CN117880820A - 车联网无线电安全保障***及方法 - Google Patents
车联网无线电安全保障***及方法 Download PDFInfo
- Publication number
- CN117880820A CN117880820A CN202410279639.1A CN202410279639A CN117880820A CN 117880820 A CN117880820 A CN 117880820A CN 202410279639 A CN202410279639 A CN 202410279639A CN 117880820 A CN117880820 A CN 117880820A
- Authority
- CN
- China
- Prior art keywords
- radio
- signal
- monitoring
- internet
- vehicles
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 103
- 238000001228 spectrum Methods 0.000 claims abstract description 31
- 230000004927 fusion Effects 0.000 claims description 19
- 238000003745 diagnosis Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000004807 localization Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 abstract description 23
- 238000004891 communication Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007499 fusion processing Methods 0.000 abstract 1
- 238000013024 troubleshooting Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了车联网无线电技术领域,并具体公开了车联网无线电安全保障***及方法,***包括多个传感器型无线电监测接收机配置于自动驾驶道路两侧形成自动驾驶道路无线电监测无缝布局,以监测自动驾驶道路上的无线电频谱数据分布和将监测到的无线电频谱数据上传至车联网无线电安全保障***云平台;以及将接收到的附近的至少三个传感器型无线电监测接收机的无线频谱数据进行融合,并且提供智能化的车联网无线电安全监测信号数据和预警信号数据。方法在***的基础上对检测的数据进行融合处理,实现了自动驾驶车辆能够全覆盖地保证无线电通信,实现了提高无线通信保证自动驾驶车辆的车联网***安全性以及高效的应急救援和排故。
Description
技术领域
本发明涉及车联网无线电安全保障测试、车联网通信数据收集、车联网测试数据分析等领域技术领域,特别是涉及车联网无线电安全保障***及方法。
背景技术
本部分的陈述仅仅是提供与本发明公开的相关的背景技术,不必然构成在先技术。
随着车联网技术的快速发展,车辆通信网络已经逐渐成为一种重要的通信网络形式,对于实现车辆自动化驾驶、智能交通等方面具有重要的应用价值。然而,车联网无线电频谱资源的有限性和无线电干扰的存在,可能会影响车联网的正常运行。因此,如何实现车联网无线电安全保障成为了当前研究的热点之一,也是车联网***和自动驾驶、智能交通的重要、必备保障。
在现有技术中,中国专利公开号为CN103812577A,名称为非正常无线电信号的自动识别***及其方法,其公开了通过数据接口获得频段扫描数据,采用分段动态自适应阈值算法监测出该频段的所有信号及对应的频点,对信号频点进行中频测量或中频测向获得信号的详细数据,分析处理提取信号的多种特征,将所提取的特征输入非正常信号识别模块,识别出该信号所属的类别,从而获取非正常的无线点信息,但是其是基于GPS定位的,将其直接应用在无人驾驶技术领域受网络稳定性限制,虽然提高了无线电监测设备的信息处理能力,但是仍然无法保证在网络信号不强或者不稳定时,确保自动驾驶车辆的正常通行。
本发明所要解决的技术问题是:如何实现自动驾驶车辆能够全覆盖地保证无线电通信,从而实现提高无线通信保证自动驾驶车辆的车联网***的安全性以及实现高效的应急救援。
发明内容
为了克服上述现有技术的不足,本发明提供了一种通过在自动驾驶路基两边部署传感器型无线电监测接收机来监控车辆道路上的无线电频谱分布,自动驾驶路基两边利用边云协同操作***、智慧大脑等赋能车联网无线电安全保障***进行智能监测,智能上报道路无线电干扰信号。同时,该***利用大数据模型和智能化管理和分析测试数据,提供了智能化的车联网无线电安全监测和预警,以及车联网信号的在线及时诊断的车联网无线电安全保障***及方法。
