LTE-V2X下的实时视频流传输策略研究

为提高在蜂窝小区内的视频传输质量,增强智能网联汽车的盲区视角感知能力,从而提高驾驶安全性和便利性,本文提出在LTE-V2X下完成实时视频流传输的可靠策略。首先,为提高蜂窝小区的系统性能和实时视频流传输的画面质量,提出在不完美信道状态下,满足V2X用户异构服务质量的同时,最大化V2V通信吞吐量的资源分配算法。该算法采用1阶自回归模型对真实的信道增益进行建模,分步骤进行功率分配和频谱复用配对,以完成资源分配;接着,采用可伸缩视频编码技术对实时视频流进行编码,编码后具有不同的视频质量等级的视频数据帧,经由网络传送,而以网络感知数据为基础,构建视频流缓冲区;最后,设计自适应传输算法求得当前最佳传输视频质量等级,根据通信网络环境动态调整传输视频画面质量,以有效减少视频播放冻结次数。实验结果表明,相比于具有基础层保护的视频传输算法RALSB和视频质量自适应传输算法VQAS,本文所提策略能有效提高实时视频流质量,减小视频播放冻结次数。

基于全局位置精度损失最小化的路侧多传感器目标关联匹配方法

针对路侧单传感器存在感知盲区、多传感器协同感知存在大量冗余信息且位置精度较差、车辆位姿准确值无法在线获取等问题,提出一种基于全局位置精度损失最小化的路侧多传感器目标关联匹配方法。首先,根据各传感器历史数据,以方差最小化为优化目标进行多传感器权重分配;然后,基于级联KM匹配算法处理多传感器存在大量冗余信息的目标级数据,实现当前时刻各传感器数据同一目标关联,判断多源信息与目标的从属关系,并将源于同一目标的数据生成目标集合;最后,根据各传感器权重分配进行加权,生成伪迹点,结合全局位置精度损失最小化方法,以伪迹点坐标系为基准对其他传感器坐标系进行整体校准。试验结果表明:该方法可有效去除目标的多传感器冗余信息,伪迹点速度融合结果的平均绝对误差约0.5 km·h^(-1),伪迹点位置融合结果的平均绝对误差约0.1 m,经过参考系校准后,毫米波雷达已匹配观测点的位置精度损失从5.59 m降至0.32 m,相机已匹配观测点的位置精度损失从1.39 m降至1.32 m。相比于传统JPDA、NNDA关联匹配算法,该方法可降低目标关联匹配融合后的平均位置误差0.134 m,并降低算法的时间复杂度。