CN110782475B - 一种多径分量的处理方法、终端和计算机存储介质 - Google Patents
一种多径分量的处理方法、终端和计算机存储介质 Download PDFInfo
- Publication number
- CN110782475B CN110782475B CN201810855826.4A CN201810855826A CN110782475B CN 110782475 B CN110782475 B CN 110782475B CN 201810855826 A CN201810855826 A CN 201810855826A CN 110782475 B CN110782475 B CN 110782475B
- Authority
- CN
- China
- Prior art keywords
- track
- image
- straight line
- determining
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000003672 processing method Methods 0.000 title description 13
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000001228 spectrum Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 230000015654 memory Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000000903 blocking effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000005562 fading Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种多径分量的处理方法，该方法包括：获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，功率谱表征传播信道的功率基于第一预设参数的分布情况；去除第一图像中的杂散点，得到第二图像；从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹；其中，第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征第二预设参数随时间的变化情况。本发明实施例同时还公开了一种终端和计算机存储介质。
Description
技术领域
本发明涉及但不限于通信领域，尤其涉及一种多径分量的处理方法、终端和计算机存储介质。
背景技术
近年来，车-车通信由于能够显著提升智能交通系统的效率和安全性，而得到了研究学者的广泛关注。对于车-车通信电波传播的研究，更是整个车-车无线通信系统研究的基础。然而与传统蜂窝通信系统不同，车-车通信因为其显著的信道时变特性而变得更加复杂。
一个时变路径簇的轨迹会经历快衰落和阻挡，并且不同的路径簇的轨迹还有可能互相交叉。这些特征使得卡尔曼滤波或者层次化聚类等算法较难适用于对路径簇的轨迹的提取。
发明内容
为解决上述技术问题，本发明实施例期望提供一种多径分量的处理方法、终端和计算机存储介质，解决了相关技术中无法针对路径簇的轨迹进行提取的问题，能够对路径簇的轨迹进行有效的识别、跟踪和提取，并且计算复杂度较低。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供一种多径分量的处理方法，该方法包括：
获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，所述功率谱表征所述传播信道的功率基于第一预设参数的分布情况；
去除所述第一图像中的杂散点，得到第二图像；
从所述第二图像中确定所述传播信道的第二预设参数对应的第一轨迹，并根据所述第一轨迹确定第二轨迹；其中，所述第二轨迹包括所述第一轨迹；所述第一轨迹和所述第二轨迹用于表征所述第二预设参数随时间的变化情况。
本发明实施例提供一种终端，该终端包括：处理器、存储器和通信总线；
通信总线用于实现处理器和存储器之间的通信连接；
处理器用于执行存储器中的多径分量的处理程序，以实现以下步骤：
获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，所述功率谱表征所述传播信道的功率基于第一预设参数的分布情况；
去除所述第一图像中的杂散点，得到第二图像；
从所述第二图像中确定所述传播信道的第二预设参数对应的第一轨迹，并根据所述第一轨迹确定第二轨迹；其中，所述第二轨迹包括所述第一轨迹；所述第一轨迹和所述第二轨迹用于表征所述第二预设参数随时间的变化情况。
本发明实施例中提供一种计算机存储介质，计算机存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如上述多径分量的处理方法的步骤。
本发明实施例提供了一种多径分量的处理方法、终端和计算机存储介质，该方法包括：获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，功率谱表征传播信道的功率基于第一预设参数如时延的分布情况；去除第一图像中的杂散点，得到第二图像；从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹；其中，第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征第二预设参数随时间的变化情况；也就是说，本发明实施例中通过将路径信息转化为黑白图像信息、并在黑白图像中识别和跟踪传播信道的预设参数对应的轨迹，解决了相关技术中无法针对轨迹进行提取的问题，实现在时间-时延参数域对多径分量进行有效的分簇和跟踪，且具有较低的计算复杂度。
