，尽可能降低图像特征维度，减少传输图像特征所产生的通信开销和传输时延。通过利用汉明距离计算车路两侧提取的行人图像的低维深度特征之间的距离，减少了计算量，加快了图像特征匹配速度，使得行人重识别系统的工作效率更高。
-
公开(公告)号：CN114363130A
公开(公告)日：2022-04-15
申请号：CN202210268135.0
申请日：2022-03-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种面向大规模MIMO车联网的资源块动态调整方法、基站，其中方法包括：基站接收车辆发送的导频信号，利用导频信号进行信道估计得到估计信道系数；根据接收信号的空间功率谱函数获得接收信号的AoA，根据接收信号的AoA计算得到AoA扩展；根据AoA扩展计算AoA扩展参数κ，根据平均频谱效率ASE与资源块长度的关系，寻找使ASE最大的资源块长度，将该资源块长度广播给车辆，其中ASE与资源块长度的关系与AoA扩展参数κ有关。本方法可以利用AoA扩展信息来更新资源块的长度，保障通信系统的平均频谱效率最大化，从而适应环境的变化。AoA扩展参数κ表示AoA扩展的宽度，使得本方法能匹配车联网中多径分量聚合在AoA扩展中心角附近的传播特性，保障高动态系统中的网络性能。
-
Patent Agency Ranking
公开(公告)号：CN113866743A
公开(公告)日：2021-12-31
申请号：CN202111472584.9
申请日：2021-12-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/48
Abstract: 一种用于车路协同感知的路侧激光点云精简方法和系统，其中方法包括：获取路侧激光雷达采集的路侧点云；将路侧点云中的每个点与预设搜索邻域内的模板点云进行统计，通过计算其与模板点云的相似度来搜索前景点，当相似度小于设定阈值时判定为前景点，反之为背景点，保留路侧点云中所有相似度小于阈值的点，得到初步精简的结果，其中，模板点云为仅包含背景目标的路侧点云；对初步精简结果进行离群点滤波，进一步滤除背景点云，得到最终的路侧前景点云；本发明通过点云的统计特性计算相似度来鉴别前背景点，可实现前景点云的实时搜索，获得数据量小但信息量丰富的前景点云，确保实时传输的同时不损失有用信息，达到较为理想的精简效果。
-
公开(公告)号：CN111461221A
公开(公告)日：2020-07-28
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
公开(公告)号：CN111460891A
公开(公告)日：2020-07-28
申请号：CN202010133125.7
申请日：2020-03-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及智能交通技术领域，具体涉及一种面向自动驾驶的车路协同行人重识别方法和系统，主要应用于依赖无线通信进行信息交互的车路协同系统，在尽可能减少通信资源占用的前提下，保证输出实时可靠的行人重识别结果，进而辅助自动驾驶车辆全面感知行人的运动状态和轨迹。其中方法包括：根据无线信道状态分别对车路两侧获取的行人图像进行高维深度特征提取和自适应特征降维处理，在图像特征维度满足重识别可靠性的前提下，尽可能降低图像特征维度，减少传输图像特征所产生的通信开销和传输时延。通过利用汉明距离计算车路两侧提取的行人图像的低维深度特征之间的距离，减少了计算量，加快了图像特征匹配速度，使得行人重识别系统的工作效率更高。
-
公开(公告)号：CN110213191B
公开(公告)日：2022-10-21
申请号：CN201910461412.8
申请日：2019-05-30
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L27/26
Abstract: 一种FBMC‑OQAM定时及信道估计训练序列设计方法和系统，涉及无线通信领域。训练序列由三个连续FBMC符号构成，包括两个辅助数据符号和位于所述两个辅助数据符号中间的一个导频符号。其中导频符号的奇数或偶数序号位的工作子载波调制数据置零，对应两个辅助数据符号奇数与偶数序号位的工作子载波调制数据相同或互为相反数，从而构建一种在时域具有共轭对称特性的序列，通过该序列的共轭对称特性可以完成定时同步功能。此外，利用FBMC‑OQAM系统中虚部干扰在时频平面上的对称特性，该训练序列不但可用于符号定时同步，还可用于FBMC‑OQAM系统滤波后的频域信道估计。
-
公开(公告)号：CN110071890B
公开(公告)日：2021-11-02
申请号：CN201910335891.9
申请日：2019-04-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种低峰均比FBMC‑OQAM信号处理方法和系统，是基于DFT预编码来降低FBMC‑OQAM信号峰均比的基带信号处理方法和系统。通过将分组后的预传输数据映射为满足特定共轭对称特性的数据序列，再采用DFT进行预编码可以将映射得到的共轭对称数据序列转化为满足OQAM调制实正交要求的实虚交替排列的数据序列，因此该预编码后的数据序列可以直接映射到对应的子载波上进行IFFT子载波调制和滤波。通过该系统和信号处理方法，避免了在DFT预编码和子载波调制IFFT之间进行额外的将复数的实虚部进行分离的OQAM预处理操作。因此通过该系统和信号处理方法可以借助DFT预编码使得FBMC‑OQAM系统的发射信号恢复单载波特性，进而可以显著的降低FBMC‑OQAM发射信号的峰均比。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.028 seconds)
