车路协作环境下的车辆传感数据压缩感知获取方法
专利汇可以提供车路协作环境下的车辆传感数据压缩感知获取方法专利检索，专利查询，专利分析的服务。并且适用于车路协作环境下车辆传感数据的 压缩 感知 获取方法，所述的方法包括如下步骤：车辆传感 信号 的稀疏特性估计；车辆传感 节点 发送端压缩感知随机测量；车辆传感数据传感网络对测量数据传输；车辆传感节点接收端信息重构。本 发明 将压缩感知方法应用于全息交通通环境下大量车辆传感 数据采集 过程中，能够减少了车辆传感网络原有的数据量，降低节点 能量 的消耗，车辆传感信息通过该方法进行交互，提高车辆传感节点对信息处理传输的实时性以及车车之间信息交互能 力 。，下面是车路协作环境下的车辆传感数据压缩感知获取方法专利的具体信息内容。
一种适用于车路协作环境中车辆传感数据的压缩感知采集传输方法，所述的方法包括：
1.车辆传感信号的稀疏特性估计；
压缩感知是对满足稀疏要求或可压缩信号进行信号重构的技术，信号的稀疏表示是在变换域上寻求尽量少的基函数，设定车辆传感设备某一时段内采集N个值组成的离散一维T
信号表示为X＝[X1,X2,X3，…,Xn]，其中车辆传感信息中车辆加速度信号不满足严格的稀疏特性，可通过小波理论中Daubechies有限支集正交小波函数对信号X＝[X1,X2,X3，…T
,Xn] 分解得到稀疏度为K，正交基的求解过程采用Mallat使用的多分辨率分析方法。车辆加速度的传感信息为严格稀疏，在一段时间内加速度值非0值的个数即为稀疏度K对车辆T
加速度信号X＝[X1,X2,X3，…,Xn] 构造正交基为单位阵。对正交基向量构成稀疏度为K的N×N基向量矩阵Ψ=[Ψ1,Ψ2,Ψ3,…,Ψn]，并正交基构造过程中得到变换系数为N×1T
的α=[α1,α2,α3,…,αn] 的列向量，因此车辆传感信号的稀疏表示为X=Ψα。
2.车辆传感节点发送端压缩感知测量；
车辆传感节点设定M×N的确定性测量矩阵Φ对车辆传感信号在一段时间内原本采样N个采样值观测，设定测量矩阵Φ要求与稀疏基Ψ不相关，不随信号X＝[X1,X2,X3，…,Xn]T
的变化而变化，并能够从M个值中能够准确获取稀疏度为K个非O值的位置。传感节点通过公式Y=Φα计算得到一系列M个观测值Y=[Y1,Y2,Y3,…,YM]，此时得到的采样值M
3.车辆传感数据传感网络对测量数据传输；
车辆传感节点发送端对得到M个观测值进行量化打包，对得到的数据包通过的车辆传感网络建立的无线通信方式如DSRC、WIFI等将数据包发送至周围车辆传感节点接收点。
4.车辆传感节点接收端信息重构；
车辆传感节点接收端接收的周围车辆传感信息的观测值数据包进行重构，在车辆传感节点接收端存有和接收端相同的确定性观测矩阵信息Φ，能够从观测值中能够准确获取稀疏度为K个非O值的位置，进一步通过求解欠定方程，实现对车辆传感信息的快速恢复，最终获得的恢复信息用于指导当前的车辆的驾驶以及与周围车辆协作驾驶。信号的重构方法T
需定义车辆传感设备某一时段内采集N个值组成的离散一维信号X=[X1,X2,X3,…,Xn] 的p-范数为
当p＝0时为0-范数，即为X中的非零个数，因此对车辆传感信息的重构转化为求解
0-范数问题如下:
T
Min||α||0 S.t. Y=Φα=ΦΨX=HX
T
其中，建立M×N的复合矩阵H＝ΦΨ 使得原有的数据由原先N维转换为M矩阵，求解过程采用正交匹配追踪(Orthogonal Matching Pursuit，OMP)算法。OMP的基本思想是在每一次的迭代过程中，从过完备原子库里(即观测矩阵Φ)选择与信号最匹配的列来进行稀疏逼近，并使得在每次迭代中所选择的列与当前的冗余向量最大程度的相关，并求出余量，从测量向量中减去相关部分并反复迭代，使得迭代次数达到稀疏度，强制迭代停止，具体算法步骤如下：