附图说明
图1为本发明实施例提供的一种多径分量的处理方法的流程示意图；
图2为本发明实施例提供的一种时变信道的时延功率谱对应的第一图像；
图3为本发明实施例提供的另一种多径分量的处理方法的流程示意图；
图4为本发明实施例提供的又一种多径分量的处理方法的流程示意图；
图5为本发明实施例提供的一种第一图像中固定时延对应的图像；
图6为本发明实施例提供的一种第一图像中固定时延对应的图像的变换；
图7为针对图6中的任一路径的放大示意图；
图8为本发明实施例提供的一种第一图像中固定时延对应的图像去除杂散点后的图像；
图9为本发明实施例提供的一种第一图像去除杂散点后的图像；
图10为本发明实施例提供的一种第一图像的改进霍夫变化空间示意图；
图11为本发明实施例提供的一种路径区域的示意图；
图12为本发明实施例提供的一种路径簇中第一轨迹片段的示意图；
图13为本发明实施例提供的一种路径簇中对第一轨迹片段进行追踪的示意图；
图14为本发明实施例提供的一种识别出的各个轨迹的示意图；
图15为本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
应理解，说明书通篇中提到的“本发明实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“本发明实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本发明实施例提出的多径分量的处理方法，能够以较低的计算复杂度在时间-时延域对动态传播信道的多径分量进行识别、跟踪和提取，在无线通信领域具有广泛的应用前景。传统通信系统中对空域和时域的处理主要集中在数字域，而本发明实施例是在路径簇层面对无线信道的空域和时域特征进行精确建模和再现。本发明实施例提出的多径分量的处理方法，对于未来无线通信系统的设计、各种通信技术在实际的传播环境中的验证都具有重要的价值。在实际的通信产品中，也可以利用本发明实施例提出的多径分量的处理方法得到的识别和跟踪结果来判断通信环境中的主要散射体的存在，并利用这些散射体进行多链路传输或者分集传输，从而有效提高通信的质量、稳定性和低时延性。
本发明实施例提出的多径分量的处理方法可以应用于如下场景中，例如，基于多天线通信系统的波束赋型和跟踪，以实现对无线信道的空域和时域特征进行精确建模；又例如，在车联网和雷达系统中进行物体的识别和运动预测，进行危险预警和规避等；再例如，基于发明实施例提出的多径分量的处理方法所提取的信道多径成分可以作为信道指纹信息广泛用于定位系统以及大数据分析等。也就是说，本发明实施例提出的多径分量的处理方法在通信领域中从基础研究到各种技术场景中具有极其广泛的应用市场。
一个时变路径簇的轨迹会经历快衰落和阻挡，并且不同的簇轨迹还有可能互相交叉。这些特征使得卡尔曼滤波或者层次化聚类等算法较难适用于对路径簇的提取。快衰落和阻挡很容易导致“跟踪丢失”，而且不同的路径簇互相交叉也会导致跟踪错误地从一个路径簇偏移到另外一个路径簇。但是本发明实施例提出的多径分量的处理方法能够很好的解决上述问题，本发明实施例提出的多径分量的处理方法通过将路径信息转化为图像信息、在黑白图像中识别和跟踪路径簇，能够有效克服上述的困难从而在时间-时延参数域对多径分量进行有效的分簇和跟踪，且具有较低的计算复杂度。
这里，对本发明实施例中涉及到的符号所表征的含义进行解释说明，t时刻、τ传播时延、u多普勒频率、x水平坐标轴、y垂直坐标轴、ρ原点到直线的距离即极径、θ水平坐标轴到直线垂线的夹角即极角、xf一个固定的水平坐标值、l快拍对应的时间窗、ts相邻信道冲激响应时间间隔、τr时延分辨率、τe主要峰值选取的时延范围域值、yb路径簇最大阻挡时间、c光速和v路径簇速度。
本发明的实施例提供一种多径分量的处理方法，该方法应用于终端，参照图1所示，该方法包括以下步骤：
步骤101、获取待处理的传播信道的功率谱对应的二值图像，得到第一图像。
其中，功率谱表征传播信道的功率基于第一预设参数如时延的分布情况。这里，时变时延功率谱可以针对车-车信道进行测量得到的。终端获取时变时延功率谱之后，可以对时变时延功率谱进行二值化处理，得到二值图像即黑白图像作为第一图像。
在本发明实施例中，针对车-车信道进行测量选用一辆小汽车和一辆面包车分别作为发射端和接收端。一个准全向天线被安装在小汽车的外部左上方，距离地面大概1.5米，作为发射天线；同样的一个天线被安置在面包车的外部左上方，距离地面大概1.9米，作为接收端。测量在同济大学嘉定校区附近一条限速80千米/时的道路上开展。道路所处的环境主要以郊区场景为主。道路两旁有金属灯柱和大型厂房等。道路上有较多行驶的车辆，包括小汽车、面包车和大卡车等。接收端和发射端同向而行，以正常行驶速度行进。信道测量所用仪器的发送信号带宽为100MHz，即时延分辨率为10纳秒，中心频点为5.9GHz。信道冲激响应(Channel Impulse Response，CIR)每隔1.2毫秒采集一个。
在本发明实施例中，在针对车-车信道进行测量得到的时变时延功率谱的水平坐标轴表征传播时延，垂直坐标轴表征时间，以及颜色表征接收功率。进一步地，针对时变时延功率谱进行二值化处理，得到如图2所示的第一图像，从图2中可以看到，测量观察到的信道在时间-时延域包含了很多条轨迹。此外，不同轨迹的多普勒特征亦不尽相同。直观地，这些不同的轨迹可以认为是不同的路径簇。除了这些路径簇轨迹之外，还观察到一些不呈现出明显的轨迹，而是分散在时延域的路径分量，我们称之为杂波路径。
需要说明的是，一个时变路径簇的轨迹会经历快衰落和阻挡，并且不同的簇轨迹还有可能互相交叉。这些特征使得卡尔曼滤波或者层次化聚类等算法较难适用于对路径簇的提取。快衰落和阻挡很容易导致跟踪丢失，而且不同的路径簇互相交叉也会导致跟踪错误地从一个路径簇偏移到另外一个路径簇。基于这些路径簇轨迹是斜率缓慢变化的曲线的事实，发明人认为只要这些曲线被检测出来，那么路径簇也就能被确定下来。由于一些不期望的峰值存在于时延功率谱中，黑白图像中存在非常多的杂散点。
