CN117242718A - 自适应rssi调整 - Google Patents
自适应rssi调整 Download PDFInfo
- Publication number
- CN117242718A CN117242718A CN202280022087.5A CN202280022087A CN117242718A CN 117242718 A CN117242718 A CN 117242718A CN 202280022087 A CN202280022087 A CN 202280022087A CN 117242718 A CN117242718 A CN 117242718A
- Authority
- CN
- China
- Prior art keywords
- rssi
- value
- distance
- message
- model
- 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.)
- Pending
Links
- 230000003044 adaptive effect Effects 0.000 title description 20
- 238000000034 method Methods 0.000 claims abstract description 76
- 230000005540 biological transmission Effects 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000002547 anomalous effect Effects 0.000 claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims description 23
- 230000001965 increasing effect Effects 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 49
- 238000001514 detection method Methods 0.000 description 28
- 230000015654 memory Effects 0.000 description 27
- 238000005259 measurement Methods 0.000 description 24
- 238000009826 distribution Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 206010000117 Abnormal behaviour Diseases 0.000 description 14
- 238000000546 chi-square test Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 230000003416 augmentation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005562 fading Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003116 impacting effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 201000009487 Amblyopia Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000000551 statistical hypothesis test Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0215—Interference
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/10—Monitoring; Testing of transmitters
- H04B17/15—Performance testing
- H04B17/17—Detection of non-compliance or faulty performance, e.g. response deviations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/10—Monitoring; Testing of transmitters
- H04B17/15—Performance testing
- H04B17/18—Monitoring during normal operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本文公开了与异常发送识别相关的方法、装置、系统和非临时计算机可读介质。一种方法包括,在接收设备处,接收来自发送设备的V2X消息。该方法还包括,确定接收设备的信号传播环境,并且获取V2X消息的RSSI值和距离值。该方法还包括基于(1)RSSI值和(2)接收设备的信号传播环境,生成经调整的RSSI值。该方法还包括,获取预定的RSSI与距离关系模型,并且将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对,与预定的RSSI与距离关系模型进行比较。该方法还包括,响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。
Description
技术领域
下文公开的技术一般涉及异常行为检测。更具体地说,所讨论的技术与交通工具对万物(V2X)通信背景下的异常行为检测相关。
背景技术
V2X是一个广义的术语,其描述了一类允许交通工具与其他实体通信的技术,反之亦然。V2X可以涵盖特定类型的通信,诸如交通工具对基础设施V2I、交通工具对网络V2N、交通工具对交通工具V2V、交通工具对行人V2P、交通工具对设备V2D和交通工具对电网V2G。通过使交通工具和基础设施能够共享诸如交通工具类型、速度、位置、轨迹、交通信号状态、定时等信息,V2X可以显著提高道路安全和交通效率。然而,V2X系统可能容易受到诸如位置伪装的异常行为的影响,从而可能造成人为的交通拥堵并带来其他安全隐患。仅基于应用层数据的异常行为检测可能往往会被软件算法所规避。因此在V2X通信中,亟需改进用于异常行为检测的技术。
发明内容
下文对本公开的一个或多个方面给出概述,以提供对这些方面的基本理解。本概述并非是对本公开的所有预期特征的广泛概述,并且既不为了识别本公开所有方面的关键或重要元素,也不为了划定本公开的任何或所有方面的范围。其唯一目的是以一种形式给出本公开的一个或多个方面的一些概念,作为后面呈现的更详细描述的前奏。
在一个示例中,公开了一种用于异常发送识别的方法。该方法包括,在接收设备处,接收来自发送设备的V2X消息。该方法还包括,确定接收设备的信号传播环境,并且获取V2X消息的RSSI值和距离值。该方法还包括,基于(1)RSSI值和(2)接收设备的信号传播环境,生成经调整的RSSI值。该方法还包括,获取预定的RSSI与距离关系模型,并且将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较。该方法还包括,响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。
另一示例提供了一种用于异常发送识别的装置。该装置包括被配置为接收来自发送设备的V2X消息的接收无线电单元,以及一个或多个处理器。该一个或多个处理器被配置为获取V2X消息的RSSI值和距离值,基于(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值。该一个或多个处理器还被配置为获取预定的RSSI与距离关系模型,并且将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较。一个或多个处理器还被配置为,响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。
另一示例提供了一种用于异常发送识别的系统。该系统包括用于在接收设备处接收来自发送设备的V2X消息的部件。该系统还包括用于确定接收设备的信号传播环境的部件和用于获取V2X消息的RSSI值和距离值的部件。系统还包括用于根据(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值的部件。系统还包括用于获取预定的RSSI与距离关系模型的部件,以及用于将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较的部件。该系统还包括用于响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送的部件。
另一示例提供了一种非暂时性计算机可读介质,其中存储有用于由一个或多个处理单元运行的指令。该指令包括,用于在接收设备处接收来自发送设备的V2X消息的指令。该指令还包括,用于确定接收设备的信号传播环境并且获取V2X消息的RSSI值和距离值的指令。该指令还包括,用于基于(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值的指令。该指令还包括,用于获取预定的RSSI与距离关系模型,并且将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较的指令。该指令还包括,用于响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送的指令。
附图说明
通过示例的方式示出了本公开的各个方面。在附图中,相同的参考编号指示相似的元素。
图1展示了可以含有本公开的一个或多个实施例的V2X环境的示例。
图2呈现了根据本公开的一个实施例的基本安全消息(BSM)的说明性格式,这是一种V2X通信类型的示例,可以在环境中的实体之间被发送,并且由接收设备用于异常发送识别。
图3呈现了接收信号强度指示符(RSSI)值与距离之间的关系图,以及如何将此图用于识别异常V2X发送。
图4是示出根据本公开的实施例的在通信设备内的说明性组件的框图,该通信设备被配置为在面对上述挑战时识别异常V2X发送。
图5是示出根据本公开的实施例的异常发送检测器的操作的框图。
图6呈现了根据本公开的实施例的多个预定的RSSI与距离关系模型。
图7展示了为将RSSI与距离观测的第一集合与图6所示的七个预定的RSSI与距离关系模型中的每一个拟合而执行的卡方检验的结果。
图8展示了为将RSSI与距离观测的第二集合与图6中所示的七个预定的RSSI与距离关系模型中的每一个拟合而执行的卡方检验的结果。
图9A示出了两个设备之间V2X信号传播的无障碍场景900。
图9B示出了两个设备之间V2X信号传播的有障碍场景910。
图10是根据本公开的一方面的自适应RSSI调整系统的框图。
图11是由主交通工具生成的日志文件1100的示例,其列出了与已经被识别为异常发送的BSM消息相关联的详细信息。
图12是示出根据本公开的实施例的异常发送识别过程1200的流程图。
图13是示出根据本公开的实施例的交通工具的各种硬件和软件组件的框图。
具体实施方式
现在将组合附图描述几个示例性具体实施例,附图构成本文的一部分。虽然下文描述了可以实施本公开的一个或多个方面的特定具体实施例,但在不脱离本公开的范围或所附权利要求的主旨的情况下,可以使用其他具体实施例并可以进行各种修改。
