Building mm Wave on the Evolving C-V2X:mm Wave NR-V2X

Since the evolving standardization of cellular V2X(C-V2X)technologies is continuously developed by 3GPP,research on new radio(NR-V2X)has been on schedule by academic and industries.Though millimeter wave(mm Wave)frequency band is supposed to provide large transmission bandwidth,yet the development of mm Wave band in NR-V2X is still in preliminary stage.In this article,a comprehensive discussion of mm Wave NR-V2X is given covering trends,standardization landscape,and enabling technologies,aiming at tackling the challenge of channel modeling,directional channel access,beamforming and blockage management.The vision of mm Wave NR-V2X is to fully support the development of automated driving,holographic control display and improved in-car infotainment for the future.

C-V2X网联环境下应急优先的绿灯补偿模型研究

针对在路口实施应急车辆优先策略会对非优先相位交通造成影响的问题,在蜂窝车联网(C-V2X)环境下进行了均衡非优先相位通行效益的绿灯补偿模型研究。搭建了相应的算法模型,并对一辆应急车辆的场景进行了模拟。该模型在不影响应急车辆优先通行的前提下,根据非优先相位实时交通需求计算补偿绿灯时间,从而最小化应急优先对非优先相位的车辆通行影响。仿真结果证明,所提模型在不同的饱和度状态下均可有效地降低应急车辆通过后非优先相位车辆的平均延误时间和平均排队长度。所提模型对于应急车辆通过红绿灯路口的策略进行了优化,提高了通行效率。

基于C-V2X的智能路侧单元系统设计

随着自动驾驶技术和智能交通产业的不断发展,车路协同技术逐渐成为交通领域研究的热点,路侧单元RSU做为车路协同系统的路侧核心设备,是支撑车路协同技术应用的关键所在。基于此,文章设计了一种基于C-V2X的智能路侧单元,具备C-V2X直连通信及5G通信功能,支持C-V2X系列标准协议,能够连接路侧各类智能设备以及交通参与者,将路侧信息分析处理后上传到云端,同时将信息发送给车端,为智能网联车辆、自动驾驶车辆提供各类信息服务,支撑车路协同场景应用。

基于C-V2X技术的车载终端设计与验证

针对V2X(Vehicle-to-Everything)车载终端需要满足高速行驶车辆低延迟、高速率和高可靠性的通信需求,开展基于C-V2X技术的车载终端设计与验证。该终端采用DMD31芯片与主副处理器相结合的设计、主天线和分集天线的增益设计以及全新的任务调度与数据交互设计,研究了该终端硬件系统与软件系统的结构和主要功能,分别在静态场景和动态场景下对该终端的性能进行了测试。结果表明:该终端在200 m内的通信时延低于19.7 ms,丢包率低于0.03%;与现有基于专用短程通信技术设计的车载终端相比,平均通信时延降低了0.4 ms,通信距离大于100 m后丢包率降低了1.8%。该终端的通信性能满足3GPP TS 36.521 Release15标准规范,可用于构建各类车路协同应用。

Fe-C-N,Fe-C-V 和 Fe-C-V-N 熔体活度相互作用系数

实验测定了1435℃温度下C和N在Fe-C-N和Fe-C-V-N熔体中的饱和溶解度.Fe-C-V熔体中C的饱和溶解度计算式为XC=0.2043+0.8365XV或-lnXC-9.683XC=-11.96XV-0.3916.C和N在Fe-C-V-N熔体中的饱和溶解度随V浓度增加而增加.根据Fe-C熔体的热力学性质、Fe-C-N熔体中C和N之间的活度相互作用系数、C在Fe-C-V熔体中及C和N在Fe-C-N和Fe-C-V-N熔体中的饱和溶解度,通过严格的热力学推导和计算,获得了Fe-C-N熔体中C和N之间、Fe-C-V熔体中C和V之间及Fe-C-V-N熔体中V与N之间的活度相互作用系数:eCN=0.5016,εVC=-11.96,eCV=-0.2443和eVN=-0.2379.