步骤102、去除第一图像中的杂散点，得到第二图像。
这里，对于一个固定时延，路径簇与杂散点的不同在于代表路径簇的点在一定时间内高密度连续出现；这一区别可以被用来在固定的时延上来区分路径簇与杂散点。
在本发明实施例中，终端获取到第一图像之后，可以将点密度作为去除第一图像中的杂散点的主要的参考因素，针对第一图像去除杂散点，得到第二图像。
示例性的，图2中固定时延200处所对应的G点指的是杂散点，E所指的是路径。
步骤103、从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹。
其中，第二预设参数可以是与信号的传播方向有关的参数，也可以是与信号的传播功率有关的参数。第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征预设参数随时间的变化情况。第一轨迹可以称为第一轨迹片段，第一轨迹是第二轨迹上的一部分。这里，终端从去除杂散点的第二图像中确定第一轨迹片段，并根据第一轨迹片段进行前向和后向跟踪，进而确定第二轨迹。如此，实现针对多径分量的识别和跟踪，从多径分量中确定每一条轨迹。
本发明的实施例所提供的多径分量方法，获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，功率谱表征传播信道的第一预设参数如功率在时延上的分布情况；去除第一图像中的杂散点，得到第二图像；从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹；其中，第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征第二预设参数随时间的变化情况；也就是说，本发明实施例中通过将路径信息转化为黑白图像信息、并在黑白图像中识别和跟踪传播信道的预设参数对应的轨迹，解决了相关技术中无法针对轨迹进行提取的问题，实现在时间-时延参数域对多径分量进行有效的分簇和跟踪，且具有较低的计算复杂度。
基于前述实施例，本发明的实施例提供一种多径分量的处理方法，该方法应用于终端，参照图3所示，该方法包括以下步骤：
步骤201、获取待处理的传播信道的功率谱对应的二值图像，得到第一图像。
其中，功率谱表征传播信道的功率基于第一预设参数如时延的分布情况。
步骤202、去除第一图像中的杂散点，得到第二图像。
步骤203、从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹。
其中，第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征第二预设参数随时间的变化情况。
步骤204、保存第二轨迹的轨迹信息，并从第二图像中移除第二轨迹，得到第四图像。
其中，轨迹信息用于表征第二轨迹。
这里，终端从第二图像中确定第二轨迹之后，先将第二轨迹的路径信息保存，然后将第二轨迹从第二图像中移除，得到第四图像。
步骤205、从第四图像中确定第二预设参数对应的第四轨迹，并根据第四轨迹确定第五轨迹。
其中，第五轨迹包括第四轨迹；第四轨迹和第五轨迹用于表征第二预设参数随时间的变化情况。第五轨迹与第二轨迹是两条不同的轨迹。第四轨迹可以称为第四轨迹片段，第四轨迹是第五轨迹上的一部分。
这里，步骤205从第四图像中确定第二预设参数对应的第四轨迹，并根据第四轨迹确定第五轨迹的实现方式与步骤103从第二图像中确定第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹的实现方式类似。
在本发明实施例中，终端确定出一条轨迹则将该轨迹从去除杂散点的黑白图像中移除，以减少针对下一条轨迹进行提取的干扰。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
基于前述实施例，本发明的实施例提供一种多径分量的处理方法，参照图4所示，该方法包括以下步骤：
步骤301、获取待处理的传播信道的功率谱对应的二值图像，得到第一图像。
其中，功率谱表征传播信道的功率基于第一预设参数如时延的分布情况。
步骤302、获取第一图像中每一第一预设参数对应的第一子图像。
其中，第一子图像包括多条第三轨迹；第三轨迹用于表征预设参数随时间的变化情况。这里，对于一个固定时延，路径簇即轨迹与杂散点的不同在于代表路径簇的点在一定时间内高密度连续出现；因此，本发明实施例中，针对第一图像中每一固定时延对应的第一子图像分别进行去除杂散点的处理。
在本发明实施例中，示例性的，图5展示了第一图像中时延固定在xf＝200的整个时间范围的第一子图像即黑白图像片段p(xf，y)。
步骤303、获取第一子图像中的每一条第三轨迹的长度、点密度以及时间长度。
这里，终端在获取第一图像中每一时延对应的第一子图像之后，针对第一子图像进行图像变换，得到第一子图像中每一条第三轨迹的长度、点密度以及时间长度。例如，针对图5中的第一子图像进行图像变换，得到图6所示的展示第一子图像中每一条第三轨迹的长度、点密度以及时间长度的图像。图6中水平坐标轴表征时延，垂直坐标轴表征信道快拍数，以及颜色表征点密度。图7针对图5中的一条第三轨迹进行放大显示，其中，楔形区域的顶点，顶点如图7中黑色圆圈所指的位置，表明了符合有效轨迹片段要求的最长片段的信息。在本发明实施例中，杂散点可以通过只保留所有轨迹长度大于或等于20ts的楔形端点所对应的片段而去除。
步骤304、确定多条第三轨迹中长度符合预设长度、点密度符合预设密度，以及时间长度符合预设时间长度的轨迹为第一目标轨迹。