本发明所采用的技术方案是: 车联网无线电安全保障***,所述安全保障***包括:
传感器型无线电监测接收机,多个所述传感器型无线电监测接收机被配置于自动驾驶道路附近,形成自动驾驶道路无线电监测无缝布局,用于监测自动驾驶道路上的无线电频谱数据分布,以及用于将监测到的无线电频谱数据上传至车联网无线电安全保障***云平台;
其中:所述车联网无线电安全保障***云平台将接收到的附近的至少三个传感器型无线电监测接收机的无线频谱数据进行融合,并且为基于大数据的数据智能化管理和分析提供智能化的车联网无线电安全监测信号数据和预警信号数据。
在本技术方案中,所述安全保障***还包括智慧盒子,所述智慧盒子被配置于对传感器型无线电监测接收机收到的无线频谱数据进行上采集、处理、存储和管理,以及用于实现软硬件解耦的搭建。
在本技术方案中,所述智慧盒子通过其内的边云协同操作***将采集到的数据进行处理和传输,同时将无线频谱数据存储在车联网无线电安全保障***云平台。
在本技术方案中,所述智慧盒子还被配置于车载在线诊断移动台上,所述车载在线诊断移动台用于近距离跟随故障自动驾驶智能汽车,并且与故障自动驾驶智能汽车通过发射天线以及接收天线进行无线数据交互,用于保证局域网络内对故障自动驾驶智能汽车进行无线故障诊断。
在本技术方案中,多个所述传感器型无线电监测接收机被交错地配置于自动驾驶道路附近,任意相邻两个所述传感器型无线电监测接收机的距离为4-8公里。
在本技术方案中,采用就近原则融合至少三个传感器型无线电监测接收机的监测数据,以便实时更新基于大数据的无线频谱数据的智能化管理和分析,以提供实时更新的车联网无线电安全监测信号数据和预警信号数据。
车联网无线电安全保障方法,包括:
从布置在自动驾驶道路旁的多个传感器型无线电监测接收机上获取无线频谱数据进行融合,将融合后的数据在云端预先建立包含自动驾驶道路上所有无线电态势的数据库,作为基础信号库;以及
实时监测道路无线电态势,获取实时监测信号;和
将监测到的实时监测信号与基础信号库中的已知信号/>通过自相关函数进行自相关运算;和
根据自相关运算的结果以及预先设定的阈值,判断监测到的监测信号是否与基础信号库中的合法信号阈值相匹配,并且将与基础信号库中的合法信号阈值相匹配的实时更新为到的基础信号库。
在本技术方案中,如果自相关运算的结果在预先设定的阈值范围之内,则判断为合法信号,并且将该合法信号更新至基础信号库中;否则,判断为其他信号,并且触发相应的报警机制,并且记录相关数据。
在本技术方案中,将监测到的实时监测信号与基础信号库中的已知信号/>通过自相关函数进行自相关运算,得到监测的自相关信号/>的公式为:
(1)
式中:是监测到的实时监测信号,/>是基础信号库中的已知信号,n是时间滞后值,N是信号的长度,/>是通过随着时间滞后值n通过自相关运算不断修正的基础信号库中的已知信号/>的修正信号,可以是时域上加权信号;
使用卡尔曼滤波器或扩展卡尔曼滤波器将W个传感器型无线电监测接收机的监测信号进行融合,融合公式为:
(2)
式中:是融合后的下一时刻的信号状态估计,/>是当前时刻的信号状态估计,/>是卡尔曼增益,/>是相应频率点上的频谱数据的幅度大小的测量值,/>是k+1时刻的各个频点的频谱幅度的测量矩阵;
将W个传感器型无线电监测接收机融合的位置融合公式为:
(3)
式中:Pi为传感器型无线电监测接收机的位置估计,Ai为传感器型无线电监测接收机的精度,Pf为融合后传感器型无线电监测接收机的位置估计。
在本技术方案中,当其他信号为干扰信号时,需要对其定位,定位的方法为自适应定位算法:
依据就近原则,将干扰信号与附近的W个传感器型无线电监测接收机信号融合,以获取融合后的位置估计Pf,Pf的融合公式为(3);
或者定位的方法为多传感器融合定位算法:使用自适应滤波器进行干扰信号定位,根据实时环境条件和信号数据动态地调整参数,根据以下公式(4)估算下一时刻自适应的监测信号状态估计:
(4)
式中:是当前时刻的监测信号状态估计,/>是自适应增益,/>是相应频率点上的频谱数据的幅度大小的测量值,/>是k时刻的各个频点的频谱幅度的测量矩阵。
与现有技术相比,本发明的有益效果是:
1.在自动驾驶道路路基两边创新的分布式部署传感器型无线电监测接收机,形成自动驾驶道路无线电监测无缝布局,用于监测自动驾驶道路上的无线电频谱数据分布,以及用于将监测到的无线电频谱数据上传至车联网无线电安全保障***云平台,提高了无线电布置密度,以确保可以无盲点监测自动驾驶道路上的电磁环境状态。
2.将接收到的附近的至少三个传感器型无线电监测接收机的无线频谱数据进行融合,并且为基于大数据的数据智能化管理和分析提供智能化的车联网无线电安全监测信号数据和预警信号数据。
3.智慧盒子还被配置于车载在线诊断移动台上,所述车载在线诊断移动台用于近距离跟随故障自动驾驶智能汽车,并且与故障自动驾驶智能汽车通过发射天线以及接收天线进行无线数据交互,用于在发生自动驾驶事故时,使用车联网在线诊断***移动台对事故车辆进行实时在线入网法规性测试,以监测车辆通信设备是否正常工作,进而判断事故的原因,实现智慧交通联网。
