基于区块链的危险驾驶地图数据评估模型

在车联网中车辆与周边道路环境进行无线通信与数据交互,使车辆传感器、行人、道路单元之间实现信息互联,但大量的数据通信导致车辆运行环境复杂,车辆在行驶过程中不可避免地会遇到各种危险场景,从而引发车辆安全问题。为确保车辆数据可信及行车安全,建立基于区块链技术的危险驾驶地图数据评估模型。通过传感器实时记录环境数据,将车辆位置、速度等关键数据以及个人隐私信息加密上链实现交易传输,利用智能合约技术进行自动化脚本处理,随后执行共识将交易信息扩散到全部节点,节点承认交易合法后写入区块链。同时对车辆地图交互数据进行危险评估,并将评级结果及其对应操作反馈给车辆,使得车辆可在障碍物、网络攻击等场景下完成应急处理。实验结果表明,该模型能够根据不同危险场景对车辆进行危险评估与规避,确保车辆安全运行。     

基于并列卡尔曼滤波的贝叶斯盲均衡算法实现

研究了基于并列卡尔曼滤波的贝叶斯盲均衡算法的实现方法.针对目前的实现方法中并列滤波器数量众多,实现较为复杂的状况,提出了两种减少并列滤波器改进措施--信道对称初始化和基于同相关状态的信道更新处理.它们主要根据传输向量状态的对称性和相关性将它们分成一组,每组仅采用一个滤波器来实现,使并列滤波器数最减少为原来的 1/2 M(M 为信号的调制阶数).经实验证明改进的实现方法不但大大降低了实现复杂度,而且和通常的实现方法具有相同的误码性能.     

一种基于MMSE准则的直接盲均衡新算法及实现

基于互相关向量估计的直接盲MMSE均衡算法通常需要观测向量两个相邻延时的自相关矩阵来构建互相关向量外积.本文提出了一种盲MMSE均衡新算法,利用了统计独立输入信号自相关矩阵是移位矩阵的特殊性质,只需观测向量单个延时的自相关函数便可得到互相关向量的外积,使计算量减少二分之一.然后推导出了新算法的自适应实现过程,实时地对均...     

基于子空间分解的信道阶数估计算法

提出一种新的基于子空间分解的信道阶数估计算法.首先基于子空间分解,将观测向量自相关矩阵的几何子空间按照某一正整数La分解为“信号”子空间和“噪声”子空间,由“噪声”子空间构建了一个特殊矩阵Gv,提出了Gv特征分析定理,该定理表明当且仅当La等于信道阶数时,Gv奇异并有唯一的零特征值,并进行了详细的理论和实验证明;然后根据该定理,不断修正“噪声”子空间的大小,判定Gv的奇异性,完成信道阶数的估计.仿真证明该算法不但在低信噪比条件下具有很好的估计性能,而且当信道具有较小的初始和结尾系数时,也能达到很好的效果.