输入值：设定的确定性观测矩阵Φ，采集观测值矩阵Y，稀疏度K；
Step1：初始余量r0=Y，迭代次数t=1，增量矩阵为Λ=Φ；
Step2：通过求余量r与复合矩阵H中各个原子之间内积的绝对值，来计算相关系数λt，并求出最大值在矩阵H的位置：
λj=arg maxt＝1，2,…n|
Step3：扩充增量矩阵，其中
Step4：采用最小二乘法进行对数据信息逼近；
Xt=arg min||Y-HtX||2
Step5：余量更新：rnew=Y-HtXt；
Step6：令r＝rnew，t＝t+1，若t
输出值：信号恢复值Xt。
车路协作环境下的车辆传感数据压缩感知获取方法
技术领域
发明内容
中Daubechies有限支集正交小波函数对信号X＝[X1,X2,X3，…,Xn] 分 解得到稀疏度为K，正交基的求解过程采用小波理论中Mallat使用的多分辨率分析方法。车辆加速度的传感信息为严格稀疏，在一段时间内加速度值非0值的个数即为稀疏度K对车辆加速T
度信号X＝[X1,X2,X3，…,Xn] 构造正交基为单位阵。对正交基向量构成稀疏度为K的N×N基向量矩阵Ψ=[Ψ1,Ψ2,Ψ3,…,Ψn]，并正交基构造过程中得到变换系数为N×1的T
α=[α1,α2,α3,…,αn] 的列向量，因此车辆传感信号的稀疏表示为X＝Ψα； [0009] 2、车辆传感节点发送端压缩感知测量；
OMP的基本思想是在每一次的迭代过程中，从过完备原子库里(即设定的观测矩阵Φ)选择与信号最匹配的列来进行稀疏逼近，并使得在每次迭代中所选择的列与当前的冗余向量最大程度的相关，并求出余量，从测量向量中减去相关部分并反复迭代，使得迭代次数达到稀疏度，强制迭代停止，具体算法步骤如下：
附图说明
具体实施方式
限支集正交小波函数对信号X＝[X1,X2,X3，…,Xn] 分解得到稀疏度为K，正交基的求解过程采用Mallat使用的多分辨率分析方法。车辆加速度的传感信息为严格稀疏，在一段时间T
内加速度值非0值的个数即为稀疏度K对车辆加速度信号X＝[X1,X2,X3，…,Xn] 构造正交基为单位阵。对正交基向量构成稀疏度为K的N×N基向量矩阵Ψ=[Ψ1,Ψ2,Ψ3,…,Ψn]，T
并正交基构造过程中得到变换系数为N×1的α=[α1,α2,α3,…,αn] 的列向量，因此车辆传感信号的稀疏表示为X=Ψα；
OMP的基本思想是在每一次的迭代过程中，从过完备原子库里(即设定的观测矩阵Φ)选择与信号最匹配的列来进行稀疏逼近，并使得在每次迭代中所选择的列与当前的冗余向量最大程度的相关，并求出余量，从测量向量中减去相关部分并反复迭代，使得迭代次数达到稀疏度，强制迭代停止，具体算法步骤如下：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种以物联网为依托的感知城市系统 | 2020-05-11 | 598 |
| 感知导盲鞋 | 2020-05-12 | 71 |
| 工件感知器和感知系统 | 2020-05-12 | 759 |
| 一种感知置物箱 | 2020-05-11 | 560 |
| 含氧感知器 | 2020-05-12 | 604 |
| 感知装置 | 2020-05-11 | 332 |
| 热感知器 | 2020-05-11 | 63 |
| 感知装置 | 2020-05-11 | 86 |
| 手势感知器 | 2020-05-12 | 963 |
| 感知锚杆 | 2020-05-12 | 110 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
-
10 感知型高尔夫球杆