4.使用车联网无线电安全保障方法,对布置在自动驾驶道路旁的多个传感器型无线电监测接收机上获取无线频谱数据进行融合,并且建立基础信号库,在监测到的实时监测信号与基础信号库中的已知信号通过自相关函数进行自相关运算后进行信号匹配以及监测,进而实现了自动驾驶车辆600能够全覆盖地保证无线电通信,从而实现提高无线通信保证自动驾驶车辆的车联网***的安全性以及实现高效的应急救援。
综上所述,本发明的车联网无线电安全保障***及方法,实现了自动驾驶车辆能够全覆盖地保证无线电通信,实现了提高无线通信保证自动驾驶车辆的车联网***的安全性以及高效的应急救援。
附图说明
图1为车联网无线电安全保障***结构示意图;
图2为车联网无线电安全保障***的第一个实施例的结构原理图;
图3为车联网无线电安全保障***的第二个实施例的结构原理图;
图4为车联网无线电安全保障***的第三个实施例的结构原理图;
图5为车联网无线电安全保障方法的一个实施例的流程图;
图6为车联网无线电安全保障方法的一个干扰信号查找的实施例;
图7为车联网无线电安全保障方法的另一个干扰信号查找的实施例;
其中:100-传感器型无线电监测接收机,200-车联网无线电安全保障***云平台,300-智慧盒子,400-车载在线诊断移动台,500-自动驾驶道路,600-自动驾驶车辆。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1和图2的实施例所示的车联网无线电安全保障***结构示意图,车联网无线电安全保障***包括传感器型无线电监测接收机以及用于将监测到的无线电频谱数据上传至车联网无线电安全保障***云平台,多个所述传感器型无线电监测接收机被配置于自动驾驶道路500附近,形成自动驾驶道路无线电监测无缝布局,用于监测自动驾驶道路500上的无线电频谱数据分布,其中:所述车联网无线电安全保障***云平台将接收到的附近的至少三个传感器型无线电监测接收机的无线频谱数据进行融合,并且为基于大数据的数据智能化管理和分析提供智能化的车联网无线电安全监测信号数据和预警信号数据。车联网无线电安全保障***云平台会对收集到的无线电频谱数据进行分析,并利用大数据模型分析测试数据。以及通过自动生成数据分析报告的方式,针对性地向用户发送相关的无线电干扰警报和预警信息,以保证车辆行驶安全。
在具体的实施过程中,车联网无线电安全保障***云平台200上预建立包含自动驾驶道路上所有无线电态势的数据库,作为基础信号库;并且采用就近原则融合至少三个路基传感器型无线电监测接收机100的监测数据,以实现实时更新基于大数据的无线频谱数据的智能化管理和分析,提供智能化的车联网无线电安全监测数据和预警信号数据从而提高了无线电信号布置密度,以确保可以无盲点监测自动驾驶道路上的电磁环境状态,实现自动驾驶道路无线电监测无缝布局。
在一些实施例中,参考图3所示的实施例,所述安全保障***还包括智慧盒子300,所述智慧盒子300被配置于对传感器型无线电监测接收机收到的无线频谱数据进行上采集、处理、存储和管理,以及用于实现软硬件解耦的搭建。在具体的实施过程中智慧盒子300与传感器型无线电监测接收机100的配置可以时一对一配置,也可以一对多配置,即一个智慧盒子300对应多个传感器型无线电监测接收机100,具体情况看实施时地理环境因素或者气候等外在条件进行适应性的调试。
在其中一些实施例中,所述智慧盒子通过其内的边云协同操作***将采集到的数据进行处理和传输,同时将无线频谱数据存储在车联网无线电安全保障***云平台,会使得信号传输效率更高,传输质量更强。
与上述实施例所不同的是,在另一些实施例中,参考图4所示,所述智慧盒子还被配置于车载在线诊断移动台上,所述车载在线诊断移动台用于近距离跟随故障自动驾驶智能汽车,并且与故障自动驾驶智能汽车通过发射天线以及接收天线进行无线数据交互,用于保证局域网络内对故障自动驾驶智能汽车进行无线故障诊断,在具体的实施过程中,只要故障车辆一定范围内有车载在线诊断移动台,便可以快速对自动驾驶的故障车辆进行无线故障诊断,从而解决故障车辆局部无线信号不稳地的问题。
在一些实施例中,如图1所示,多个所述传感器型无线电监测接收机被交错地配置于自动驾驶道路附近,任意相邻两个所述传感器型无线电监测接收机的距离为4-8公里,可以实现较好的全面覆盖。
在另一些实施例中,如图2至图4所示,采用就近原则融合至少三个传感器型无线电监测接收机的监测数据,以便实时更新基于大数据的无线频谱数据的智能化管理和分析,以提供实时更新的车联网无线电安全监测信号数据和预警信号数据。
如图5所示,车联网无线电安全保障方法,包括:
S1.从布置在自动驾驶道路旁的多个传感器型无线电监测接收机上获取无线频谱数据进行融合,将融合后的数据在云端预先建立包含自动驾驶道路上所有无线电态势的数据库,作为基础信号库;
S2.实时监测道路无线电态势,获取实时监测信号;
S3.将监测到的实时监测信号与基础信号库中的已知信号/>通过自相关函数进行自相关运算;