这里，示例性的，预设长度可以为20、预设密度可以为0.8，预设时间长度可以为20。终端将每一第三轨迹的长度与预设长度进行比对，将每一第三轨迹的点密度与预设密度进行比对，并将每一第三轨迹的时间长度与预设时间长度进行比对，并将多条第三轨迹中长度符合预设长度、点密度符合预设密度以及时间长度符合预设时间长度的第三轨迹确定为第一目标轨迹。例如，将图6中矩形框内的轨迹确定为一条第一目标轨迹。
步骤305、去除第一子图像中除了第一目标轨迹以外的第二轨迹，得到第二图像。
这里，终端在确定出每一时延对应的第一目标轨迹之后，确定每一时延对应的第一子图像中除了第一目标轨迹以外的第三轨迹为杂散点即杂波路径。
这里，终端在确定与每一固定时延对应的杂波路径之后，从第一图像中去除每一固定时延对应的杂波路径，得到第二图像。
示例性的，固定时延200对应的第一子图像去除杂波路径后的图像如图8所示。进一步地，通过在每个固定的时延上重复同样的操作，可以移除第一图像中的杂散点，当第一图像中每一固定时延对应的杂波路径均去除之后，可以得到图9所示的针对第一图像去除杂散点后的第二图像。
步骤306、从第二图像中确定第二预设参数对应的目标子图像。
这里，终端在得到去除杂散点的第二图像之后，从第二图像中确定传播信道的预设参数对应的目标子图像，该目标子图像可以称为轨迹范围。该轨迹范围表征当前第二图像中尽可能多的点的范围。
在本发明实施例中，步骤306从第二图像中确定第二预设参数对应的目标值图像可以包括：
A1、对第二图像进行霍夫变换，得到多个第一点密度。
其中，T(y，l；xf)表示具有固定时延xfτr，时间中心为yts，且时间长度为(1+l)ts的黑白图像片段的点密度。
A2、获取多个第一点密度中值最大的第一点密度，得到最大第一点密度。
这里，终端利用上述公式(1)计算出第二图像中每一点的点密度之后，可以从多个点密度中确定值最大的第一点密度，得到最大第一点密度。例如，图10中圆圈所指点密度的值为最大的第一点密度。图10中水平坐标轴表征极角，垂直坐标轴表征极径，以及颜色表征点密度即该点处点的个数。几条曲线相交于一点意味着这些定点是共线的，进而可以确定出最大的第一点密度对应的极角和极径。
A3、根据最大第一点密度对应的极角和极径，确定第二图像中的第一直线。
这里，假设图11中a1对应的直线为第一直线。
A4、基于第一直线在第二图像中确定第二直线。
这里，终端在确定第一直线之后，将第一直线a1向右平移预设距离，得到第二直线a2。第一直线a1和第二直线a2对应于理想路径(a)。b对应的直线可以称为理想路径(b)。
A5、将第一直线、第二直线和第二图像的边界线围成的区域对应的图像，确定为目标子图像。
这里，终端可以根据第一直线、第二直线和第二图像的边界线围成的区域确定目标子图像，目标子图像可以称为路径区域或路径范围；即本发明实施例中在路径范围内寻找轨迹。
附图11展示了具有两条具有恒定速度的理想路径(a)和(b)的点分布情况。对于路径(a)，它的轨迹点由于时延分辨率限制不落在同一条直线上。实际上，它们位于两条平行线限制的范围内，且两条直线的距离为(1-|tanθ|)cosθ。注意到当θ的绝对值大于或者等于45度时，这两条直线统一为同一条直线，如路径(b)所示。本发明实施例中，可以使用(θ，ρ，ρ′)代表一个轨迹范围，
ρ′＝ρ+(1-α)cosθ (2)
其中，
此外，轨迹范围的相对速度v可以通过如下公式计算得到：
其中，c代表光速。在本发明实施例中，在限速的车车场景中，θ的范围可由180°缩小为大概8°，例如由_4°到4°，这样可以大大减小计算量。对于黑白图像中位于(x，y)的点，有无数个路径通过它。这些范围满足如下的条件
(x cosθ+y sinθ-ρ)(x cosθ+y sinθ-ρ′)≤0 (4)
也就是说，在第一直线a1和第二直线a2之间的点对应的极角和极径均满足公式(4)。
改进的霍夫变换由此表示为
其中，
本发明实施例中公式(5)中可以省略ρ′以使得表达更为简洁，因为公式(5)中实质上是由θ和ρ两个变量决定的。这样一来，通过寻找改进的霍夫变换空间的局部极值，就可以对应到通过尽可能多的点的轨迹范围。此外，考虑到多径叠加、噪声等的影响可能使得路径点偏移到相邻位置，路径区域宽度即第一直线a1和第二直线a2之间的距离ρ′-ρ可以被扩大为例如(1-α)cosθ+2cosθ。即是说，在θ小于或等于45°时，我们认为需要追踪的路径在这两条平行直线之间，当θ大于45°时，这两条直线变成一条直线。改进的霍夫变换和传统霍夫变换的区别在于，传统霍夫变换要求满足的条件为在参数域上，所追踪的路径应该经过点(ρ，θ)，而在改进的霍夫变换中，所追踪的路径应该在一个限定的区域范围内。
步骤307、从目标子图像中确定第一轨迹。
跟踪过程通过寻找一个轨迹片段进行初始化，然后在时间上继续跟踪以形成一个完整的轨迹。
我们使用参数集Ω＝{θ，ρ，x-，y-，x+，y+}表示一个径簇片段，它属于轨迹区域(θ，ρ)，开始于(x-，y-)，结束于(x+，y+)。
B1、对目标子图像进行霍夫变换，得到多个第二点密度。
B2、获取多个第二点密度中值最大的第二点密度，得到最大第二点密度。
这里，终端获取最大第二点密度可以通过检测目标子图像的改进霍夫变换空间的最大值获得，进而可以得到最大第二点密度对应的极角和极径。
B3、根据最大第二点密度对应的极角和极径，确定目标子图像中的第三直线为第一轨迹。
对于所考虑的黑白图像I例如当前完整的黑白图像I0，对于包含最多点数的轨迹范围Ω通过如下方式获得。
参见附图9和附图10所示，对限制在目标子图像I中的轨迹区域(θ，ρ)(如附图9中的加粗的黑线所示)应用去除杂散点变换，(x-，y-，x+，y+)可通过在变换域中寻找具有最大路径长度的楔形区域端点得到，如图12中的黑线所示。从I到Ω的映射记为
Ω＝M(I) (6)
步骤308、根据第一轨迹确定第四直线和第五直线。
其中，第四直线、和第五直线不同，而且第四直线与第一轨迹的夹角等于第五直线与第一轨迹的夹角。
将如附图12中黑色线条标识得到的第一轨迹片段，将该第一轨迹片段作为初始片段，并继续在未来(向前)和过去(向后)的时间跟踪以形成完整的轨迹。
