Die gegenseitige Interferenz wird zu einem immer wichtigeren Thema in automobilen Radarsystemen, da die Anzahl der Radarsensoren, die in modernen Fahrerassistenzsystemen eingesetzt werden, in den letzten Jahren erheblich zugenommen hat. Wenn keine Gegenmaßnahmen ergriffen werden, verschlechtert sich die Zuverlässigkeit der radarbasierten Objekterkennung in Gegenwart von Interferenzen. In dieser Arbeit werden Signalverarbeitungsalgorithmen zur Interferenzminderung vorgestellt, die sowohl Erkennungs- als auch Rekonstruktionsstufen umfassen.


    Zugriff

    Download

    Verfügbarkeit in meiner Bibliothek prüfen


    Exportieren, teilen und zitieren



    Titel :

    Compressive sensing and deep learning algorithms for interference mitigation in automotive radar systems


    Beteiligte:
    Chen, Shengyi (Autor:in)

    Erscheinungsdatum :

    2023


    Format / Umfang :

    8932 KB , 104 KB , 100 KB



    Medientyp :

    Sonstige


    Format :

    Elektronische Ressource


    Sprache :

    Englisch




    A Deep Learning Approach for Automotive Radar Interference Mitigation

    Mun, Jiwoo / Kim, Heasung / Lee, Jungwoo | IEEE | 2018



    RadChat: Spectrum Sharing for Automotive Radar Interference Mitigation

    Aydogdu, Canan / Keskin, Musa Furkan / Garcia, Nil et al. | IEEE | 2021



    Interference Mitigation for Automotive FMCW Radar With Tensor Decomposition

    Wang, Yunxuan / Huang, Yan / Liu, Jiang et al. | IEEE | 2024