应用C-V测量研究铁电薄膜材料的电特性

通过分析钛酸铋铁电薄膜材料MFS结构的C V特性曲线 ,发现经过快速退火工艺处理的钛酸铋铁电薄膜的剩余极化强度Pr 提高 ,界面上固定电荷的分布和性质发生了变化。

基于Hough检测和C-V模型的航拍绝缘子自动协同分割方法

绝缘子分割是通过图像处理技术实现其运行状态自动检测及故障诊断的重要前提。针对航拍图像具有背景复杂、分辨率较低、数量多和伪目标多等特点,使用传统分割方法会产生大量的用户交互导致分割效果不佳。本文把协同分割引入到绝缘子航拍图像处理中,提出一种Hough检测修复结合自动初始化轮廓C-V模型的航拍绝缘子图像协同分割方法。本方法利用航拍绝缘子图像帧之间的关系作为先验信息以达到更高的分割精度。首先对航拍图像进行去除文本预处理;然后对预处理过的图像进行Hough检测修复以处理输电线与绝缘子粘连问题并用SLIC进行超像素分割;最后利用广义霍夫变换实现C-V模型初始轮廓的选取并进行基于图像间的C-V模型的绝缘子协同分割。实验结果表明,本文分割方法的准确率明显比其他算法高,能够有效地区分目标和背景并去除杆塔、输电线等伪目标,自动化性能良好,为无人机航拍绝缘子的状态检测及故障诊断奠定基础。

基于改进型C-V模型的植物病斑图像分割

针对植物病斑图像背景复杂且分割难问题,提出一种基于水平集和加权颜色信息的C-V模型。借助水平集方法对病斑图像的R、G、B分量图像颜色信息取加权值,以差分图像能量作为能量函数最终值,以适应不同的病害种类。试验结果表明,经过R、G、B加权的黄瓜红粉病病斑图像使用4R-G图像模型、苹果锈病病斑图像使用3R-G-B图像模型自动分割的效果较好,比传统C-V模型分割性能好,抗噪性好,可扩展性好。

MF(I)S结构设计对硅基铁电薄膜系统C-V特性的影响

为制备符合铁电场效应晶体管（ Ｆ Ｆ Ｅ Ｔ） 及铁电存储二极管（ Ｆ Ｍ Ｄ） 要求的高质量铁电薄膜，采用 Ｐ Ｌ Ｄ （ Ｐｕｌｓｅｄ Ｌａｓｅｒ Ｄｅｐｏｓｉｔｉｏｎ） 工艺， 制备了不同 Ｍ Ｆ （ Ｉ） Ｓ 结构的硅基铁电薄膜系统由 Ｃ－ Ｖ特性的对比分析可见， 影响 Ｃ－ Ｖ 特性的主要因素除了衬底类型、界面特性之外， 还有薄膜的结构设计在此基础上， 为改善铁电薄膜的 Ｃ－ Ｖ

基于高斯分布改进C-V模型的植物病斑彩色图像分割

为了使C-V模型能够准确快速分割植物病斑图像,该文引入高斯混合模型来构建C-V模型,针对基于加权颜色信息的C-V模型处理时间长,R、G、B通道能量系数难确定等问题,结合高斯混合模型和C-V模型对病叶图像进行分割。先选中病斑区域中一点,以其3×3邻域像素均值作为C-V模型中曲线的内部能量均值;利用高斯混合模型对病斑图像建模,并采用高斯混合模型先验概率初始化C-V模型的水平集函数;最后分别以图像R、G、B通道中目标和背景像素均值的比例作为3个通道的权值,演化水平集函数的分割曲线。试验结果表明,该方法能够有效地分割出植物病斑,并在分割性能上优于基于加权颜色信息的C-V模型及传统C-V模型。本文的研究结果可为植物病斑分割提供参考。

基于区域增长与局部自适应C-V模型的脑血管分割

提出了一种针对TOF MRA(time-of-flight magnetic resonance angiography)磁共振图像的双重分割脑血管提取方法.首先结合高斯滤波,采用二维OTSU算法,结合MIP(maximum intensity projection)图像获得三维血管种子点,定义全局与局部信息相结合的区域增长规则,通过区域增长算法对血管进行粗分割;然后,采用Catt扩散模型对体数据场进行各向异性滤波,提出了局部自适应C-V模型,将初步分割结果作为自适应活动轮廓模型的初始轮廓线进行二次分割.实验结果表明,该算法不仅能够有效分割脑血管粗大分支,而且还能精确提取脑血管的细小结构.

