V2V 通信中协同感知的自监督自适应加权
计算机视觉与模式识别
2023-12-19 v1 机器学习
信号处理
摘要
对驾驶环境的感知对于避免碰撞和路径规划以确保驾驶安全至关重要。协同感知作为一种解决单车感知短板的有效方法已被广泛研究。然而，车对车 (V2V) 通信的实际局限性尚未得到充分调查。特别是，当前的协同融合模型依赖于监督模型，未能解决由任意信道损伤引起的动态性能下降问题。在本文中，提出了一种用于中间融合的自监督自适应加权模型，以减轻信道失真的不利影响。在不同系统设置下调查了协同感知的性能。还考虑了莱斯衰落和不完美的信道状态信息 (CSI)。数值结果表明，所提出的自适应加权算法显著优于无加权的基准模型。可视化示例验证了所提出的加权算法可以灵活适应各种信道条件。此外，该自适应加权算法表现出良好的泛化能力，能够适应未训练的信道和来自不同领域的测试数据集。
引用
@article{arxiv.2312.10342,
title = {Self-supervised Adaptive Weighting for Cooperative Perception in V2V Communications},
author = {Chenguang Liu and Jianjun Chen and Yunfei Chen and Ryan Payton and Michael Riley and Shuang-Hua Yang},
journal= {arXiv preprint arXiv:2312.10342},
year = {2023}
}
备注
accepted by IEEE Transactions on Intelligent Vehicles