S4.根据自相关运算的结果以及预先设定的阈值,判断监测到的监测信号是否与基础信号库中的合法信号阈值相匹配,并且将与基础信号库中的合法信号阈值相匹配的实时更新为到的基础信号库,从而获取及时的校准数据,提高监测的效率以及准确率。其中:无线电态势的数据库包括车联网信号、蜂窝无线通信信号、广播电视信号、E-call信号等,可以是监测信号的频谱分布、时域波形等。基础信号库中的特征数据,可以训练一个深度学习模型,例如卷积神经网络(CNN)或循环神经网络(RNN),实现不同的数据深度处理,随后再把深度学习模型应用到对监测到的信号特征进行处理中去,得到其具体的需要监测的信号特征表示。通过上述过程,可以利用深度学习模型和自相关算法综合判断监测到的信号是否为合法信号或违法信号等,以便触发相应的行为以确保***的安全性。
在另一些实施例中,在步骤S4判断监测到的信号合法性时,如果自相关运算的结果在预先设定的阈值范围之内,则判断为合法信号,并且将该合法信号更新至基础信号库中;否则,进入步骤S5,判断为其他信号,并且进入步骤S6触发相应的报警机制,并且记录相关数据。这里的其他信号可以按照信号分类进行具体的进一步分类,其中在无线电管理工作中通常把无线电信号分为合法信号、非法信号、不明信号、已知信号、违规信号、新信号等几类,在具体实施时可以根据需要识别的情况进行适应的阈值设定。记录的相关信息包括时间、位置、信号特征等数据。
其中合法信号指在无线电管理委员会登记备案,经过审批,已经登记在台站数据库的发射台站信号。非法信号指已经查明该信号为未经审批,且为人为发射的信号。不明信号指已经发现,在台站数据库没有备案,且对信号的性质还未查明的信号。已知信号指已经发现,在台站数据库没有备案,但是已经查明该信号的性质的信号,如:互调信号,***假信号、特殊部门的特殊信号等。违规信号指在台站数据库备案,但是其在监测站位置收到的信号幅度和历史比较,超过了一定范围的合法信号。新信号指以前的监测过程中一直没有出现过,并且在台站数据库没有登记的信号。
在其中一些实施例中,如图5所示,在S3步骤中,将监测到的实时监测信号与基础信号库中的已知信号/>通过自相关函数进行自相关运算,得到监测的自相关信号的公式为:
(1)
式中:是监测到的实时监测信号,/>是基础信号库中的已知信号,n是时间滞后值,N是信号的长度,/>是通过随着时间滞后值n通过自相关运算不断修正的基础信号库中的已知信号/>的修正信号,可以是时域上加权信号;
使用卡尔曼滤波器或扩展卡尔曼滤波器将W个传感器型无线电监测接收机的监测信号进行融合,融合公式为:
(2)
式中:是融合后的下一时刻的信号状态估计,/>是当前时刻的信号状态估计,/>是卡尔曼增益,/>是相应频率点上的频谱数据的幅度大小的测量值,/>是k+1时刻的各个频点的频谱幅度的测量矩阵;
将W个传感器型无线电监测接收机融合的位置融合公式为:
(3)
式中:Pi为传感器型无线电监测接收机的位置估计,Ai为传感器型无线电监测接收机的精度,Pf为融合后传感器型无线电监测接收机的位置估计。本***中融合就是可以灵活的按就近原则(针对干扰源)调用至少3个传感器型无线电监测接收机,进行干扰源定位测量,融合(根据权重加权处理)的传感器型无线电监测接收机越多,定位越准,无线电信号监测越精确。
在另一些实施例中,当其他信号为干扰信号时,需要对其定位,如图6中的S7和S8所示,定位的方法为自适应定位算法:
依据就近原则,将干扰信号与附近的W个传感器型无线电监测接收机信号融合,以获取融合后的位置估计Pf ,Pf的融合公式为(3);
此外,当其他信号为干扰信号时,需要对其定位,还可以使用图7的实施例所示的多传感器融合定位算法进行定位:使用自适应滤波器进行干扰信号定位,根据实时环境条件和信号数据动态地调整参数,根据以下公式(4)估算下一时刻自适应的监测信号状态估计:
(4)
式中:是当前时刻的监测信号状态估计,/>是自适应增益,/>是相应频率点上的频谱数据的幅度大小的测量值,/>是k时刻的各个频点的频谱幅度的测量矩阵。
随后再通过步骤S10判断是否为干扰信号,是的话就进行定位,不是的话再返回步骤S9重复运算。上述定位算法提高了车联网无线电安全保障***中中干扰源的定位准确性和效率。
本发明的实施例公布的是较佳的实施例,但并不局限于此,本领域的普通技术人员,极易根据上述实施例,领会本发明的精神,并做出不同的引申和变化,但只要不脱离本发明的精神,都在本发明的保护范围内。
Claims (10)
1.车联网无线电安全保障***,其特征在于,所述安全保障***包括:
传感器型无线电监测接收机,多个所述传感器型无线电监测接收机被配置于自动驾驶道路两侧,形成自动驾驶道路无线电监测无缝布局,用于监测自动驾驶道路上的无线电频谱数据分布,以及用于将监测到的无线电频谱数据上传至车联网无线电安全保障***云平台;
其中:所述车联网无线电安全保障***云平台将接收到的附近的至少三个传感器型无线电监测接收机的无线频谱数据进行融合,并且为基于大数据的数据智能化管理和分析提供智能化的车联网无线电安全监测信号数据和预警信号数据。