由于路径簇的相对速度随着时间缓慢发生变化，很自然地想到在靠近之前获得的轨迹片段的范围内继续寻找下一个轨迹片段，并且下个轨迹片段的相对速度应接近于上一个轨迹片段的相对速度。
步骤309、将第四直线、第五直线和第二图像中的预设直线围成的区域对应的图像确定为第二目标子图像。
其中，预设直线与预设时间具有关联关系。这里，第二图像中的预设直线可以是第二图像的边界线。当然，第二图像中的预设直线也可以是与第二图像的边界线不同的直线。
在本发明实施例中，给定第k个片段Ωk＝{θk，ρk，xk -，yk -，xk +，yk +}和相邻片段的速度改变容忍度Δy，则向前的第(k+1)个轨迹片段理应在由三条直线包围的三角区域范围内寻找。示例性的，结合图13所示，第二图像中的预设直线可以是第二图像的边界线，即直线S3(90°，ym)，第二图像中的第四直线S2(θk+Δθ，xk +cos(θk+Δθ)+yk +sin(θk+Δθ))和第二图像中的第五直线S1(θk-Δθ，xk +cos(θk-Δθ)+yk +sin(θk-Δθ))包围的三角形区域即子图像Ik+1＝{xk +，yk +，θk-Δθ，θk+Δθ，ym}。其中Δθ由Av通过公式(3)计算得到，ym是30秒内总共的快拍数，即25000。
步骤310、在第二目标子图像中查找与第一轨迹对应的第二目标轨迹，并将第一轨迹和第二目标轨迹组成第二轨迹。
其中，第二目标轨迹用于表征第二预设参数随时间的变化情况。
在本发明实施例中，步骤310中在第二目标子图像中查找与第一轨迹对应的第二目标轨迹，可以通过如下步骤实现：
C1、获取第一轨迹中的多个信道快拍数中的最大值对应的第一坐标。
C2、获取第二目标子图像中的每个信道快拍数与最大值之间的差值，并获取差值中的最小值对应的第二坐标。
C3、根据第一坐标和第二坐标确定第二目标轨迹。
为了平滑而连续地跟踪轨迹片段，第(k+1)个片段不是直接由Ωk+1＝M(Ik+1)获得。它的候选片段Ωk+1，n由以下的操作获取
Ωk+1，n＝M(Ik+1，n) (7)
其中n表示Ωk+1的候选索引，并且
直到Ik+1，n为空(y+ k＝y- k+1，n-1)或者M(Ik+1，n)失败即在Ik+1，n没有找到有效的片段。在这些候选中，速度改变在阈值范围内且和Ωk的时间差最小的片段最终被选择为Ωk+1，即
其中，|θk+1m-θk|≤Δθ(10)成立。当为空或者时(yb表示可能发生的最大阻挡时间)，向前寻找的过程终止。考虑到环境的类型和车辆的运动状态，yb和Δy分别被经验地选取为1秒和3米/秒。
附图12到附图13展示了一个示例向前跟踪的过程，其中只有一个候选片段。这样一种递归获取候选片段的操作的目的是为了避免可能的跟踪丢失，例如在路径簇速度变化较为迅速的情况下。此外，向后跟踪的过程和向前跟踪类似，只是将公式(8)和公式(9)中的上标+和-交换，并且ym替换为0。
在测量获取的信道中观察到的多个路径簇通过“跟踪-去除”的过程获取。提出的算法将测量获取的信道从原始的信道冲激响应转化为可视和物理可解释的图片，有助于在路径簇层面上深入研究信道的特征。图14展示了最终的时变路径簇(或者路径簇的峰值点)的跟踪结果，其中不同的路径簇用不同的颜色表示。参考这些峰值点的位置，很容易在时延域确定路径簇的边界。在我们的例子中，当时延抽样点的功率相对峰值功率下降超过20分贝或者降到噪声线以时，选取其作为边界。剩余的在时变路径簇之外的抽样点被认为是杂波路径。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
基于前述实施例，本发明的实施例提供一种终端，该终端可以应用于图1、3以及4对应的实施例提供的一种多径分量的处理方法中，参照图5所示，该终端50包括：处理器51、存储器52和通信总线53，其中：
第一通信总线53用于实现第一处理器51和第一存储器52之间的通信连接；
第一处理器53用于执行第一存储器52中存储的多径分量的处理程序，以实现以下步骤：
获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，功率谱表征传播信道的功率基于第一预设参数的分布情况；
去除第一图像中的杂散点，得到第二图像；
从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹；其中，第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征第二预设参数随时间的变化情况。
在本发明的其它实施例中，第一处理器53用于执行第一存储器52中存储的去除第一图像中的杂散点，得到第二图像，以实现以下步骤：
获取第一图像中每一第一预设参数对应的第一子图像；其中，第一子图像包括多条第三轨迹；第三轨迹用于表征第二预设参数随时间的变化情况；
获取第一子图像中的每一条第三轨迹的长度、点密度以及时间长度；
确定多条第三轨迹中长度符合预设长度、点密度符合预设密度，以及时间长度符合预设时间长度的轨迹为第一目标轨迹；
去除第一子图像中除了第一目标轨迹以外的第二轨迹，得到第二图像。
在本发明的其它实施例中，第一处理器53用于执行第一存储器52中存储的从第二图像中确定第二预设参数对应的第一轨迹，以实现以下步骤：
从第二图像中确定第二预设参数对应的目标子图像；
从目标子图像中确定第一轨迹。
在本发明的其它实施例中，第一处理器53用于执行第一存储器52中存储的从第二图像中确定第二预设参数对应的目标子图像，以实现以下步骤：
对第二图像进行霍夫变换，得到多个第一点密度；
获取多个第一点密度中值最大的第一点密度，得到最大第一点密度；
根据最大第一点密度对应的极角和极径，确定第二图像中的第一直线；
基于第一直线在第二图像中确定第二直线；
将第一直线、第二直线和第二图像的边界线围成的区域对应的图像，确定为目标子图像。