图1展示了可以含有本公开的一个或多个实施例的V2X环境100的示例。如图所示,环境100可以包括多个不同的实体,包括交通工具102和104、行人106、108和110以及基础设施组件112(信号灯)、114(信号灯)、116(信号灯)和118(人行横道传感器)。这些实体可以相互进行V2X通信,来提高道路安全和交通效率。接收V2X通信的接收设备,诸如交通工具102和104、行人106、108和110(例如,行人携带的移动设备)或基础设施组件112、114、116和118中的任何一个,可以确定接收到的特定V2X通信是异常发送,从而判定发送设备行为异常。根据本公开的各种实施例,这种用于异常发送识别的技术可以涉及下文所述的说明性步骤。
如本文所述,“接收设备”可以指能够进行双向通信的通信设备,但为便于讨论,强调其接收能力。接收设备可以但不一定要主动执行接收操作。例如,接收设备可能在先前已执行过接收,稍后将执行接收,也可能基于可能发生或可能不发生的情况有条件地执行接收,等等。同样地,“发送设备”可以指能够进行双向通信的通信设备,但为了便于讨论,强调其发送能力。类似地,发送设备可以但不一定要主动执行发送操作。例如,发送设备可能在先前执行过发送,稍后将执行发送,也可能基于可能发生或可能不发生的条件有条件地执行发送,等等。
例如,该技术可以包括在接收设备处,接收来自多个第一发送设备的多个第一V2X消息。例如,接收设备可以是交通工具102。来自多个第一发送设备的多个第一V2X消息可以包括,例如,行人110发送的V2X消息、交通工具104发送的V2X消息和基础设施组件112发送的V2X消息。该技术还可以包括,对于多个第一V2X消息中的每个第一V2X消息,获取RSSI与距离数据对,其包括(1)接收信号强度指示符RSSI值和(2)与接收设备和第一V2X消息的对应的第一发送设备之间的估计距离相关联的距离测量,来形成多个第一V2X消息的多个RSSI与距离数据对。该技术还可以包括,基于多个第一V2X消息的多个RSSI与距离数据对,从多个预定的RSSI与距离关系模型中选择预定的RSSI与距离关系模型。该技术还可以包括,在接收设备处,接收来自不同于第一多个发送设备的第二发送设备的第二V2X消息。例如,来自第二发送设备的第二V2X消息可以是行人108发送的V2X消息。该技术还可以包括获取第二V2X消息的RSSI与距离数据对,其包括(1)RSSI值和(2)与接收设备和第二发送设备之间的估计距离相关联的距离测量。该技术还可以包括确定第二V2X消息的RSSI与距离数据对不满足符合所选择的预定的RSSI与距离关系模型的标准。最后,该技术可以包括至少部分地基于确定第二V2X消息的RSSI与距离数据对不满足符合所选择的预定的RSSI与距离关系模型的标准,将第二V2X消息识别为异常发送。通过这种方式,交通工具102可以确定从行人108接收到的V2X消息是异常发送,其可以被认为V2X环境中的异常行为。
图2呈现了根据本公开的一个实施例的基本安全消息(BSM)的说明性格式,这是一种V2X通信的示例,可以在环境100中的实体之间被发送,并且由接收设备用于异常发送识别。BSM消息在V2X通信中的使用在诸如美国的地方非常普遍,为了说明性目的在此对其进行描述。可以使用的其他类型消息可以包括,例如合作意识消息(CAM)或分散环境通知消息(DENM)等,这些消息在V2X通信中的使用在诸如欧洲的地方非常普遍。根据本公开的实施例的用于异常行为检测的V2X通信中包含的RSSI值和位置数据的使用适用于BSM、CAM和/或DENM消息。回到图2所示的示例,所示的BSM格式包括用于识别消息并且指定消息大小和类型的数据。所示的BSM格式还可以包括相关实体位置/定位的数据。在这种情况下,位置数据包括,例如,纬度、经度和海拔数据。此外,BSM格式还可以包括诸如交通工具航向、方向盘角度、加速度和偏航率、制动系统状态、交通工具大小等信息。
V2X环境中的异常行为可能采取发送具有不准确信息的BSM消息的形式,其设计目的是扰乱交通、制造拥堵或造成一些其他干扰。例如,行为异常的实体可能会发送大量看似来自不同交通工具(例如,具有不同临时标识符(“TemporaryID”))的BSM消息。这些BSM消息可能包含位置和轨迹数据,指示附近有大量交通工具都在驶向特定交叉路口,而实际上这些交通工具并不存在。这些“伪造的”BSM消息的发送方可能是单个用户的移动电话,例如图1中的行人108的移动电话。发送方可能通过使用软件算法来欺骗临时标识符、模仿符合现实世界中现有道路的地图坐标的交通工具轨迹数据等,从而使用软件算法来克服任何仅基于应用层数据的V2X异常行为检测系统。因此,正在进行的异常行为可能很难被检测到。根据本公开的实施例,接收设备可以获取与接收特定BSM消息相关联的RSSI与距离数据对,确定RSSI与距离数据对是否满足或不满足符合预期的RSSI与距离关系模型的标准,并且使用此类信息来判定包含BSM消息的V2X通信是否为异常发送。
图3展示了接收信号强度指示符(RSSI)值与距离的关系图,以及如何将此图用于识别异常的V2X发送。y轴以对数形式表示RSSI值,单位为分贝(dB)。x轴以米为单位表示距离。根据本公开的实施例,为了确定是否应将BSM消息识别为异常发送,接收BSM消息的设备可以仔细检查与接收BSM消息相关联的RSSI值以及发送方与接收BSM消息的设备之间的距离。如先前参考图2所讨论,BSM消息典型地包括关于BSM消息的发送方(例如,交通工具、行人、基础设施等)的位置的信息。因此,通过解析BSM消息,接收BSM消息的设备可以获取发送方的位置。接收BSM消息的设备也知道自己的位置。得知两者的位置后,该接收BSM消息的设备可以计算出发送方与接收设备之间的距离。同时,接收BSM消息的设备可以获取与接收BSM消息相关联的RSSI值(例如,从物理层的接收无线电中获取)。然后,接收BSM消息的设备可以评估(1)与接收BSM消息相关联的RSSI值以及(2)发送方与接收BSM消息的设备之间的计算距离,是否符合(或不符合)预期的RSSI与距离关系模型。
在图3中,曲线302、304和306表示特定RSSI与距离关系模型的各种属性。这些曲线可以作为发送方与接收BSM消息的设备之间的距离的函数,从例如接收BSM消息的设备可能期望看到的RSSI值分布导出。同样地,为了说明性目的在此描述BSM消息。其他类型的消息也可以被使用,包括CAM消息或DENM消息。回到图3,曲线302表示平均RSSI值,曲线304表示最大RSSI值,曲线306表示最小RSSI值。在本文中,“最大”和“最小”RSSI值可以表示已设定的最高和最低阈值,以确立可以被认为是可接受的或正常的RSSI值范围。落在此范围之外的RSSI值可能被认为异常,例如,被认为从行为异常的发送方发送。因此,曲线304(最大值)和曲线306(最小值)表示已确立的来确定接收到的V2X消息是否符合RSSI与距离的关系模型的标准的示例。可以看出,预期RSSI值(例如,曲线302、304和306)一般会随着发送方和接收设备之间的距离的增加而减小。然而,预期RSSI值可能不是距离的严格递减函数,即,可能存在某些区间,在这些区间内,预期RSSI值随距离的增加而增加。RSSI与距离关系的形状可以取决于所涉及的环境和信号路径而变化,这将在后续的章节中进行详细讨论。
RSSI与距离关系的模型的范围可以从简单到复杂,并且也可以被以不同的方式表示。在图3所示的示例中,展示了平均曲线302、最大曲线304和最小曲线304。然而,也可以使用平均、最大和最小以外的测量。例如,RSSI与距离关系模型可以用每个距离值的概率分布函数来表示。每个概率分布函数可以包括多个频率分档。可以实施不同的频率分档大小。事实上,诸如平均、最大和最小的测量可以从每个距离值的RSSI值分布中导出。评估模型符合的标准可以基于该概率分布,但采用最大曲线和最小曲线以外的形式。此外,虽然图3中的曲线302、304和306看起来反映了在距离上间隔密集的数据点,但RSSI与关系模型可以使用在距离上间隔稀疏的数据点来实现。插值和平滑可以被应用来“填充”稀疏间隔数据点之间的值。最后,RSSI与距离关系模型的基础数据可以从现实世界观测、模拟、计算和/或其他源导出。
采样点308、310和312满足符合图3所呈现的RSSI与距离关系模型的标准。不同的标准可以被确立。这里,标准包括简单的要求,即在与采样点相关联的特定距离值处,所观测的RSSI值必须落在由最大RSSI值曲线304和最小曲线306确立的范围内。例如,采样点308对应于看起来是正常V2X发送的BSM消息。所示的采样点308的所观测的RSSI值约为-19dB毫瓦dBm,距离值约为300米。在距离值为300米处,根据曲线304的所预期的最大RSSI值约为-17.9dBm,根据曲线306的所预期的最小RSSI值约为-20dBm。所观测的RSSI值-19dBm在最小值和最大值所确立的范围内,因此采样点308被认为满足符合RSSI与距离关系模型的标准。以类似的方式,所示的采样点310和312也满足符合RSSI与距离关系模型的标准。
相比之下,采样点314和316不满足符合图3中所呈现的RSSI与距离关系模型的相同标准。例如,采样点314对应于看起来是异常V2X发送的BSM消息。所示的采样点314的所观测的RSSI值约为-13.6dBm,距离值约为540米。在距离为540米处,根据曲线304的所预期的最大RSSI值约为-19.5dBm,根据曲线36的所预期的最小RSSI值约为-21.6dBm。因此,所观测的RSSI值-13.6dBm落在最大值和最小值所确立的范围之外,采样点314被认为不满足符合RSSI与距离关系模型的标准。以类似的方式,采样点316也可以被示出为不满足符合RSSI与距离关系模型的标准。
图3表明,只要知道RSSI与距离的关系模型,就可以用其有效区分正常和异常V2X发送。检测到一个或多个异常发送可以得出发送方行为异常的结论。然而,V2X环境可能不容易预测。事实上,V2X环境的性质可能是动态的,实体位于不同的地方,以不同的轨迹移动。所有这些都使得确定有用的RSSI与距离关系模型变得困难。
图4是根据本公开的实施例的通信设备400内的说明性组件的框图,该通信设备被配置为在面对上述挑战时识别异常V2X发送。通信设备400可以在交通工具中实施,也可以作为行人携带的移动设备、基础设施组件等。为了说明性目的,仅展示了通信设备400的某些组件。然而,应当理解的是,通信设备400可以是能够进行双向V2X通信的设备的一部分。在该示例中,通信设备400包括各种组件,除其他组件外,诸如接收无线收发器402、全球导航卫星系统(GNSS)接收器/收发器404、附加传感器406以及处理器和存储器408。处理器和存储器408指一个或多个处理器和相关联的存储器,它们能够运行编程指令以执行各种任务。处理器和存储器408的操作可以被分为多个块,其可以包括BSM解析器410、位置估计器412和异常发送检测器414。为了说明性目的,在此再次以BSM消息进行描述。其他类型的消息也可以被使用,包括CAM消息或DENM消息。虽然图4中仅展示了一个处理器,但在不同的实施例中,处理器和存储器408执行的各种操作可以由一个或多个处理器执行。
根据本公开的实施例,通信设备400能够接收V2X通信,并且利用对基于通信设备400已经接收的先前V2X通信所选择的RSSI与距离模型的评估,确定V2X通信是否为异常发送。在各种实施例中,此类V2X通信可以包括BSM消息。例如,通信设备400最近可能已经从第一多个发送设备(例如,行人110、交通工具104和基础设施组件112)接收到一组BSM消息,在此表示为BSM1A、BSM1B和BSM1C。无线收发器402接收并且解调包含消息BSM1A、BSM1B和BSM1C的无线电信号。在此过程中,RX无线电40生成与接收每个BSM消息相关联的RSSI值,即,RSSI1A、RSSI1B和RSSI1C,并且将这些RSSI值转发至异常发送检测器414。