2.根据权利要求1所述的车联网无线电安全保障***,其特征在于:所述安全保障***还包括智慧盒子,所述智慧盒子被配置于对传感器型无线电监测接收机收到的无线频谱数据进行上采集、处理、存储和管理,以及用于实现软硬件解耦的搭建。
3.根据权利要求2所述的车联网无线电安全保障***,其特征在于:所述智慧盒子通过其内的边云协同操作***将采集到的数据进行处理和传输,同时将无线频谱数据存储在车联网无线电安全保障***云平台。
4.根据权利要求3所述的车联网无线电安全保障***,其特征在于:所述智慧盒子还被配置于车载在线诊断移动台上,所述车载在线诊断移动台用于近距离跟随故障自动驾驶智能汽车,并且与故障自动驾驶智能汽车通过发射天线以及接收天线进行无线数据交互。
5.根据权利要求1-4任意一项所述的车联网无线电安全保障***,其特征在于:多个所述传感器型无线电监测接收机被交错地配置于自动驾驶道路附近,任意相邻两个所述传感器型无线电监测接收机的距离为4-8公里。
6.根据权利要求5所述的车联网无线电安全保障***,其特征在于:采用就近原则融合至少三个传感器型无线电监测接收机的监测数据。
7.车联网无线电安全保障方法,其特征在于,包括:
从布置在自动驾驶道路旁的多个传感器型无线电监测接收机上获取无线频谱数据进行融合,将融合后的数据在云端预先建立包含自动驾驶道路上所有无线电态势的数据库,作为基础信号库;以及
实时监测道路无线电态势,获取实时监测信号;和
将监测到的实时监测信号与基础信号库中的已知信号/>通过自相关函数进行自相关运算;和
根据自相关运算的结果以及预先设定的阈值,判断监测到的监测信号是否与基础信号库中的合法信号阈值相匹配。
8.根据权利要求7所述的车联网无线电安全保障方法,其特征在于:如果自相关运算的结果在预先设定的阈值范围之内,则判断为合法信号,并且将该合法信号更新至基础信号库中;否则,判断为其他信号,并且触发相应的报警机制,并且记录相关数据。
9.根据权利要求8所述的车联网无线电安全保障方法,其特征在于:将监测到的实时监测信号与基础信号库中的已知信号/>通过自相关函数进行自相关运算,得到监测的自相关信号/>的公式为:
(1)
式中:是监测到的实时监测信号,/>是基础信号库中的已知信号,N是信号的长度,是通过随着时间滞后值n通过自相关运算不断修正的基础信号库中的已知信号/>的修正信号;
使用卡尔曼滤波器或扩展卡尔曼滤波器将W个传感器型无线电监测接收机的监测信号进行融合,融合公式为:
(2)
式中:是融合后的下一时刻的信号状态估计,/>是当前时刻k的信号状态估计,/>是卡尔曼增益,/>是相应频率点上的频谱数据的幅度大小的测量值,/>是k+1时刻的各个频点的频谱幅度的测量矩阵;
将W个传感器型无线电监测接收机融合的位置融合公式为:
(3)
式中:Pi为传感器型无线电监测接收机的位置估计,Ai为传感器型无线电监测接收机的精度,Pf为融合后传感器型无线电监测接收机的位置估计。
10.根据权利要求9所述的车联网无线电安全保障方法,其特征在于,当其他信号为干扰信号时,需要对其定位,定位的方法为自适应定位算法:
依据就近原则,将干扰信号与附近的W个传感器型无线电监测接收机信号融合,以获取融合后的位置估计Pf ,Pf的融合公式为(3);
或者定位的方法为多传感器融合定位算法:使用自适应滤波器进行干扰信号定位,根据实时环境条件和信号数据动态地调整参数,根据以下公式(4)估算下一时刻自适应的监测信号状态估计:
(4)
式中:是当前时刻的监测信号状态估计,/>是自适应增益,/>是相应频率点上的频谱数据的幅度大小的测量值,/>是k时刻的各个频点的频谱幅度的测量矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410279639.1A CN117880820B (zh) | 2024-03-12 | 2024-03-12 | 车联网无线电安全保障***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410279639.1A CN117880820B (zh) | 2024-03-12 | 2024-03-12 | 车联网无线电安全保障***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117880820A true CN117880820A (zh) | 2024-04-12 |
CN117880820B CN117880820B (zh) | 2024-05-17 |
Family
ID=90595371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410279639.1A Active CN117880820B (zh) | 2024-03-12 | 2024-03-12 | 车联网无线电安全保障***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117880820B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103108003A (zh) * | 2011-11-11 | 2013-05-15 | 北京开元智信通软件有限公司 | 移动车联网云服务平台*** |