在本发明的其它实施例中，第一处理器53用于执行第一存储器52中存储的从目标子图像中确定第一轨迹，以实现以下步骤：
对目标子图像进行霍夫变换，得到多个第二点密度；
获取多个第二点密度中值最大的第二点密度，得到最大第二点密度；
根据最大第二点密度对应的极角和极径，确定目标子图像中的第三直线为第一轨迹。
在本发明的其它实施例中，第一处理器53用于执行第一存储器52中存储的根据第一轨迹确定第二轨迹，以实现以下步骤：
根据第一轨迹确定第四直线和第五直线；其中，第四直线、和第五直线不同，而且第四直线与第一轨迹的夹角等于第五直线与第一轨迹的夹角；
将第四直线、第五直线和第二图像中的预设直线围成的区域对应的图像确定为第二目标子图像；其中，预设直线与预设时间具有关联关系；
在第二目标子图像中查找与第一轨迹对应的第二目标轨迹；其中，第二目标轨迹用于表征第二预设参数随时间的变化情况；
将第一轨迹和第二目标轨迹组成第二轨迹。
在本发明的其它实施例中，第一处理器53用于执行第一存储器52中存储的在第二目标子图像中查找与第一轨迹对应的第二目标轨迹，以实现以下步骤：
获取第一轨迹中的多个信道快拍数中的最大值对应的第一坐标；
获取第二目标子图像中的每个信道快拍数与最大值之间的差值，并获取差值中的最小值对应的第二坐标；
根据第一坐标和第二坐标确定第二轨迹。
在本发明的其它实施例中，第一处理器53还用于执行以下步骤：
保存第二轨迹的轨迹信息，并从第二图像中移除第二轨迹，得到第四图像；其中，轨迹信息用于表征第二目标轨迹；
从第四图像中确定传播信道的预设参数对应的第四轨迹，并根据第四轨迹确定第五轨迹；其中，第五轨迹包括第四轨迹；第四轨迹和第五轨迹用于表征预设参数随时间的变化情况。
需要说明的是，本实施例中第一处理器所执行的步骤的具体实现过程，可以参照图1、3～4对应的实施例提供的多径分量的处理方法中的实现过程，此处不再赘述。
本发明的实施例所提供的终端，获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，功率谱表征传播信道的功率基于第一预设参数如时延的分布情况；去除第一图像中的杂散点，得到第二图像；从第二图像中确定传播信道的第二预设参数对应的第一轨迹，并根据第一轨迹确定第二轨迹；其中，第二轨迹包括第一轨迹；第一轨迹和第二轨迹用于表征第二预设参数随时间的变化情况；也就是说，本发明实施例中通过将路径信息转化为黑白图像信息、并在黑白图像中识别和跟踪传播信道的预设参数对应的轨迹，解决了相关技术中无法针对轨迹进行提取的问题，实现在时间-时延参数域对多径分量进行有效的分簇和跟踪，且具有较低的计算复杂度。
基于前述实施例，本发明的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如图1、3～4对应的实施例提供的多径分量的处理方法的步骤。
需要说明的是，上述计算机存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，从语句“包括一个......”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所描述的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可从计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种多径分量的处理方法，其特征在于，所述方法包括：
获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，所述功率谱表征所述传播信道的功率基于第一预设参数的分布情况；
去除所述第一图像中的杂散点，得到第二图像；
从所述第二图像中确定所述传播信道的第二预设参数对应的目标子图像，其中，所述第二预设参数是与信号的传播方向或传播功率有关的参数；
对所述目标子图像进行霍夫变换，得到多个第二点密度，获取所述多个第二点密度中值最大的第二点密度，得到最大第二点密度，根据所述最大第二点密度对应的极角和极径，确定所述目标子图像中的第三直线为第一轨迹，并根据所述第一轨迹的片段进行前向和后向跟踪，确定第二轨迹；其中，所述第二轨迹包括所述第一轨迹；所述第一轨迹和所述第二轨迹用于表征所述第二预设参数随时间的变化情况。
2.根据权利要求1所述的方法，其特征在于，所述去除第一图像中的杂散点，得到第二图像，包括：
获取所述第一图像中每一第一预设参数对应的第一子图像；其中，所述第一子图像包括多条第三轨迹；所述第三轨迹用于表征所述第二预设参数随时间的变化情况；
获取所述第一子图像中的每一条第三轨迹的长度、点密度以及时间长度；
确定所述多条第三轨迹中长度符合预设长度、点密度符合预设密度，以及时间长度符合预设时间长度的轨迹为第一目标轨迹；
去除所述第一子图像中除了所述第一目标轨迹以外的第二轨迹，得到所述第二图像。
3.根据权利要求1所述的方法，其特征在于，所述从所述第二图像中确定所述传播信道的第二预设参数对应的目标子图像，包括：
对所述第二图像进行霍夫变换，得到多个第一点密度；
获取所述多个第一点密度中值最大的第一点密度，得到最大第一点密度；
根据所述最大第一点密度对应的极角和极径，确定所述第二图像中的第一直线；
基于所述第一直线在所述第二图像中确定第二直线，其中，所述第二直线是所述第一直线经过向右平移确定的；
将所述第一直线、所述第二直线和所述第二图像的边界线围成的区域对应的图像，确定为所述目标子图像。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一轨迹的片段进行前向和后向跟踪，确定第二轨迹，包括：
根据所述第一轨迹确定第四直线和第五直线；其中，所述第四直线、和所述第五直线不同，而且所述第四直线与所述第一轨迹的夹角等于所述第五直线与所述第一轨迹的夹角；
