HawkRover：融合多传感器与深度学习的自主毫米波车载通信测试平台
信息论
2024-01-05 v2 计算机视觉与模式识别
math.IT
摘要
互联与自动化车辆（CAVs）已成为一项能够改变我们日常生活的变革性技术。当前，毫米波（mmWave）频段被认为是颇具前景的 CAV 连接解决方案。虽然毫米波能提供高数据速率，但其实现面临诸多挑战，例如毫米波信号传播过程中的高衰减和移动性管理。现有解决方案必须发起导频信号来测量信道信息，然后应用信号处理来计算指向接收端的最佳窄波束，以保证足够的信号功率。这一过程带来显著的开销和时延，因此不适合车辆应用。在本研究中，我们提出一个自主且低成本的测试平台，用于采集大量同地协作的毫米波信号及其他传感器数据，如传统上用于“自动化”的 LiDAR（光探测与测距）、摄像头、超声波等，以促进毫米波车载通信。直观而言，这些传感器可以构建车辆周围的三维地图，并估计信号传播路径，从而消除通过导频信号进行迭代的过程。这种多模态数据融合，结合人工智能，有望为“互联”研究带来重大进展。
引用
@article{arxiv.2401.01822,
title = {HawkRover: An Autonomous mmWave Vehicular Communication Testbed with Multi-sensor Fusion and Deep Learning},
author = {Ethan Zhu and Haijian Sun and Mingyue Ji},
journal= {arXiv preprint arXiv:2401.01822},
year = {2024}
}
备注
submitted to IEEE conferences for future publications