CN103152114A (zh) * | 2013-02-22 | 2013-06-12 | 云南大学 | 一种移动协同无线电监测方法 |
CN103200525A (zh) * | 2013-03-15 | 2013-07-10 | 安徽皖通科技股份有限公司 | 一种车联网路侧信息采集与服务*** |
CN104994601A (zh) * | 2015-06-01 | 2015-10-21 | 南京邮电大学 | 一种4g车载智慧终端*** |
CN105306910A (zh) * | 2015-12-01 | 2016-02-03 | 苏州统购信息科技有限公司 | 一种车联网监控*** |
CN107332927A (zh) * | 2017-07-30 | 2017-11-07 | 成都优瑞商务服务有限公司 | 一种新能源汽车车联网***的组网方法 |
CN108415057A (zh) * | 2018-01-25 | 2018-08-17 | 南京理工大学 | 一种无人车队与路侧单元协同工作的相对定位方法 |
CN108710898A (zh) * | 2018-04-24 | 2018-10-26 | 武汉理工大学 | 基于多传感器融合的行车安全保障***及方法 |
CN108886767A (zh) * | 2016-03-25 | 2018-11-23 | 松下电器(美国)知识产权公司 | 用于车辆通信的无线电资源的改进的分派 |
CN110491153A (zh) * | 2019-07-23 | 2019-11-22 | 深圳市新桓信息技术研究院有限公司 | 一种车联网智慧型管理*** |
CN112564797A (zh) * | 2020-11-25 | 2021-03-26 | 重庆邮电大学 | 基于led通信的车载通信*** |
CN112770349A (zh) * | 2020-12-24 | 2021-05-07 | 天津光电通信技术有限公司 | 一种基于5g无线频谱的智能监测分析平台 |
CN112770325A (zh) * | 2020-12-09 | 2021-05-07 | 华南理工大学 | 一种基于深度学习的认知车联网频谱感知方法 |
US20210204302A1 (en) * | 2019-12-26 | 2021-07-01 | Intel Corporation | Network component, system and method |
CN113347254A (zh) * | 2021-06-02 | 2021-09-03 | 安徽工程大学 | 基于v2x的智能交通控制车联网***及其控制方法 |
CN113362606A (zh) * | 2021-07-23 | 2021-09-07 | 重庆智和慧创科技有限公司 | 一种基于车联网的车路协同防碰撞综合控制*** |
CN113655275A (zh) * | 2021-08-27 | 2021-11-16 | 中国科学院云南天文台 | 空间无线电环境测控装置及*** |
CN115639818A (zh) * | 2022-10-11 | 2023-01-24 | 重庆车联网科技有限公司 | 一种车路协同大数据智能*** |
CN116158117A (zh) * | 2020-06-25 | 2023-05-23 | 交互数字专利控股公司 | 用于在控制平面和用户平面之间多路复用感测和测量数据的方法、装置和*** |
CN116170347A (zh) * | 2022-12-29 | 2023-05-26 | 信通院车联网创新中心(成都)有限公司 | 一种车联网路侧感知***时频性能测试方法 |
KR20230100477A (ko) * | 2021-12-28 | 2023-07-05 | 주식회사 디에이치오토웨어 | 자율주행차량의 데이터 보안 방법 및 장치 |
CN116412854A (zh) * | 2022-01-05 | 2023-07-11 | 深圳市威宇智通科技有限公司 | 基于5g车联网的路面信息数据采集*** |
CN117558129A (zh) * | 2023-11-14 | 2024-02-13 | 长沙云软信息技术有限公司 | 一种用于高速公路建设用的智能定位***及方法 |
-
2024
- 2024-03-12 CN CN202410279639.1A patent/CN117880820B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103108003A (zh) * | 2011-11-11 | 2013-05-15 | 北京开元智信通软件有限公司 | 移动车联网云服务平台*** |