将所述第四直线、所述第五直线和所述第二图像中的预设直线围成的区域对应的图像确定为第二目标子图像；其中，所述预设直线与预设时间具有关联关系；
在所述第二目标子图像中查找与所述第一轨迹对应的第二目标轨迹；其中，所述第二目标轨迹用于表征所述第二预设参数随时间的变化情况；
将所述第一轨迹和所述第二目标轨迹组成所述第二轨迹。
5.根据权利要求4所述的方法，其特征在于，所述在所述第二目标子图像中查找与所述第一轨迹对应的第二目标轨迹，包括：
获取所述第一轨迹中的多个信道快拍数中的最大值对应的第一坐标；
获取所述第二目标子图像中的每个信道快拍数与所述最大值之间的差值，并获取所述差值中的最小值对应的第二坐标；
根据所述第一坐标和所述第二坐标确定所述第二目标轨迹。
6.根据权利要求1所述的方法，其特征在于，所述从所述第二图像中确定所述传播信道的第二预设参数对应的第一轨迹，并根据所述第一轨迹确定第二轨迹之后，所述方法还包括：
保存所述第二轨迹的轨迹信息，并从所述第二图像中移除所述第二轨迹，得到第四图像；其中，所述轨迹信息用于表征所述第二轨迹；
从所述第四图像中确定所述第二预设参数对应的第四轨迹，并根据所述第四轨迹确定第五轨迹；其中，所述第五轨迹包括所述第四轨迹；所述第四轨迹和所述第五轨迹用于表征所述第二预设参数随时间的变化情况。
7.一种终端，其特征在于，所述终端包括：处理器、存储器和通信总线；
所述通信总线用于实现处理器和存储器之间的通信连接；
所述处理器用于执行存储器中的多径分量的处理程序，以实现以下步骤：
获取待处理的传播信道的功率谱对应的二值图像，得到第一图像；其中，所述功率谱表征所述传播信道的功率基于第一预设参数的分布情况；
去除所述第一图像中的杂散点，得到第二图像；
从所述第二图像中确定所述传播信道的第二预设参数对应的目标子图像，其中，所述第二预设参数是与信号的传播方向或传播功率有关的参数；
对所述目标子图像进行霍夫变换，得到多个第二点密度，获取所述多个第二点密度中值最大的第二点密度，得到最大第二点密度，根据所述最大第二点密度对应的极角和极径，确定所述目标子图像中的第三直线为第一轨迹，并根据所述第一轨迹的片段进行前向和后向跟踪，确定第二轨迹；其中，所述第二轨迹包括所述第一轨迹；所述第一轨迹和所述第二轨迹用于表征所述第二预设参数随时间的变化情况。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至6中任一项所述的多径分量的处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810855826.4A CN110782475B (zh) | 2018-07-30 | 2018-07-30 | 一种多径分量的处理方法、终端和计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810855826.4A CN110782475B (zh) | 2018-07-30 | 2018-07-30 | 一种多径分量的处理方法、终端和计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110782475A CN110782475A (zh) | 2020-02-11 |
| CN110782475B true CN110782475B (zh) | 2025-01-24 |
Family
ID=69382853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810855826.4A Active CN110782475B (zh) | 2018-07-30 | 2018-07-30 | 一种多径分量的处理方法、终端和计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110782475B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112363539B (zh) * | 2020-11-18 | 2021-09-21 | 中国海洋大学 | 多无人机协同目标搜索方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955947A (zh) * | 2014-03-21 | 2014-07-30 | 南京邮电大学 | 一种基于连续最小能量与表观模型的多目标关联跟踪方法 |
| CN106162938A (zh) * | 2016-06-30 | 2016-11-23 | 联想(北京)有限公司 | 一种信息处理方法和第一电子设备 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2260336A1 (en) * | 1999-02-15 | 2000-08-15 | Robert Inkol | Modulation recognition system |
| KR100492564B1 (ko) * | 2003-03-05 | 2005-06-03 | 엘지전자 주식회사 | 휴대단말기의 출력전력 온오프 제어 임계값 결정방법 |
| CN102098082B (zh) * | 2009-12-11 | 2013-10-23 | 中国移动通信集团公司 | 信道簇跟踪方法及装置 |
| WO2014101009A1 (zh) * | 2012-12-26 | 2014-07-03 | 华为技术有限公司 | 信道参数估计方法及装置、评估信道传播环境的方法及装置 |
| WO2016191941A1 (zh) * | 2015-05-29 | 2016-12-08 | 华为技术有限公司 | 对移动终端定位时的到达时间toa获取方法及装置 |
| CN105610528B (zh) * | 2015-12-17 | 2018-05-08 | 中国铁路总公司 | 一种针对时变信道多径分量的分簇与跟踪方法 |