改进C-V模型的木材缺陷彩色图像分割研究

分析了木材节子缺陷图像的特点,将彩色图像作为一个整体的图像进行处理,保护了彩色图像信息的特性,提出了一种基于AOS的扩展C-V矢量模型及背景填充耦合的木材节子缺陷彩色图像分割算法。对Chan-Vese提出的基于Mumford-Shah模型的水平集矢量图像分割模型进行了改进,使分割速度得到了提高;用AOS算法改进了原模型的差分格式,使得差分格式无条件稳定;结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。实验结果表明该方法可以较好地实现对木材死节、活节和虫眼等缺陷的彩色图像分割,也可实现对单板多节子缺陷彩色图像的分割,为木材缺陷边缘检测提供一种行之有效的方法。

基于改进C-V模型的木材表面缺陷图像分割

木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。

C-V模型与工业CT相结合的几何测量方法

针对工业生产中复杂封闭内腔几何尺寸很难测量的问题,提出一种基于C-V模型的工业CT几何测量方法.首先利用C-V模型提取目标边缘坐标点的有序链码,然后利用Green定理和欧氏距离公式计算目标区域的面积和周长.在提取目标边缘坐标点的步骤中,把边缘灰度先验知识融入C-V模型以提高测量精度;在计算目标区域的面积和周长的过程中,合理地选择目标边缘有序坐标点和插值有序坐标点,再一次提高几何测量精度.实验结果表明,与2DFacet模型测量方法相比,文中方法测量精度约提高1个数量级;并已将该方法应用于实际中.

MFS结构钛酸铋薄膜的C-V特性研究

利用sol gel方法在p Si(111)基底上制备钛酸铋薄膜。测量不同退火温度下得到的In/BTO/p Si结构的C V曲线,测量结果表明制备的MFS结构钛酸铋薄膜在合适的制备工艺下可望实现极化型存储。

结合C-V模型水平集与形态学的彩色树木图像分割

树木图像分割是一种从图像中把树木与周围背景完整分离的技术,是计算机仿真学科在林业应用方面的核心内容,也是计算机视觉方向的研究热门,为林业应用提供一定的技术支持。根据树木图像含有分裂、合并、形成尖角等相对比较复杂形状的特点,首先对图像运用基于C-V模型水平集的计算,通过计算活动轮廓长度和差异量来判断迭代收敛的情况,待迭代稳定后对其进行形态学后处理操作,将某些过分割区的细密纹理和噪声剔除,从而得到全局最佳优化的图像分割效果。为彩色树木图像的分割提供一种更为有效的方法。

基于改进C-V模型的脑组织提取算法

通过对水平集算法C-V模型进行三方面改进,提出一种基于改进C-V模型的脑组织提取算法.首先,通过改进经典的距离函数,在保证准确度的同时,可以在很大程度上加快距离函数的收敛,提高分割速度.其次,改进了收敛结果的唯一性,使边缘停止在欲提取的目标类灰度上,用于去除脑脊液,使脑灰质、白质的提取更加准确.最后,提出了迭代收敛的动态结束条件.通过间隔帧的对比,改进了以往通过经验迭代次数作为结束条件,使分割效果与迭代时间达到较优.实验结果表明,该算法在脑组织的分割速度及准确性上有了较大提高,为医生确诊病情带来便利.

一种改进的快速C-V水平集红外图像分割

当红外图像中包含较强噪声时,C-V模型水平集分割方法会产生大量冗余轮廓;同时,C-V水平集采用偏微分方程(PDE)实现,存在计算量大、分割速度慢的缺点。为此,本文提出了改进的快速算法,该算法保留了C-V模型的全局优化特性,并通过窗口滤波整合图像邻域空间信息来构建曲线进化的外部速度,从而提高C-V模型的抗噪性并减少分割中产生的冗余轮廓;采用基于双链表的快速水平集算法来实现曲线的演化,去除了传统算法中的重新初始化和PDE求解的过程,减少了迭代步数,提高了分割的速度。实验结果表明,本文算法对边缘模糊、噪声较大的红外图像能实现快速而有效的分割。

一种基于Mean Shift和C-V模型的车辆跟踪算法

针对传统Mean Shift算法跟踪窗口固定不变,无法对不断改变尺寸的车辆目标进行有效跟踪的问题,文中根据车辆跟踪的特点,提出一种基于Mean Shift和C-V模型的车辆跟踪算法.首先利用传统Mean Shift得到初始跟踪窗口,然后根据C-V方法所提取的车辆形状信息对跟踪窗口的中心和大小做进一步修正,在跟踪过程中综合利用了目标颜色、形状等信息,同时对传统C-V方法进行改进,采用一种新的初始化水平集函数表达方法.实验结果表明,文中算法在满足实时性要求的同时,大大提高了车辆跟踪精度.

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.