CN103152114A (zh) * | 2013-02-22 | 2013-06-12 | 云南大学 | 一种移动协同无线电监测方法 |
CN103200525A (zh) * | 2013-03-15 | 2013-07-10 | 安徽皖通科技股份有限公司 | 一种车联网路侧信息采集与服务*** |
CN105516294A (zh) * | 2013-03-15 | 2016-04-20 | 安徽皖通科技股份有限公司 | 一种车联网路侧信息采集与发布路网结构 |
CN104994601A (zh) * | 2015-06-01 | 2015-10-21 | 南京邮电大学 | 一种4g车载智慧终端*** |
CN105306910A (zh) * | 2015-12-01 | 2016-02-03 | 苏州统购信息科技有限公司 | 一种车联网监控*** |
CN108886767A (zh) * | 2016-03-25 | 2018-11-23 | 松下电器(美国)知识产权公司 | 用于车辆通信的无线电资源的改进的分派 |
CN107332927A (zh) * | 2017-07-30 | 2017-11-07 | 成都优瑞商务服务有限公司 | 一种新能源汽车车联网***的组网方法 |
CN108415057A (zh) * | 2018-01-25 | 2018-08-17 | 南京理工大学 | 一种无人车队与路侧单元协同工作的相对定位方法 |
CN108710898A (zh) * | 2018-04-24 | 2018-10-26 | 武汉理工大学 | 基于多传感器融合的行车安全保障***及方法 |
CN110491153A (zh) * | 2019-07-23 | 2019-11-22 | 深圳市新桓信息技术研究院有限公司 | 一种车联网智慧型管理*** |
US20210204302A1 (en) * | 2019-12-26 | 2021-07-01 | Intel Corporation | Network component, system and method |
CN116158117A (zh) * | 2020-06-25 | 2023-05-23 | 交互数字专利控股公司 | 用于在控制平面和用户平面之间多路复用感测和测量数据的方法、装置和*** |
CN112564797A (zh) * | 2020-11-25 | 2021-03-26 | 重庆邮电大学 | 基于led通信的车载通信*** |
CN112770325A (zh) * | 2020-12-09 | 2021-05-07 | 华南理工大学 | 一种基于深度学习的认知车联网频谱感知方法 |
CN112770349A (zh) * | 2020-12-24 | 2021-05-07 | 天津光电通信技术有限公司 | 一种基于5g无线频谱的智能监测分析平台 |
CN113347254A (zh) * | 2021-06-02 | 2021-09-03 | 安徽工程大学 | 基于v2x的智能交通控制车联网***及其控制方法 |
CN113362606A (zh) * | 2021-07-23 | 2021-09-07 | 重庆智和慧创科技有限公司 | 一种基于车联网的车路协同防碰撞综合控制*** |
CN113655275A (zh) * | 2021-08-27 | 2021-11-16 | 中国科学院云南天文台 | 空间无线电环境测控装置及*** |
KR20230100477A (ko) * | 2021-12-28 | 2023-07-05 | 주식회사 디에이치오토웨어 | 자율주행차량의 데이터 보안 방법 및 장치 |
CN116412854A (zh) * | 2022-01-05 | 2023-07-11 | 深圳市威宇智通科技有限公司 | 基于5g车联网的路面信息数据采集*** |
CN115639818A (zh) * | 2022-10-11 | 2023-01-24 | 重庆车联网科技有限公司 | 一种车路协同大数据智能*** |
CN116170347A (zh) * | 2022-12-29 | 2023-05-26 | 信通院车联网创新中心(成都)有限公司 | 一种车联网路侧感知***时频性能测试方法 |
CN117558129A (zh) * | 2023-11-14 | 2024-02-13 | 长沙云软信息技术有限公司 | 一种用于高速公路建设用的智能定位***及方法 |
Non-Patent Citations (5)
Title |
---|
BO DENG等: ""A Survey on Integration of Network Communication into Vehicle Real-Time Motion Control"", 《 IEEE COMMUNICATIONS SURVEYS & TUTORIALS ( VOLUME: 25, ISSUE: 4, FOURTHQUARTER 2023)》, 14 July 2023 (2023-07-14) * |