| CN107438085B (zh) * | 2016-05-25 | 2021-12-28 | 西安中兴新软件有限责任公司 | 一种基于车载终端的自组网方法及车载终端 |
| CN107734462A (zh) * | 2016-08-10 | 2018-02-23 | 索尼公司 | 无线通信中的电子设备和方法 |
| CN107484197B (zh) * | 2017-05-23 | 2020-10-20 | 南京航空航天大学 | 任意多普勒功率谱的无线衰落信道模拟装置及方法 |
| CN107800497A (zh) * | 2017-10-31 | 2018-03-13 | 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） | 一种适用于宽带短波通信的信道模拟方法及装置 |
-
2018
- 2018-07-30 CN CN201810855826.4A patent/CN110782475B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955947A (zh) * | 2014-03-21 | 2014-07-30 | 南京邮电大学 | 一种基于连续最小能量与表观模型的多目标关联跟踪方法 |
| CN106162938A (zh) * | 2016-06-30 | 2016-11-23 | 联想(北京)有限公司 | 一种信息处理方法和第一电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110782475A (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111239766B (zh) | 基于激光雷达的水面多目标快速识别跟踪方法 | |
| CN113167860B (zh) | 雷达深度学习 | |
| US20210350149A1 (en) | Lane detection method and apparatus,lane detection device,and movable platform | |
| US9990546B2 (en) | Method and apparatus for determining target region in video frame for target acquisition | |
| CN106991389B (zh) | 确定道路边沿的装置和方法 | |
| CN112441022B (zh) | 一种车道中心线确定方法及装置 | |
| CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
| CN103064086B (zh) | 一种基于深度信息的车辆跟踪方法 | |
| CN113537316B (zh) | 一种基于4d毫米波雷达点云的车辆检测方法 | |
| CN110148144A (zh) | 点云数据的分割方法和装置、存储介质、电子装置 | |
| CN113219462B (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
| CN109188430B (zh) | 一种基于地面监视雷达系统的目标提取方法 | |
| Liu et al. | Extending the detection range for low-channel roadside LiDAR by static background construction | |
| CN104965199A (zh) | 雷达视频运动目标特征融合判定方法 | |
| CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
| JP2022537557A (ja) | 運転可能な領域情報を決定するための方法及び装置 | |
| Stolz et al. | High resolution automotive radar data clustering with novel cluster method | |
| CN115423019A (zh) | 一种基于密度的模糊聚类方法及装置 | |
| CN109100697A (zh) | 一种基于地面监视雷达系统的目标凝聚方法 | |
| Ozgunalp | Robust lane‐detection algorithm based on improved symmetrical local threshold for feature extraction and inverse perspective mapping | |
| CN115439484B (zh) | 基于4d点云的检测方法、装置、存储介质及处理器 | |
| Cao et al. | Lane determination of vehicles based on a novel clustering algorithm for intelligent traffic monitoring | |
| CN110782475B (zh) | 一种多径分量的处理方法、终端和计算机存储介质 | |
| CN108983194A (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
| Wang et al. | DBSCAN clustering algorithm of millimeter wave radar based on multi frame joint |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |