基于机器类比的多模态智能V2V信道模型
信号处理
2025-01-14 v1
摘要
本文提出一种新颖的第六代（6G）多模态智能车载间车载（V2V）信道模型，基于光检测和测距（LiDAR）点云，受机器类比（Synesthesia of Machines, SoM）启发。为探索物理环境与电磁空间之间的映射关系，构建了一个包含不同车辆流量密度（VTD）的新型V2V高保真混合感知-通信集成仿真数据集。基于构建的数据集，开发了一种利用神经网络SegNet的新型散射体识别（ScaR）算法，通过SoM从LiDAR点云识别散射体空间属性。在所开发的ScaR算法中，探索了LiDAR点云与散射体之间的映射关系，其中散射体的分布以网格图形式获得。进一步将散射体区分为动态散射体和静态散射体，基于LiDAR点云特征，确定与散射体相关的参数，如距离、角度和数量。通过ScaR，随着LiDAR点云随时间变化，动态和静态散射体发生变化，从而精确建模信道非平稳性和在不同VTD下的一致性。获得了一些重要的信道统计特性，如时频相关函数（TF-CF）和动力学功率谱密度（DPSD）。仿真结果与基于射线跟踪（RT）的仿真结果良好吻合，证明了探索映射关系和本文模型的必要性和实用性。
引用
@article{arxiv.2501.07333,
title = {Synesthesia of Machines Based Multi-Modal Intelligent V2V Channel Model},
author = {Zengrui Han and Lu Bai and Ziwei Huang and Xiang Cheng},
journal= {arXiv preprint arXiv:2501.07333},
year = {2025}
}