俞毅等: ""车联网路侧信息采集与服务平台解决方案"", 《中国交通信息化》, 10 August 2011 (2011-08-10) * |
刘琪等: ""基于5G的车联网体系架构及其应用研究"", 《移动通信》, 15 November 2019 (2019-11-15) * |
张永宏: ""基于5G车联网的智慧交通平台搭建"", 《通信与信息技术》, 10 December 2022 (2022-12-10) * |
韩将星: ""5G时代无线电监测站智能互联网平台技术研究"", 《通信技术》, 31 May 2020 (2020-05-31), pages 1 - 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN117880820B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112216097A (zh) | 一种检测车辆的盲区的方法及装置 | |
CN109981192B (zh) | 一种空域反黑飞无人机的频谱监测方法 | |
US7986247B2 (en) | Advisory system for previewing local conditions on a highway | |
KR101493360B1 (ko) | 주변 차량의 상태 변화 감지를 통한 차량 주행 관리 방법 및 시스템 | |
US9344856B2 (en) | Detection of false vehicle-to-vehicle emergency brake light messages | |
US10049568B2 (en) | Method for identifying a vehicle-borne transmitter | |
Haferkamp et al. | Radio-based traffic flow detection and vehicle classification for future smart cities | |
CN114175126A (zh) | 基于无线通信的对象分类 | |
al Janaby et al. | Tracking high-speed users using SNR-CQI mapping in LTE-A networks | |
CN116299389A (zh) | 连接的基于车辆的道路表面质量确定 | |
US6750785B2 (en) | Collaborative speed detection warning device | |
CN109462820B (zh) | 一种用于跟踪低速移动车辆的rssi拟合方法 | |
CN117880820B (zh) | 车联网无线电安全保障***及方法 | |
Kim et al. | VANET Jamming and Adversarial Attack Defense for Autonomous Vehicle Safety. | |
Ma et al. | Performance analysis of joint radar and communication enabled vehicular ad hoc network | |
WO2021171342A1 (ja) | 通信品質を予測するシステム、装置、方法及びプログラム | |
CN116880472B (zh) | 一种露天无人驾驶矿车行进障碍物的智能检测*** | |
Sonny et al. | Deep learning-based smart parking solution using channel state information in LTE-based cellular networks | |
US20200341464A1 (en) | Manual drive changing notification apparatus and method of vehicle and vehicle including the same | |
CN108631892B (zh) | 检测车辆处的卫星无线电广播干扰的方法 | |
Kihei et al. | Predicting car collisions using rssi | |
CN114640947A (zh) | 一种车联网中实时数据传输*** | |
CN111277953B (zh) | 通信网络稳定性处理方法、***及电子设备 | |
WO2021189767A1 (zh) | 一种基于v2x的多目标处理方法 | |
CN110654327B (zh) | 整车控制决策负责判断***及方法 |
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 |