无线收发器402还生成包括BSM消息BSM1A、BSM1B和BSM1C的解调基带数据,并且将基带数据转发至BSM解析器410。BSM解析器410对基带数据进行解析,考虑可适用的BSM消息结构,从每个BSM消息中提取有用信息。所提取的信息包括位置数据,诸如位置LOC1A、LOC1B、和LOC1C,其分别对应于BSM消息BSM1A、BSM1B和BSM1C的发送方的位置。BSM解析器410将位置LOC1A、LOC1B、和LOC1C转发至异常发送检测器414。
GNSS接收器/收发器404和附加传感器406生成诸如卫星定位固定、基于Wifi的位置固定和基于其他传感器的位置数据(例如,基于摄像头/图像的位置固定)的数据,并且将这些数据转发至位置估计器412。位置估计器412组合位置数据以为通信设备400自身生成位置估计。由于通信设备400可能是移动的实体,诸如交通工具或行人,因此通信设备400的位置估计可能会随时间而变化。位置估计器412可以生成位置估计,表示为FIX1A、FIX1B、和FIX1C,分别对应于当通信设备400接收BSM消息BSM1A、BSM1B和BSM1C时通信设备400的位置。位置估计器412将位置估计FIX1A、FIX1B、和FIX1C转发至异常发送检测器414。异常发送检测器414可以使用从不同组件收集到的上述数据选择RSSI与距离关系模型。选择RSSI与距离关系模型的过程将在后续的章节中详细描述。
所选择的RSSI与距离关系模型然后被用于确定来自不同发送设备(例如,行人108)的新消息(此处表示为BSM2)是正常发送还是异常发送。此行为涉及为新消息BSM2生成和转发类似的数据。例如,无线收发器402可以接收BSM2,并且生成与接收BSM2相关联的RSSI值RSSI2。无线收发器402可以将RSSI2转发至异常发送检测器414。无线收发器402还可以生成包括消息BSM2的解调基带数据,并且将基带数据转发至BSM解析器410。BSM解析器410可以提取位置LOC2,该位置与消息BSM2的发送方的位置相对应。BSM解析器410将位置LOC2转发至异常发送检测器414。GNSS接收器/收发器404和附加传感器406可以生成到位置估计器412的各种位置数据。位置估计器412可以使用位置数据生成位置估计FIX2,该位置估计与通信设备400接收到消息BSM2时的位置相对应。位置估计器412可以将位置估计FIX2转发至异常发送检测器414。接收到RSSI2、LOC2和FIX2后,异常发送检测器414可以使用这些值,利用所选择的RSSI与距离关系模型来确定BSM2是正常发送还是异常发送。
图5是示出了根据本公开的实施例的异常发送检测器414的操作的框图。如图所示,异常发送检测器414可以包括距离计算块502、模型选择器块504和模型符合评估器块506。距离计算块502一般通过接收位置对以及计算位置对之间的距离来操作。例如,距离计算块502可以接收位置LOC1A、LOC1B和LOC1C以及位置固定值FIX1A、FIX1B和FIX1C。距离计算块502可以生成距离D1A、D1B和D1C。D1A对应于LOC1A与FIX1A之间的距离。D1B对应于LOC1B与FIX1B之间的距离。D1C对应于LOC1C与FIX1C之间的距离。因此,距离D1A、D1B和D1C分别表示与BSM1A、BSM1B和BSM1C相关联的发送的距离。模型选择器504接收RSSI值RSSI1A、RSSI1B以及RSSI1C,它们分别表示与接收BSM1A、BSM1B和BSM1C相关联的接收信号强度。基于三个RSSI与距离数据对,即,(RSSI1A,D1A)、(RSSI1B,D1B)和(RSSI1C,D1C),模型选择器504选择RSSI与距离关系模型。模型选择器504可以从多个预定的RSSI与距离关系模型中选择RSSI与距离关系模型。这里,“预定的RSSI与距离关系模型”被广义地定义为表征RSSI值与距离值之间关系的任何模型。这种模型可以通过多种方式“预定”。例如,在一个实施例中,RSSI值与距离值之间的关系可以形成一个或多个固定的数学表达式或常量表查找值,其在所讨论设备(诸如异常发送检测器414)的制造或工厂编程期间被确定。在另一个实施例中,RSSI值与距离值之间的关系可以由机器学习ML模型所确定,其结构或参数可以在所讨论设备的制造或工厂编程期间被确定。此类ML模型仍然被认为是“预定”的,即使与ML模型相关联的系数或其他值可能在使用期间(在制造和工厂编程之后)被更新,诸如通过涉及无监督学习的过程。
根据本公开的一个实施例,图6呈现了多个预定的RSSI与距离关系模型。每个模型可以对应于不同的信号传播环境。在该示例中,七个预定的RSSI与距离关系模型被示出。它们是:
·路径损耗指数为1.5的城市简单路径损耗模型
·路径损耗指数为2.0的城市简单路径损耗模型
·路径损耗指数为2.5的城市简单路径损耗模型
·Nakagami衰落的城市简单路径损耗模型
·公路简单路径损耗模型
·城市双射线模型
·城市断点模型
在此,各种城市简单路径损耗模型基于与城市相关联的信号传播环境,这些环境中存在障碍诸如建筑物、交叉交通和一般会给接收信号增加更多障碍和干扰的其他实体等。所示的城市简单路径损耗模型分别对应于1.5、2.0和2.5的路径损耗指数。每个路径损耗指数表示信号强度预期随距离呈指数下降的不同幅度。Nakagami衰落的城市简单路径损耗模型是更细致的模型,典型地与延迟时间分布相对大的多径散射相关联,具有不同的反射波群,这可能是蜂窝系统中来自多个源的干扰的特征。公路简单路径损耗模型基于与公路相关联的信号传播环境,这种环境可能与诸如建筑物的固定位置障碍较少相关联。城市双射线模型也是基于与城市相关联的信号传播环境。然而,至少有两条不同的信号传播路径被考虑。例如,这两条路径可以包括直接视距路径和反射路径,例如,路面反射路径。城市断点模型也是基于与城市相关联的信号传播环境,但在特定距离上有断点。对于不大于断点的距离,该模型可以遵循一种特定的衰落特征,而对于大于断点的距离,该模型可以遵循不同的衰落特征。虽然图7中展示了七个预定的RSSI与距离关系模型,但不同数量的预定模型可以被实施。
在图6中,每个预定的RSSI与距离关系模型使用多条轮廓线示出。每个RSSI与距离关系模型可以被视作每个距离值处RSSI值的分布。多条轮廓线表示与每个距离处的RSSI分布相关联的分档边界。例如,使用五条轮廓线示出路径损耗指数为1.5的城市简单路径损耗模型。这五条轮廓线表示用于划分各个距离处的RSSI值的分布的六个分档的边界。虽然在图6所示的实施例中使用六个分档来表征各个RSSI与距离的关系模型,但不同数量的分档也可以被使用。此外,虽然在所示实施例中使用轮廓线来示出各个RSSI与距离的关系模型,但在其他实施例中可以使用不同的测量。虽然图6看起来反映了在距离上间隔密集的数据点,但RSSI与关系模型可以使用在距离上间隔稀疏的数据点来表示。插值和平滑可以被应用来“填充”稀疏间隔数据点之间的值。再次重申,各个RSSI与距离关系模型的基础数据可以从现实世界观测、模拟、计算和/或其他来源导出。
回到图5,模型选择器块504可以执行拟合检验,以确定七个预定的RSSI与距离关系模型中的哪一个与多个第一发送设备相关联的RSSI与距离观测的集合(例如,数据对(RSSI1A,D1A)、(RSSI1B,D1B)和(RSSI1C,D1C))最佳拟合。根据一个特定的实施例,使用卡方检验(也称为χ2检验)作为拟合检验。卡方检验是一种统计假设检验,其被用于确定观测与多个假设分布的集合之间是否存在统计上的显著差异。典型地,卡方检验得到P值的集合。每个P值表示观测与假设分布被认为是优的“拟合”的度。越小的P值对应于越好的拟合,而越大的P值对应于越差的拟合。虽然在此所描述的是卡方检验,但根据本公开的各种实施例,其他类型的拟合检验也可以被使用。
图7展示了为将RSSI与距离观测的第一集合与图6中所示的七个预定的RSSI与距离关系模型中的每一个模型拟合而执行的卡方检验的结果。例如,RSSI与距离观测的第一集合在星期一上午进行。RSSI与距离观测可以包括数据对(RSSI1A,D1A)、(RSSI1B,D1B)和(RSSI1C,D1C)的第一实例。y轴表示所生成的池统计(Chi Statistics)的大小,其可以包括卡方检验的P值。此处绘制了七个不同的卡方检验结果,每个针对七个预定的RSSI与距离关系模型中的每一个。从图中可以看出,六个模型得出的P值显著地大,并且随着距离的增加而增加。相比之下,一个模型,即公路简单路径损耗模型得出的P值在一定距离范围内保持相对接近于零。该显著低的P值指示,RSSI与距离观测的第一集合与公路简单路径损耗模型拟合非常好。因此,模型选择器504可以在本星期一上午选择公路简单路径损耗模型。
图8展示了为将RSSI与距离观测的第二集合与图6中所示的七个预定的RSSI与距离关系模型中的每个模型拟合而执行的卡方检验的结果。例如,RSSI与距离观测的第一集合在同一个星期一进行,但是是下午。同样,RSSI与距离观测可以包括数据对(RSSI1A,D1A)、(RSSI1B,D1B)和(RSSI1C,D1C)的第二实例。y轴表示所生成的池统计的大小,可以包括卡方检验的P值。同样地,绘制了七个不同的卡方检验结果,每个针对七个预定的RSSI与距离关系模型中的每一个。从图中可以看出,六个模型得出的P值显著地大,并且随着距离的增加而增加。相比之下,一个模型,即城市双射线模型得出的P值在一定距离范围内保持相对接近于零。该显著低的P值指示,RSSI与距离观测的第一集合与城市双射线模型拟合非常好。因此,模型选择器504可以在星期一下午选择城市双射线模型。
图7和图8所示的星期一上午与星期一下午的对比示例分别示出了所公开技术的自适应性质。RSSI与距离关系模型的选择基于最近的RSSI与距离观测。随着时间的推移、随着V2X接收设备移动到不同位置和/或随着周围的V2X实体或其他实体移动或改变其行为,信号传播环境可能会发生变化。通过基于最近的观测选择合适的RSSI与距离关系模型,V2X接收设备可以灵活地适应于不断演变的信号传播环境。模型选择器504选择新模型的频率和定时可以取决于实施方式。在一些实施例中,可以按照固定的、周期性的计划执行模型选择。例如,可以每M分钟执行一次。在其他实施例中,可以基于一个或多个事件触发模型选择,诸如V2X接收设备已经移动到不同位置的指示。在其他实施例中,还可以基于包括时间、位置和/或其他考虑因素的组合执行模型选择。
回到图5,模型符合评估器块506从模型选择块504接收所选择的RSSI与距离关系模型。这可以通过不同方式完成。例如,模型选择块504可以将表征所选择的模型的分布的实际数据(诸如图6中所示的与所选择的预定的RSSI与距离关系模型相对应的轮廓线)转发至模型符合评估器块506。在不同的示例中,例如,每个预定的RSSI与距离关系模型可以与索引相关联,并且模型选择块504可以简单地将与所选择的RSSI与距离关系模型(例如,公路简单路径损耗模型)相关联的索引(例如“5”)转发至模型符合评估器块506。
接下来,模型符合评估器块506对如图5所示的与来自第二发送设备的第二V2X消息(BSM2)相对应的RSSI与距离数据对(例如(RSSI2,D2))与所选择的模型进行评估,来确定符合所选择的模型的标准是满足还是不满足。这种标准的示例是,RSSI与距离数据对在诸如图3中所示的由最大和最小RSSI曲线所确立的可接受的RSSI值范围内是否拟合。因此,符合评估器块506可以根据所选择的RSSI与距离关系模型(例如,公路简单路径损耗模型),确定RSSI2值是否落在为距离D2定义的最大RSSI值与最小RSSI值之间的可接受RSSI值范围内。如果满足该标准,则第二V2X消息可以被识别为正常的V2X发送。另一方面,如果RSSI与距离数据对不满足该标准,则第二V2X消息可以被识别为异常V2X发送。
根据各种实施例,所公开技术呈现出固有的防篡改特征。如所讨论的,模型选择可以基于对来自多个第一发送设备(例如,行人110、交通工具104和基础设施组件112)的多个第一V2X消息(例如,BSM1A,BSM1B和BSM1C)做出的RSSI与距离观测。转而,对异常V2X发送的评估可以基于对来自不同于多个第一发送设备的第二发送设备(例如,行人108)的第二V2X消息(例如BSM2)做出的RSSI与距离观测。此外,多个第一发送设备也可以表示一组多样化的发送设备,从而进一步增强该技术的防篡改性质。因此,所公开技术使行为异常的发送设备更难影响RSSI与距离关系模型的选择。其他V2X发送设备(那些没有异常行为的设备)更有可能影响RSSI与距离关系模型的选择—即,被认为是正常RSSI与距离关系的“基线”。只要可靠地选择了RSSI与距离的关系模型,就可以将行为异常的V2X发送设备识别为偏离所选择的模型的异常设备。
所公开技术的另一个优点是利用可以是现有通信系统中的现成的数据。例如,BSM消息的RSSI值(诸如RSSI1A、RSSI1B、RSSI1C以及RSSI2)已经可以从硬件(诸如图4中所示的块无线收发器402)中获得。发送设备的位置数据典型地作为标准BSM消息格式的一部分存在,因此诸如LOC1A、LOC1B、LOC1C以及LOC2的位置数据已经可以获得,并且可以从传入的BSM消息中解析。类似地,无线收发器402自身的位置固定数据,诸如FIX1A、FIX1B、FIX1C以及FIX2可能已经可从位置确定设备(诸如通信设备400中已有的GNSS接收器/收发器404、附加传感器406等)中获得。因此,根据本公开的实施例,可能不需要附加的设备来实施上述用于识别异常发送的技术。
图9A示出了两个设备之间V2X信号传播的无障碍场景900。在此,交通工具902可以向另一交通工具904发送V2X消息,例如BSM消息。从交通工具902到交通工具904之间有直接、无障碍的视线(LOS)路径。这样,V2X消息可以在没有障碍的影响的情况下从交通工具902发送至交通工具904。其他环境条件仍可能影响V2X信号的传播。例如,如果道路是城市街道还是公路,则信号传播通道可能不同。如果环境呈现双射线传播或断点式传播行为,则信号传播信道也可能不同。因此,交通工具904可以从多个预定的RSSI与距离关系模型(例如图5和图6)中选择RSSI与距离关系模型来应用本文所描述的技术,例如,通过执行“拟合”检验以找到最可能的模型。交通工具904可以对与从交通工具902接收到的V2X消息相关联的RSSI和距离值与所选择的RSSI与距离关系模型进行评估,以确定从交通工具902接收到的V2X消息是否为异常发送。虽然图9A示出了两个交通工具作为发送设备和接收设备的示例,但该场景可以应用于其他类型的设备,诸如其他交通工具、行人用户设备、RSU、其他类型的设备或其任意组合。
图9B示出了在两个设备之间V2X信号传播的有障碍场景910。同样地,交通工具912可以向另一交通工具914发送V2X消息,例如BSM消息。但在这种情况下,一辆大卡车916位于交通工具912和交通工具914之间。大卡车916阻碍了交通工具912与交通工具914之间的直接LOS路径918,并且使进行“拟合”来选择RSSI与距离关系模型以及使用所选择的模型来确定从交通工具912接收的V2X消息是否为异常发送的过程复杂化。
根据某些具体实施例,交通工具914可以通过使用一个或多个传感器来识别干扰障碍的存在,并且响应于此,修改操作来选择和/或应用RSSI与距离关系模型,以确定来自交通工具912的V2X消息是否是异常发送,来改进异常发送检测性能。在这种实施例中,第一步涉及在交通工具914处检测交通工具912与交通工具914之间的大卡车918的存在。例如,交通工具914可以利用交通工具914上载有的一个或多个摄像头来捕捉相关方向的图像。在这种情况下,交通工具914可以使用一个或多个面向前方的摄像头来捕捉交通工具912在此方向上的图像。交通工具914可以利用对象检测(例如,基于机器学习的检测)来检测所捕捉的图像中的大卡车916。
交通工具914还可以利用关于周围交通工具估计定位的可用信息以及传感器读数来帮助解译有障碍场景910。例如,交通工具914可以接收来自交通工具912的广播BSM消息,该消息包括交通工具类型和交通工具912的GPS坐标。类似地,交通工具914可以接收来自大卡车916的广播BSM消息,其包括大卡车916的交通工具类型和GPS坐标。基于这些GPS坐标,交通工具914可以将由一个或多个摄像头所捕捉的图像中检测到的对象(即大卡车)与接收到的相关BSM消息中被识别的大卡车联系起来。基于所捕捉的图像、定位数据(如GPS坐标)、交通工具类型信息和/或获取的其他信息,交通工具914可以确定交通工具912和/或交通工具914附近的对象。例如,交通工具914可以确定对象位于交通工具912和交通工具914之间。在特定示例中,交通工具914可以确定检测到的对象是否阻碍了交通工具912与交通工具912之间的LOS路径。因此,使用附加信息(如BSM消息)可以完善基于传感器的障碍(如交通工具916)检测。
附加地或可替代地,交通工具914可以利用其他类型的传感器来检测干扰对象。例如,交通工具914可以利用来自诸如RADAR、LIDAR、加速度计、方向盘角度传感器的传感器的读数来确定其他交通工具以及交通工具914自身的定位和方向。通过组合来自多个和/或不同类型传感器的输出,交通工具914可以改进对任何干扰对象的检测。此外,交通工具914可以利用诸如方向盘角度、速度、加速度以及从周围交通工具接收的BSM消息中获取的其他数据的附加信息。交通工具914可以利用传感器读数和/或接收到的BSM消息来确定有多少干扰对象以及存在的干扰对象的类型。
在检测到交通工具912或交通工具914附近的对象(例如,阻碍交通工具912和交通工具914之间LOS的大卡车916)之后,交通工具914可以采取经修改的方法进行异常发送检测。在一个实施例中,交通工具914在确定V2X消息是否为异常发送时,可以修改符合所选择的RSSI与距离模型的标准。回到图4和图5,交通工具914可以包括模型符合评估器506,作为异常发送检测器414的一部分。如先前所讨论的,模型符合评估器506为V2X消息的发送设备与接收设备之间的任何给定的估计距离确立RSSI值范围。RSSI值范围可以由RSSI上限值和RSSI下限值来定义,RSSI上限值和RSSI下限值可以响应于检测到干扰对象而修改。
例如,响应于检测到交通工具912或交通工具914附近的对象,例如,阻碍交通工具912和交通工具914之间的LOS的大卡车916,交通工具514可以扩大与符合所选择的RSSI与距离模型的标准相关联的RSSI值范围。可以通过定义(1)高于先前RSSI上限值的经修订的RSSI上限值和/或(2)低于先前RSSI下限值的经修订的RSSI下限值,来扩大RSSI值范围。例如,与先前的RSSI上限值相比,经修订的RSSI上限值可以有一定量的增加,例如,2dB至10dB。附加地和可替代地,与先前的RSSI下限值相比,经修订的RSSI下限值可以有一定量的减少,例如,2dB至10dB。扩大RSSI范围会放宽符合标准,该放宽的标准可以适应接收信号强度差异的增加,而这种差异与干扰对象的存在相关联。RSSI值范围的扩大程度也可以基于检测到的对象类型和/或数量进行修改。例如,如果确定交通工具912与交通工具914之间的LOS被两辆大卡车所阻碍,则可以进一步增加经修订的RSSI上限值,并且可以进一步降低经修订的RSSI下限值。
在另一示例中,响应于检测到交通工具912或交通工具914附近的对象,例如,交通工具912与交通工具914之间的LOS被大卡车916所阻碍,交通工具914可以将与符合所选择的RSSI与距离模型的标准相关联的RSSI值范围进行偏移。在此,交通工具914可以通过定义(1)低于先前RSSI上限值的经修订的RSSI上限值和/或(2)低于先前RSSI下限值的经修订的RSSI下限值,来偏移RSSI的范围。例如,与先前的RSSI上限值相比,经修订的RSSI上限值可以有一定量的减少,例如,2dB至10dB。附加地和可替代地,与先前的RSSI下限值相比,经修订的RSSI下限值也可以有一定量的减少,例如,2dB至10dB。以这种方式向下偏移RSSI范围可以适应接收到的V2X消息的整体接收信号强度的降低,这可能与存在干扰对象时信号衰减更大相关联。RSSI值范围的偏移程度也可以基于检测到的对象类型和/或数量进行修改。例如,如果确定交通工具912与交通工具914之间的LOS被两辆大卡车所阻碍,则可以进一步降低经修订的RSSI上限值,并且进一步降低经修订的RSSI下限值。
图10是根据本公开的一方面的用于自适应RSSI调整的系统1000的框图。例如,系统1000可以是图4所示的异常发送检测器400的一部分。如图所示,系统1000包括环境检测模块1002、预定的RSSI与距离关系模型1004、自适应RSSI调整模块1006、比较模块1008、决策模块1010和报告生成模块1012。
即使在没有良好的模型拟合RSSI与距离的函数的情况下,系统1000也能提供经改进的异常行为检测。由于各种原因,可能无法获得与周围环境的真实RSSI与距离的特征完整拟合的存储RSSI与距离模型。例如,可能发现所存储的多个RSSI与距离模型中没有一个能提供良好的拟合。作为另一示例,由于存储和/或计算资源的限制,可能发生只存储了一个RSSI与距离模型的情况。系统1000通过提供自适应RSSI调整来解决这些问题,以便当预定的RSSI与距离模型不能完整拟合环境特征时,利用预定的RSSI与距离模型(例如,即使它是唯一可获得的模型)。
如图10所示,可以获取RSSI值1020。RSSI值1020可以与通过用户设备(UE)的物理层接收无线电单元接收传入V2X消息相关联。在该示例中,V2X消息是BSM消息。如先前所述(例如,与图4相关),UE还可以基于V2X消息获取发送器到接收器的距离值。该距离值可以基于作为V2X消息的接收器的UE的位置固定值与V2X消息的发送器的位置值(其从V2X消息中解析)。RSSI值1020和距离值可以形成RSSI与距离数据对。
系统1000可能没有完整描述信号传播环境的良好的RSSI与距离模型。例如,城市环境可能与农村环境截然不同。一般来说,相比于农村环境中的RSSI值,由于V2X消息必须经过不同类型的障碍,因此城市环境中的RSSI值会衰减和/或出现更多偏差。如果交通工具仅存储了来自农村环境中的信号强度相对距离的分布,但却在城市环境中行驶,则分布作为基于RSSI值来检测异常行为的工具可能并不可靠。根据本公开的各个方面,在这种场景下,城市环境中的交通工具接收到的V2X消息的RSSI值可以被放大一定值,使得经调整的值可以被当作交通工具在农村环境中行驶时的值使用。同样,如果交通工具存储了城市环境的信号强度相对距离的分布,并且在农村环境下行驶,则接收到的V2X消息的RSSI值可能会被衰减,如同V2X消息必须“切割”(cut)发送器与接收器之间的各种障碍或对象一样。
图10示出了表明后者示例的值,其中展示的RSSI值1020具有相对大的幅度,反映了UE(例如,交通工具)在农村环境中行驶的事实,在农村环境中无线信号可以在没有显著障碍和衰减的情况下传播。然而,即使UE是在农村环境中行驶,唯一可用的信号强度相对距离的分布是预定的RSSI与距离关系模型1004,它与城市环境相关联。环境检测模块1002基于诸如传感器(例如,摄像头、激光雷达、雷达)、加速度计、定位子系统(如GNSS)、RSSI值1020和/或其他来源的输入确定信号传播环境。由环境检测模块1004生成的信号传播环境可以包括识别环境类型(如农村、城市等)的标识符。附加地或可替代地,信号传播环境还可以包括与天气、交通拥堵、道路状况、传感器读数以及可以指示UE环境背景的其他值相关的个别属性。
作为响应,自适应RSSI调整模块1006可以生成经调整的RSSI值1022,该经调整的RSSI值可以容易地与在该示例中基于城市环境的RSSI与距离关系模型1004一起使用来实现异常行为检测。自适应RSSI调整模块1006接收由环境检测模块1002生成的RSSI值1020以及已确定的信号传播环境。基于这些输入,自适应RSSI调整模块1006生成经调整的RSSI值1022。在本公开的至少一方面中,经调整的RSSI值1022是RSSI值1020的幅度偏移版本。例如,经调整的RSSI值1022可以是RSSI值1020的衰减版本(如图10中的示例所示)。可替代地,经调整的RSSI值1022可以是RSSI值1020的放大版本。
根据本公开的一方面,自适应RSSI调整模块1006使用基于规则的协议生成经调整的RSSI值1022。这种基于规则的协议的示例可以被描述如下:
1.基于规则
a.用例:交通工具具有农村环境的分布,但正在城市环境中行驶
i.收集关于交通工具、建筑物、行人和其他对象的每次切割的RSSI衰减的数据。我们取每次切割衰减的平均值,并且将该值作为RSSI每次切割衰减的因子。
ii.收集不同城市环境中V2X消息的RSSI、距离和切割的次数,并且取每个RSSI与距离对的切割次数的平均。我们使用这个平均切割次数来确定总衰减,δ。
iii.用δ对接收到的V2X信号进行放大,以模仿信号的RSSI,如同该信号是在农村环境中接收到的。
b.用例:交通工具具有城市环境的分布,但正在农村环境中行驶
i.与1.a.i相同
ii.与1.a.ii相同
iii.用δ对接收到的V2X信号进行衰减,以模拟信号的RSSI,如同该信号是在城市环境中接收到的。
下文提供了基于规则的方法的更具体的示例。在一个示例中,交通工具在其存储器中存储了马萨诸塞州安多弗(波士顿附近的一个小镇)的RSSI与距离模型,该模型表示农村环境。然而,该交通工具正行驶在马萨诸塞州波士顿,其为城市环境。系统还已知,在波士顿,每个V2X消息的平均“切割”(即,传播信号遇到的障碍)次数为6,并且每次切割的衰减为4dB。现在,交通工具接收来自波士顿的另一辆车的V2X消息,其RSSI为-80dBm。自适应RSSI调整模块1006将RSSI值放大为4*6=24dB,以生成-56dBm的经调整的RSSI值。然后将该经调整的RSSI值与安多弗的RSSI与距离模型进行比较。
在一个反例中,交通工具在其存储器中存储了波士顿马萨诸塞州的RSSI与距离模型,该模型表示城市环境。然而,交通工具正行驶在马萨诸塞州安多弗市,其表示农村环境。系统还已知,在波士顿,每个V2X消息的平均切割次数为6,并且每次切割的衰减为4dB。现在,交通工具接收到来自安多弗的另一辆车的V2X消息,其RSSI为-60dBm。自适应RSSI调整模块1006可以将RSSI值衰减为4*6=24dB,以生成-84dBm的经调整的RSSI值。然后将该经调整的RSSI值与波士顿的RSSI与距离模型进行比较。
根据本公开的另一方面,自适应RSSI调整模块1006使用基于机器学习(ML)的协议生成经调整的RSSI值1022。这种基于ML的协议的示例可描述如下:
2.基于ML
a.用例:交通工具具有农村环境的分布,但正在城市环境中行驶
i.训练ML模型,通过提供来自城市环境的RSSI来衰减来自农村环境的RSSI。两种环境下的RSSI都应当基于距离而对准。
b.用例:交通工具具有城市环境的分布,但正在农村环境中行驶
i.训练ML模型,通过提供来自农村环境的RSSI来放大来自城市环境的RSSI。两种环境下的RSSI都应当基于距离而对准。
下文提供了基于ML的方法的更具体的示例。在一个示例中,交通工具在其存储器中存储了马萨诸塞州安多弗的RSSI与距离模型,该模型表示农村环境。然而,交通工具正行驶在马萨诸塞州波士顿,其为城市环境。在此,交通工具中的自适应RSSI调整模块1006包括已经过训练的ML模型,其通过基于检测到交通工具正在城市环境中行驶来放大接收到的RSSI值,从而生成经调整的RSSI值。因此,当模型检测到交通工具正在波士顿行驶时,模型可以开始将接收到的V2X消息RSSI放大某个值,例如20dB,因为这是该模型被训练在从安多弗(农村)到波士顿(城市)类型的环境切换的情况下要做的事情。
在一个反例中,交通工具在其存储器中存储了波士顿马萨诸塞州的RSSI与距离模型,该模型表示城市环境。然而,交通工具正行驶在马萨诸塞州安多弗市,其表示农村环境。在此,交通工具中的自适应RSSI调整模块1006包括经过训练的ML模型,其通过基于检测到交通工具正在农村环境中行驶来衰减接收到的RSSI值,从而生成经调整的RSSI值。因此,当模型检测到交通工具正在安多弗行驶时,模型开始将接收到的V2X消息RSSI衰减某个值,例如20dB,因为这是该模型被训练在从波士顿(城市)到安多弗(农村)类型的环境切换情况下要做的事情。
根据本公开的实施例,系统1000通过本地存储仅一个预定的RSSI与距离关系模型1004来操作。该预定的RSSI与距离关系模型从用户设备的本地存储中获取,而用户设备处没有存储其他预定的RSSI与距离关系模型。例如,本地存储包括交通工具1300中的存储器1360(后续会就图13进行讨论)。当与需要存储多个RSSI与距离关系模型的实施例相比时,此类安排具有存储要求较低的优点。
预定的RSSI与距离关系模型1004可以与特定环境(例如,“城市”)相关联,该环境由一个或多个基线信号传播环境属性的集合表示。在一个特定的实施例中,一个或多个基线信号传播环境属性的集合包括障碍的基线(例如,平均)数量。一个或多个基线信号传播环境属性的集合还可以包括每个障碍的信号放大或衰减的基线(例如,平均)量。例如,预定的RSSI与距离关系模型1004可以与6个障碍并且每个障碍具有4dB的衰减相关联。6个障碍以及每个障碍4dB的衰减的值可以作为预定的RSSI与距离关系模型1004的属性被本地存储在利用系统1000的用户设备处,该预定的RSSI与距离关系模型1004也被本地存储。
自适应RSSI调整模块1006可以通过比较当前环境的信号传播环境属性与预定的RSSI与距离关系模型1004的属性,来确定经调整的RSSI值1022。这可以通过基于规则的协议或基于ML的协议来完成。仅作为示例,环境检测模块1002可以确定当前环境为“农村”,具有的相关联的障碍数量为0,并且每个障碍的信号衰减为4dB。自适应RSSI调整模块1006可以将“城市”环境的环境属性(6个障碍、每个障碍具有4dB衰减)与“农村”环境的环境属性(0个障碍、每个障碍具有4dB衰减)进行比较。该比较可以得到两种环境之间的24dB衰减差的结果。具体来说,自适应RSSI调整模块1006可以确定在RSSI值1020可以由比较模块1008与本地存储的预定的RSSI与距离关系模型1004进行比较之前,RSSI值1020可能需要衰减24dB(从而得到经调整的RSSI值1022)。因此,本公开的实施例提供了RSSI与距离在异常行为检测中的高效模型存储和比较操作。
图11是由主交通工具生成的日志文件1100的示例,其列出了与已识别为异常发送的BSM消息相关联的详细信息。日志文件1100的每一行对应于主交通工具从远程交通工具接收并且被识别为异常发送的BSM消息。所示的BSM消息可能由相同的远程交通工具或不同的远程交通工具发送。如图所示,日志文件1100包括多列,其包括时间戳列1102、主交通工具纬度列1104、主交通工具经度列1106、远程交通工具纬度列1108、远程交通工具经度列1110、环境列1112、接收信号强度指示符(RSSI)列1114和RSSI与距离状态列1116。日志文件1100可以由例如主交通工具的车载单元(OBU)生成。日志文件1100仅作为示例进行说明,由主交通工具或其他接收设备生成的其他日志文件所呈现的格式和信息类型可以变化。
日志文件1100包含足够的信息以揭示行为,在该行为中每个列出的BSM消息可能被检测为RSSI与距离不匹配,并且因此被识别为异常发送。具体来说,可以为每个BSM消息导出RSSI与距离数据对。对于每个BSM消息,基于主交通工具的位置和远程交通工具的位置可以计算主交通工具与远程交通工具之间的距离。主交通工具纬度列1104和主交通工具经度列1106可以提供BSM消息由主交通工具接收时主交通工具的位置,以纬度和经度估计的形式。远程交通工具纬度列1108和远程交通工具经度列1110可以提供BSM消息由远程交通工具发送时主交通工具的位置,以纬度和经度的形式。如先前所讨论的,主交通工具可以从BSM消息的内容中提取此类远程交通工具纬度和经度信息。RSSI列1114提供了与每个BSM消息的接收相关联的RSSI测量值。因此,日志文件1100中所提供的信息可以用于为列出的每个BSM消息导出RSSI与距离数据对。
与每个BSM消息相关联的RSSI与距离数据对可以被评估,来确定其是满足还是不满足符合已知的RSSI与距离关系模型的标准。例如,参考回图3,RSSI与距离关系模型可以指示由任何给定距离的“最大”和“最小”RSSI值所定义的符合范围。如果RSSI列1114所指示的RSSI值落在为主交通工具与远程交通工具之间所计算的距离而确立的符合范围(即,大于最大RSSI值或小于最小RSSI值)之外,则可以得出结论,这种不满足符合标准的情况很可能导致在RSSI与距离状态列1116中指示“RSSI_VSDISTANCE_MISMATCH”值。
使用诸如日志文件1100的日志文件,可以对接收设备(例如主交通工具)进行检验,以确定其是否实施了本公开的各个方面。例如,检验场景可以涉及从多个发送设备(例如,一个或多个远程交通工具)向接收设备发送多个V2X消息(例如,BSM消息)。接收设备将接收多个V2X消息。多个V2X消息可以对应于多个RSSI与距离数据对,包括多个V2X消息中的每个消息的RSSI与距离数据对。每个RSSI与距离数据对都可以被仔细控制。例如,每个V2X消息都可以在精确调整的接收信号强度下被发送到接收设备。此外,每个V2X消息(例如,BSM消息)都可以被制定为包含发送设备的发送方位置(例如,经度和纬度),其与接收设备与发送设备之间的已知距离相对应。因此,多个RSSI与距离数据对可以被设计为与已知的RSSI与距离关系模型相对应。接收到此类多个V2X消息后,实施本公开的各个方面的接收设备将很可能会选择已知的RSSI与距离关系模型。
接下来,检验场景可以涉及从不同于多个发送设备的发送设备,向接收设备发送附加V2X消息。接收设备将接收附加V2X消息。附加V2X消息可以与附加RSSI与距离数据对相对应。在此,附加RSSI与距离数据对可以被特意设计为不满足符合已知的RSSI与距离关系模型的标准。响应于接收此类附加V2X消息,实施本公开的各方面的接收设备可能将附加V2X消息识别为异常发送。例如,接收设备可以在日志文件中生成条目,其指示已经检测到RSSI与距离不匹配—例如,在RSSI与距离状态列1116中的“RSSI_VSDISTANCE_MISMATCH”值。
此外,与由主交通工具报告的每个BSM消息相关联的环境信息,还可以确认RSSI与距离关系模型已经由接收设备选择,诸如主交通工具。如图所示,环境列1112提供了由远程交通工具在接收BSM消息时所报告的环境,例如驾驶环境。例如,该环境列可以展示诸如“公路”、“城市”或其他值的值。主交通工具可以能够从环境检测模块获取它的环境信息,该模块可以使用各种形式的输入来检测主交通工具的环境。仅作为示例,环境检测模块可以利用主交通工具的位置和可获得的地图信息来确定主交通工具是在公路上行驶还是在城市环境中行驶。环境检测模块还可以利用诸如可获得的天气信息和雨传感器测量的输入来确定环境和道路状况,在确定环境时也可以考虑此类信息。附加的传感器和/或其他输入可以进一步完善环境确定。
图12是示出了根据本公开的实施例的用于异常发送识别的过程1200的流程图。在1202处,该过程涉及,在接收设备处,接收来自发送设备的V2X消息。例如,V2X消息可以作为无线发送由图4中的无线收发器402接收,并且由图4中的BSM解析器模块410解析。在1204处,该过程涉及确定接收设备的信号传播环境。例如,图10中的环境确定模块1002可以确定信号传播环境。在1206处,该过程涉及获取V2X消息的RSSI值和距离值。例如,RSSI值可以由图10中的RSSI值1020表示,并且可以从图4中的无线收发器402获取。距离值可以由图5中的距离计算模块502基于图4中的BSM解析器模块410生成的位置值和图4中的位置估计器模块412生成的固定值来确定。在1208处,该过程涉及基于(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值。例如,经调整的RSSI值可以由图10中的自适应RSSI调整模块1006生成。在1210处,该过程涉及获取预定的RSSI与距离关系模型。例如,预定的RSSI与距离关系模型1004可以被存储在存储器中,诸如图13中的存储器1360,并且由诸如处理器1310的处理单元检索(例如,实施图4中的RSSI调整模块412)。在1212处,该过程涉及将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较。例如,图10中的比较模块1008可以执行该比较。在1214处,该过程涉及,响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。例如,符合预定的RSSI与距离关系模型的标准可以由图10中的匹配模块1010确定。例如,“匹配”的符合标准可以通过关于图3描述的上限和下限来定义。
图13是根据实施例的交通工具1300的各种硬件和软件组件的框图。交通工具1200的示例可以是图1中所示的交通工具102。交通工具1300可以包括通信设备,诸如图4所示的通信设备400。虽然在此处为了说明性目的,描述的是的交通工具,但接收V2X通信的其他收发器,诸如行人或基础设施组件所携带的设备,也可以实施用于识别异常发送的公开技术。回到图13,交通工具1300可以包括例如汽车、卡车、摩托车和/或其他机动交通工具,可以向其他交通工具发送无线电信号,以及从其他交通工具接收无线电信号,例如经由V2X车对车通信和/或从无线通信网络、基站和/或无线接入点等。在一个示例中,交通工具1300可以经由无线收发器1330和无线天线1332,通过无线通信链路向远程无线收发器发送无线信号或从远程无线收发器接收无线信号来与其他交通工具和/或无线通信网络通信,该远程无线收发器可以包括另一交通工具、基站(例如,NodeB、eNodeB或gNodeB)或无线接入点。
类似地,交通工具1300可以通过无线通信链路向本地收发器发送无线信号或从本地收发器接收无线信号,例如,通过使用WLAN和/或PAN无线收发器,此处由无线收发器1330和无线天线1332中的一个表示。在一个实施例中,无线收发器1330可以包括WAN、WLAN和/或PAN收发器的各种组合。在一个实施例中,无线收发器1330还可以包括蓝牙收发器、ZigBee收发器或其他PAN收发器。在一个实施例中,交通工具1300可以通过无线通信链路1334向交通工具1300上的无线收发器1330发送无线信号,或从无线收发器1330接收无线信号。本地收发器、WAN无线收发器和/或移动无线收发器可以包括WAN收发器、接入点(AP)、毫微微基站、家庭基站、小小区基站、HNB、HeNB或gNodeB,并且可以提供对无线局域网(WLAN,例如,IEEE802.11网络)、无线个人区域网络(PAN,例如,蓝牙网络)或蜂窝网络(例如,LTE网络或其它无线广域网,诸如在下段中所讨论的网络)的访问。当然,应当理解的是,这些仅仅是可以通过无线链路与交通工具通信的网络的示例,所要求的主题在这方面并不受限制。还应当理解的是,无线收发器1330可以放置在各种类型的交通工具1300上,诸如船只、渡轮、汽车、公交车、无人机和各种运输交通工具。在一个实施例中,交通工具1300可以被利用于客运、包裹运输或其他目的。在一个实施例中,交通工具1300利用来自GNSS卫星的GNSS信号1374确定位置和/或确定GNSS信号参数和解调数据。在一个实施例中,来自WAN收发器、WLAN和/或PAN本地收发器的信号1334单独或与GNSS信号1374组合用于位置确定。
支持无线收发器1330的网络技术的示例包括GSM、CDMA、WCDMA、LTE、5G或新无线电接入技术(NR)、HRPD和V2X车对车通信。如前所述,V2X通信协议可以在各种标准中定义,诸如SAE和ETS-ITS标准。GSM、WCDMA和LTE是由3GPP所定义的技术。CDMA和HRPD是由第三代合作伙伴项目II(3GPP2)所定义的技术。WCDMA也是通用移动电信系统(UMTS)的一部分,并且可以由HNB所支持。
无线收发器1330可以经由WAN无线基站与通信网络通信,WAN无线基站可以包括提供订户接入无线电信网络服务(例如,根据服务合同)的设备部署。在此,WAN无线基站可以执行WAN或小区基站的功能,为至少部分基于WAN无线基站能够提供接入服务的范围确定的小区内的订户设备提供服务。WAN基站的示例包括GSM、WCDMA、LTE、CDMA、HRPD、Wi-Fi、蓝牙、WiMAX、5GNR基站。在一个实施例中,无线基站还可以包括WLAN和/或PAN收发器。
在一个实施例中,交通工具1300可以包含一个或多个摄像头1335。在一个实施例中,摄像头可以包括摄像头传感器和安装组件。不同的安装组件可以用于交通工具1300上的不同摄像头。例如,前置摄像头可以安装在前保险杠、后视镜组件的杆部或交通工具1300的其他前置区域。后视摄像头可以安装在后保险杠/挡泥板、后挡风玻璃、后备箱或交通工具的其他后视区域。侧向后视镜可以安装在交通工具侧面,诸如集成到后视镜组件或车门组件中。摄像头可以提供对象检测和距离估计,尤其是对于已知尺寸和/或形状的对象(例如,停止标志和车牌都有标准尺寸和形状),并且还可以提供与交通工具轴线相对的旋转运动信息,诸如转弯期间的运动信息。当与其他传感器配合使用时,摄像头都可以通过使用其他系统进行校准,诸如通过使用LIDAR、车轮刻度/距离传感器和/或GNSS来验证行驶距离和角度方位。摄像机同样也可以被用来验证和校准其他系统,以验证距离测量是否正确,例如通过相对于已知对象(地标、路边标记、道路里程标记等)之间的已知距离进行校准,并且也验证对象检测是否被准确地执行,使得相应地通过LIDAR和其他系统将对象映射到相对于汽车的正确位置。类似地,当与例如加速度计组合时,与道路危险的撞击时间(例如撞击坑洞前的经过时间)可以被估计,该时间可以相对于实际撞击时间进行验证,和/或相对于停止模型进行验证(例如,如果试图在撞击对象前停止,则与估计的停止距离进行比较)和/或相对于机动模型进行验证(验证当前速度下转弯半径的当前估计和/或当前速度下机动性的测量在当前条件下是否准确,并且基于摄像头和其他传感器的测量进行相应修改,来更新估计参数)。
在一个实施例中,加速计、陀螺仪和磁力计1340可以被利用来提供和/或验证运动和方向信息。加速计和陀螺仪可以被利用来监控车轮和传动系统的性能。在一个实施例中,加速计还可以被利用来基于现有停止和加速模型以及转向模型相对于预测时间验证与道路危险(诸如坑洞)的实际撞击时间。在一个实施例中,陀螺仪和磁力计可以分别被利用来测量交通工具的旋转状态以及相对于磁北的方位,以及测量和校准当前速度下转弯半径的估计和/或模型,和/或当前速度下可操作性的测量,尤其是当与来自其他外部和内部传感器(诸如其他传感器1345,如速度传感器、车轮刻度传感器和/或里程表测量)的测量协同使用时。
LIDAR 1350使用脉冲激光来测量对象的距离。虽然可以使用摄像头进行对象检测,但LIDAR 1350提供了一种可以更加确定地检测对象的距离(和方向)的方法,尤其是对于未知大小和形状的对象。LIDAR 1350的测量还可以通过提供准确的距离测量和偏差(delta)距离测量,被用来估计行进速度、矢量方向、相对定位和停止距离。
存储器1360可以与处理器1310和/或DSP 1320一起被使用,其包括随机存取存储器(RAM)、只读存储器(ROM)、光盘驱动器、FLASH或其它存储器设备或其各种组合。在一个实施例中,存储器1360可以包含用以实施贯穿本说明描述的各种方法的指令,例如,包括用于实施使用交通工具之间以及交通工具与外部参考对象(诸如路边装置)之间的相对定位的过程。在一个实施例中,存储器可以包含用于操作和校准传感器的指令,以及用于接收地图、天气、交通工具(交通工具1300与周围交通工具两者,例如,HV110和RV130)和其他数据的指令,并且利用各种内部和外部传感器测量以及接收到的数据和测量来确定驾驶参数,诸如相对定位、绝对定位、停止距离、当前速度下的加速度和转弯半径和/或当前速度下的机动性、车间距离、转弯启动/计时和性能,以及驾驶操作的启动/计时。
在一个实施例中,动力和驱动系统(发电机、电池、变速箱、引擎)及相关系统1375和系统(制动、执行器、油门控制、转向和电气)1355可以由处理器和/或硬件或软件控制,或由交通工具的操作员控制,或由它们的某种组合控制。系统(制动器、执行器、油门控制、转向、电气等)1355和动力及驱动或其他系统1375可以与性能参数和操作参数组合被一起利用,以实现自动(和手动,关于警报和紧急超控/制动/停止)驾驶并且安全准确地操作交通工具1300,诸如安全、有效和高效地并入车流、停止、加速和以其他方式操作交通工具1300。在一个实施例中,处理器1310和/或DSP 1320或其他处理系统可以利用来自各种传感器系统(诸如摄像头1335,加速度计、陀螺仪和磁力计1340,LIDAR 1350,GNSS接收器/收发器1370,RADAR 1353)的输入、来自无线收发器1330和/或其他传感器1345或其各种组合的输入、消息和/或测量,来控制动力和驱动系统1375和系统(制动执行器、油门控制、转向、电气等)1355。
全球导航卫星系统(GNSS)接收器1370可以被利用来确定相对于地球的定位(绝对定位),并且当与其他信息(诸如来自其他对象的测量和/或地图数据)一起使用时,确定相对于其他对象的定位,诸如相对于其他交通工具和/或相对于路面的定位。为了确定定位,GNSS接收器/收发器1370可以使用一个或多个天线1372(取决于功能要求,其可以与天线1332相同)接收来自GNSS卫星的RF信号1374(例如,来自GNSS卫星810的RF信号812)。GNSS接收器/收发器1370可以支持一个或多个GNSS星群以及其他基于卫星的导航系统。例如,在一个实施例中,GNSS接收器/收发器1370可以支持全球导航卫星系统,诸如GPS、GLONASS、伽利略和/或北斗,或其任意组合。在一个实施例中,GNSS接收器/收发器1370可以支持区域导航卫星系统,诸如NavIC或QZSS或其组合,以及各种增强系统(例如,基于卫星的增强系统(SBAS)或地基增强系统(GBAS)),诸如多普勒轨道和卫星无线电定位集成系统(DORIS)或广域增强系统(WAAS)或欧洲地球静止导航重叠服务(EGNOS)或多功能卫星增强系统(MSAS)或局域增强系统(LAAS)。在一个实施例中,GNSS接收器/收发器1330和天线1332可以支持多个频段和子频段,诸如GPS L1、L2和L5频段,伽利略E1、E5和E6频段,罗盘(北斗)B1、B3和B2频段,GLONASS G1、G2和G3频段,以及QZSS L1C、L2C和L5-Q频段。
GNSS接收器/收发器1370可以被用来确定位置和相对位置,这些位置和相对位置可以被利用来确定位置、导航,并且在适当时校准其他传感器,诸如用于确定晴空条件下两个时间点之间的距离,并且使用距离数据校准其他传感器,诸如里程表和/或LIDAR。在一个实施例中,基于GNSS的相对位置,例如基于交通工具之间共享的多普勒和/或伪距测量,可以被用来确定两辆交通工具之间的高准确度距离,并且当与交通工具信息(诸如形状和模型信息以及GNSS天线位置)组合时,可以被是用来校准、验证和/或影响与来自LIDAR、摄像头、RADAR、SONAR和其他距离估计技术的信息相关的置信度。GNSS多普勒测量还可以被利用来确定交通工具或交通工具相对于另一交通工具的线性运动和旋转运动,这可以与陀螺仪和/或磁力计及其他传感器系统被一起利用,以基于测量的位置数据保持这些系统的校准。相对GNSS定位数据还可以与来自RSU的高置信度绝对位置组合,来确定交通工具的高置信度绝对位置。此外,在LIDAR和/或基于摄像头的数据源可能会被遮挡的恶劣天气下,可以使用相对GNSS定位数据来避开其他交通工具,并保持在车道或其他分配的道路区域内。例如,使用配备有GNSS接收器/收发器和V2X能力的RSU,可以向交通工具提供GNSS测量数据,如果提供有RSU的绝对位置,则该数据可以被用来相对于地图为交通工具导航,从而在缺乏可见度的情况下保持交通工具在车道和/或道路上行驶。
RADAR 1353使用从对象上反射的被发送的无线电波。基于反射到达所需的时间和反射波的其他信号特征,对反射的无线电波进行分析,来确定附近对象的位置。RADAR 1353可以被利用来检测附近汽车、路边对象(路标、其他交通工具、行人等)的位置,使得即使有诸如雪、雨或冰雹的遮挡天气,一般也能检测到对象。因此,RADAR 1353可以被用来补充LIDAR 1350系统和摄像头1335系统,在典型地基于视觉的系统失效时通过提供测距和距离测量及信息,为其他对象提供测距信息。此外,RADAR 1353还可以被利用来校准和/或检查其他系统(诸如LIDAR 1350和摄像机1335)的正常性。来自RADAR 1353的测距测量可以被利用来确定/测量当前速度下的停止距离、加速度、当前速度下的机动性和/或当前速度下的转弯半径和/或当前速度下的机动性测量。在一些系统中,地面穿透RADAR还可以被用来经由例如路面上的RADAR反射标记或诸如沟渠的地形特征跟踪路面。
对于本领域的技术人员来说,显然可以根据具体要求做出实质性的改变。例如,定制的硬件也可以被使用,和/或以硬件、软件(包括便携式软件,诸如小程序等)或两者来实施特定的元素。此外,还可以采用与其他计算设备诸如网络输入/输出的连接可能被使用。
如参考附图,包括存储器(例如,图13的存储器1360)的组件包括非临时性机器可读介质。本文所使用的术语“机器可读介质”和“计算机可读介质”指代参与提供数据的任何存储介质,这些数据会导致机器以特定方式被操作。在上文提供的实施例中,各种机器可读介质可能参与向处理单元和/或其他设备提供指令/代码以供运行。附加地或可替代地,机器可读介质还可能被使用以存储和/或携带此类指令/代码。在许多实施例中,计算机可读介质是一种物理和/或有形存储介质。这种介质可以有多种形式,包括但不限于非易失性介质、易失性介质和发送介质。计算机可读介质的常见形式包括,例如,磁性和/或光学介质、任何其他带孔图案的物理介质、RAM、PROM、EPROM、FLASH-EPROM、任何其他存储芯片或盒式磁带、下文所述的载波或计算机可从中读取指令和/或代码的任何其他介质。
本文讨论的方法、系统和设备均为示例。各种实施例可酌情省略、替代或增加各种程序或组件。例如,针对某些具体实施例描述的特征可在其他各种实施例中组合使用。各具体实施例的不同方面和要素可以类似方式组合。本文所提供的图中的各种组件可以体现在硬件和/或软件中。另外,技术是不断发展的,因此,许多要素都是示例,并不将本公开的范围限制在这些具体示例中。
事实证明,主要出于通用的原因,有时将此类信号称为比特、信息、值、元素、符号、字符、变量、术语、数字、数值或类似符号是很方便的。不过,应当理解的是,所有这些术语或类似术语都与适当的物理量相关联,只是方便的标签。除非另有特别说明,从上文的讨论中可以显著看出,在本说明书的讨论中,使用“处理”、“计算”、“运算”、“确定”、“查明”、“识别”、“关联”、“测量”、“执行”或类似术语指代特定设备的动作或过程,例如专用计算机或类似的专用电子计算设备。因此,在本说明书的上下文中,专用计算机或类似的专用电子计算设备能够操纵或转换信号,这些信号典型地表示为专用计算机或类似的专用电子计算设备的存储器、寄存器或其他信息存储设备、发送设备或显示设备中的物理电子、电气或磁性量。
本文中使用的术语“和”与“或”包含多种含义,预期至少部分取决于使用这些术语的上下文。本文使用的术语“一个或多个”可以被用来描述单数的任何特征、结构或特性,也可以被用来描述特征、结构或特性的某些组合。不过,应当注意的是,这只是一个说明性的示例,本文所要求的主题并不局限于这个示例。此外,术语“至少一个”如果用于关联一个列表,诸如A、B或C,则可以被解释为指代A、B和/或C的任意组合,诸如A、AB、AA、AAB、AABBCCC等。
本文中描述了多个实施例,各种修改、替代结构和等价物可以在不脱离本公开的主旨的前提下被使用。例如,上述要素可能只是更大系统的一个组成部分,其中其他规则可能优先于各具体实施例的应用、或以其他方式修改各具体实施例的应用。此外,在考虑上述要素之前、期间或之后,还可以采取一些步骤。因此,上述描述并不限制本公开的范围。
实施方式示例在以下编号的条款中描述:
鉴于上述描述,具体实施例可以包括不同的特征组合。实施方式在以下编号的条款中被描述:条款1.一种用于异常发送识别的方法,包括:在接收设备处,接收来自发送设备的V2X消息;
确定接收设备的信号传播环境;
获取V2X消息的RSSI值和距离值;
基于(1)RSSI值和(2)接收设备的信号传播环境,生成经调整的RSSI值;获取预定的RSSI与距离关系模型,将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较;以及响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。条款2.根据条款1所述的方法,其中,生成经调整的RSSI值包括(1)使用基于规则的协议来基于信号传播环境确定增加值或减少值,以及(2)将增加值或减少值应用于RSSI值来获取经调整的RSSI值。
条款3.根据条款1或2所述的方法,其中基于规则的协议涉及,基于信号传播环境确定信号障碍的估计数量,并且基于信号障碍的估计数量生成增加值或减少值。
条款4.根据条款1-3中任一项所述的方法,其中:预定的RSSI与距离关系模型对应于与信号障碍的基线数量相关联的基线信号传播环境,并且基于规则的协议还涉及:确定(1)信号障碍的基线数量与(2)基于信号传播环境的信号障碍的估计数量之间的差,以及基于(1)信号障碍的基线数量与(2)基于信号传播环境的信号障碍的估计数量之间的差,生成增加值或减少值。
条款5.根据条款1的方法,其中生成经调整的RSSI值包括使用基于机器学习(ML)的协议来基于信号传播环境确定经调整的RSSI值。
条款6.根据条款5所述的方法,其中基于ML的协议涉及使用经过训练的模型来生成经调整的RSSI值,其中经过训练的模型是使用包括(1)已知的信号传播环境属性和(2)用于RSSI调整的已知的增加值或减少值的训练集进行训练的。
条款7.根据条款1-6中任一项所述的方法,其中该预定的RSSI与距离关系模型是从接收设备处的本地存储中获取的,而接收设备处没有存储其它预定的RSSI与距离关系模型。
条款8.根据条款1-7中任一项所述的方法,其中该预定的RSSI与距离关系模型与信号障碍的基线数量相关联,并且信号障碍的基线数量被本地存储在接收设备处。
条款9.根据条款1-8中任一项所述的方法,其中该预定的RSSI与距离关系模型还与每个障碍的信号放大或衰减的基线量相关联,并且每个障碍的信号放大或衰减的基线数量被本地存储在接收设备处。
条款10.根据条款1-9中任一项所述的方法,其中该预定的RSSI与距离关系模型包括城市简单路径损耗模型、公路简单路径损耗模型、城市双射线模型或城市断点模型。
条款11.根据条款1-10中任一项所述的方法,其中该距离值包括V2X消息的接收设备与发送设备之间的估计距离。
条款12.根据条款11所述的方法,其中:V2X消息包括基本安全消息(BSM)、合作意识消息(CAM)或分散环境通知消息(DENM),该RSSI值与BSM、CAM或DENM消息的接收相关联,并且估计距离部分基于BSM、CAM或DENM消息中包含的位置数据。
条款13.根据条款12所述的方法,其中该估计距离是从(1)BSM、CAM或DENM消息中包含的位置数据和(2)接收设备的位置固定值所计算出的。
条款14.根据条款1-13中任一项所述的方法,其中,确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准包括:为V2X消息的估计距离确立与预定的RSSI与距离关系模型相对应的RSSI上限值和RSSI下限值;以及确定V2X消息的经调整的RSSI值落在由RSSI上限值和RSSI下限值所确立的RSSI范围之外。
条款15.一种用于异常发送识别的装置,包括:接收无线电单元,其被配置为接收来自发送设备的V2X消息;以及一个或多个处理器,其被配置为:获取V2X消息的RSSI值和距离值;基于(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值;获取预定的RSSI与距离关系模型;将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较;以及响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。
条款16.根据条款15所述的装置,其中一个或多个处理器被配置为通过以下操作生成经调整的RSSI值:(1)使用基于规则的协议来基于信号传播环境确定增加值或减少值,以及(2)将增加值或减少值应用于RSSI值来获取经调整的RSSI值。
条款17.根据条款15或16所述的装置,其中基于规则的协议涉及基于信号传播环境确定信号障碍的估计数量,并且基于信号障碍的估计数量生成增加值或减少值。
条款18.根据条款15-17中任一项所述的装置,其中:预定的RSSI与距离关系模型对应于与信号障碍的基线数量相关联的基线信号传播环境,并且基于规则的协议还涉及:确定(1)信号障碍的基线数量和(2)基于信号传播环境的信号障碍的估计数量之间的差,以及基于(1)信号障碍的基线数量和(2)基于信号传播环境的信号障碍的估计数量之间的差生成增加值或减少值。
条款19.根据条款15所述的装置,其中一个或多个处理器被配置为通过使用基于机器学习(ML)的协议基于信号传播环境来确定经调整的RSSI值来生成经调整的RSSI值。
条款20.根据条款19所述的装置,其中基于ML的协议涉及使用经过训练的模型来生成经调整的RSSI值,其中经过训练的模型是使用包括(1)已知的信号传播环境属性和(2)用于RSSI调整的已知的增加值或减少值的训练集来训练的。
条款21.根据条款15-20中任一项所述的装置,其中预定的RSSI与距离关系模型是从接收设备处的本地存储中获取的,而接收设备处没有存储其它预定的RSSI与距离关系模型。
条款22.根据条款15-21中任一项所述的装置,其中预定的RSSI与距离关系模型与信号障碍的基线数量相关联,并且信号障碍的基线数量被本地存储在接收设备处。
条款23.根据条款15-22中任一项所述的装置,其中预定的RSSI与距离关系模型还与每个障碍的信号放大或衰减的基线量相关联,并且每个障碍的信号放大或衰减的基线数量被本地存储在接收设备处。
条款24.根据条款15-23中任一项所述的装置,其中预定的RSSI与距离关系模型包括城市简单路径损耗模型、公路简单路径损耗模型、城市双射线模型或城市断点模型。
条款25.根据条款15-24中任一项所述的装置,其中距离值包括装置与V2X消息的发送设备之间的估计距离。
条款26.根据条款25所述的装置,其中:V2X消息包括基本安全消息(BSM)、合作意识消息(CAM)或分散环境通知消息(DENM),RSSI值与BSM、CAM或DENM消息的接收相关联,并且估计距离部分基于BSM、CAM或DENM消息中包含的位置数据。
条款27.根据条款26所述的装置,其中一个或多个处理器被配置为从(1)BSM、CAM或DENM消息中包含的位置数据和(2)装置的位置固定值计算估计距离。
条款28.根据条款15-27中任一项所述的装置,其中一个或多个处理器被配置为通过以下方式确定经调整的RSSI与距离数据对不满足符合RSSI-距离关系的标准:为V2X消息的估计距离确立与预定的RSSI与距离关系模型相对应的RSSI上限值和RSSI下限值;以及确定V2X消息的经调整的RSSI值落在由RSSI上限值和RSSI下限值所确立的RSSI范围之外。
条款29.一种用于异常发送识别的系统,包括:用于在接收设备处接收来自发送设备的V2X消息的部件;用于确定接收设备的信号传播环境的部件;用于获取V2X消息的RSSI值和距离值的部件;用于基于(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值的部件;用于获取预定的RSSI与距离关系模型的部件;用于将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较的部件;以及用于响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送的部件。
第30条.一种非暂时性计算机可读介质,其中存储了用于由一个或多个处理单元运行的指令,包括用于以下的指令:在接收设备处,接收来自发送设备的V2X消息;确定接收设备的信号传播环境;获取V2X消息的RSSI值和距离值;基于(1)RSSI值和(2)接收设备的信号传播环境生成经调整的RSSI值;获取预定的RSSI与距离关系模型;将包括经调整的RSSI值和距离值的经调整的RSSI与距离数据对与预定的RSSI与距离关系模型进行比较;以及响应于确定经调整的RSSI与距离数据对不满足符合预定的RSSI与距离关系模型的标准,将V2X消息识别为异常发送。
Claims (30)
1.一种用于异常发送识别的方法,包括:
在接收设备处,接收来自发送设备的V2X消息;
确定所述接收设备的信号传播环境;
获取所述V2X消息的RSSI值和距离值;
基于(1)所述RSSI值和(2)所述接收设备的所述信号传播环境,生成经调整的RSSI值;
获取预定的RSSI与距离关系模型;
将包括所述经调整的RSSI值和所述距离值的经调整的RSSI与距离数据对与所述预定的RSSI与距离关系模型进行比较;以及
响应于确定所述经调整的RSSI与距离数据对不满足符合所述预定的RSSI与距离关系模型的标准,将所述V2X消息识别为异常发送。
2.根据权利要求1所述的方法,其中所述生成所述经调整的RSSI值包括(1)使用基于规则的协议来基于所述信号传播环境确定增加值或减少值,以及(2)将所述增加值或减少值应于到所述RSSI值以获取所述经调整的RSSI值。
3.根据权利要求2所述的方法,其中所述基于所述规则的协议涉及基于所述信号传播环境确定信号障碍的估计数量,并且基于所述信号障碍的估计数量生成所述增加值或减少值。
4.根据权利要求3所述的方法,其中:
所述预定的RSSI与距离关系模型对应于与信号障碍的基线数量相关联的基线信号传播环境,并且
所述基于规则的协议还涉及:
确定(1)所述信号障碍的基线数量与(2)基于所述信号传播环境的所述信号障碍的估计数量之间的差,以及
基于(1)所述信号障碍的基线数量与(2)基于所述信号传播环境的所述信号障碍的估计数量之间的所述差,生成所述增加值或减少值。
5.根据权利要求1所述的方法,其中所述生成所述经调整的RSSI值包括使用基于机器学习ML的协议来基于所述信号传播环境确定所述经调整的RSSI值。
6.根据权利要求5所述的方法,其中基于所述ML的协议涉及使用经过训练的模型来生成所述经调整的RSSI值,其中所述经过训练的模型是使用训练集进行训练的,所述训练集包括(1)已知的信号传播环境属性和(2)用于RSSI调整的已知的增加值或减少值。
7.根据权利要求1所述的方法,其中所述预定的RSSI与距离关系模型是从所述接收设备处的本地存储中获取的,而所述接收设备处没有存储其它预定的RSSI与距离关系模型。
8.根据权利要求7所述的方法,其中所述预定的RSSI与距离关系模型与信号障碍的基线数量相关联,并且所述信号障碍的基线数量被本地存储在所述接收设备处。
9.根据权利要求8所述的方法,其中所述预定的RSSI与距离关系模型还与每个障碍的信号放大或衰减的基线量相关联,并且每个障碍的信号放大或衰减的基线数量被本地存储在所述接收设备处。
10.根据权利要求1所述的方法,其中所述预定的RSSI与距离关系模型包括城市简单路径损耗模型、公路简单路径损耗模型、城市双射线模型或城市断点模型。
11.根据权利要求1所述的方法,其中所述距离值包括所述V2X消息的所述接收设备与所述发送设备之间的估计距离。
12.根据权利要求11所述的方法,其中:
所述V2X消息包括基本安全消息BSM、合作意识消息CAM或分散环境通知消息DENM,
所述RSSI值与所述BSM、CAM或DENM消息的接收相关联,并且
所述估计距离部分基于所述BSM、CAM或DENM消息中包含的位置数据。
13.根据权利要求12所述的方法,其中所述估计距离是从(1)所述BSM、CAM或DENM消息中包含的所述位置数据和(2)所述接收设备的位置固定值所计算出的。
14.根据权利要求1所述的方法,其中所述确定所述经调整的RSSI与距离数据对不满足符合所述预定的RSSI与距离关系模型的所述标准包括:
为所述V2X消息的估计距离确立与所述预定的RSSI与距离关系模型相对应的RSSI上限值和RSSI下限值;以及
确定所述V2X消息的所述经调整的RSSI值落在由所述RSSI上限值和所述RSSI下限值所确立的RSSI范围之外。
15.一种用于异常发送识别的装置,包括:
接收无线电单元,其被配置为接收来自发送设备的V2X消息;以及
一个或多个处理器,其被配置为:
获取所述V2X消息的RSSI值和距离值;
基于(1)所述RSSI值和(2)所述接收设备的信号传播环境生成经调整的RSSI值;
获取预定的RSSI与距离关系模型;
将包括所述经调整的RSSI值和所述距离值的经调整的RSSI与距离数据对与所述预定的RSSI与距离关系模型进行比较;以及
响应于确定所述经调整的RSSI与距离数据对不满足符合所述预定的RSSI与距离关系模型的标准,将所述V2X消息识别为异常发送。
16.根据权利要求15所述的装置,其中所述一个或多个处理器被配置为通过以下操作生成所述经调整的RSSI值:(1)使用基于规则的协议来基于所述信号传播环境确定增加值或减少值,以及(2)将所述增加值或减少值应用于所述RSSI值来获取所述经调整的RSSI值。
17.根据权利要求16所述的装置,其中所述基于规则的协议涉及基于所述信号传播环境确定信号障碍物的估计数量,并且基于所述信号障碍物的估计数量生成所述增加值或减少值。
18.根据权利要求17所述的装置,其中:
所述预定的RSSI与距离关系模型对应于与信号障碍的基线数量相关联的基线信号传播环境,并且
所述基于规则的协议还涉及:
确定(1)所述信号障碍的基线数量与(2)基于所述信号传播环境的信号障碍的所述估计数量之间的差,以及
基于(1)所述信号障碍的基线数量与(2)基于所述信号传播环境的信号障碍的所述估计数量之间的差生成所述增加值或减少值。
19.根据权利要求15所述的装置,其中所述一个或多个处理器被配置为通过使用基于机器学习ML的协议基于所述信号传播环境来确定所述经调整的RSSI值来生成所述经调整的RSSI值。
20.根据权利要求19所述的装置,其中所述基于ML的协议涉及使用经过训练的模型来生成所述经调整的RSSI值,其中所述经过训练的模型是使用训练集来训练的,所述训练集包括(1)已知的信号传播环境属性和(2)用于RSSI调整的已知的增加值或减少值。
21.根据权利要求15所述的装置,其中所述预定的RSSI与距离关系模型是从所述接收设备处的本地存储中获取的,而所述接收设备处没有存储其它预定的RSSI与距离关系模型。
22.根据权利要求21所述的装置,其中所述预定的RSSI与距离关系模型与信号障碍的基线数量相关联,并且所述信号障碍的基线数量被本地存储在所述接收设备处。
23.根据权利要求22所述的装置,其中所述预定的RSSI与距离关系模型还与每个障碍的信号放大或衰减的基线量相关联,并且每个障碍的信号放大或衰减的基线数量被本地存储在所述接收设备处。
24.根据权利要求15所述的装置,其中所述预定的RSSI与距离关系模型包括城市简单路径损耗模型、公路简单路径损耗模型、城市双射线模型或城市断点模型。
25.根据权利要求15所述的装置,其中所述距离值包括所述装置与所述V2X消息的所述发送设备之间的估计距离。
26.根据权利要求25所述的装置,其中:
所述V2X消息包括基本安全消息BSM、合作意识消息CAM或分散环境通知消息DENM,
所述RSSI值与所述BSM、CAM或DENM消息的接收相关联,并且
所述估计距离部分基于所述BSM、CAM或DENM消息中包含的位置数据。
27.根据权利要求26所述的装置,其中所述一个或多个处理器被配置为从(1)所述BSM、CAM或DENM消息中包含的所述位置数据和(2)所述装置的位置固定值来计算估计距离。
28.根据权利要求15所述的装置,其中所述一个或多个处理器被配置为通过以下操作来确定所述经调整的RSSI与距离数据对不满足符合RSSI与距离关系的标准:
为所述V2X消息的估计距离确立与所述预定的RSSI与距离关系模型相对应的RSSI上限值和RSSI下限值;以及
确定所述V2X消息的所述经调整的RSSI值落在由所述RSSI上限值和所述RSSI下限值所确立的RSSI范围之外。
29.一种用于异常发送识别的系统,包括:
用于在接收设备处,接收来自发送设备的V2X消息的部件;
用于确定所述接收设备的信号传播环境的部件;
用于获取所述V2X消息的RSSI值和距离值的部件;
用于基于(1)所述RSSI值和(2)所述接收设备的所述信号传播环境,生成经调整的RSSI值的部件;
用于获取预定的RSSI与距离关系模型的部件;
用于将包括所述经调整的RSSI值和所述距离值的经调整的RSSI与距离数据对与所述预定的RSSI与距离关系模型进行比较的部件;以及
用于响应于确定所述经调整的RSSI与距离数据对不满足符合所述预定的RSSI与距离关系模型的标准,将所述V2X消息识别为异常发送的部件。
30.一种非暂时性计算机可读介质,其中存储了用于由一个或多个处理单元运行的指令,包括用于以下的指令:
在接收设备处,接收来自发送设备的V2X消息;
确定所述接收设备的信号传播环境;
获取所述V2X消息的RSSI值和距离值;
基于(1)所述RSSI值和(2)所述接收设备的所述信号传播环境,生成经调整的RSSI值;
获取预定的RSSI与距离关系模型;
将包括所述经调整的RSSI值和所述距离值的经调整的RSSI与距离数据对与所述预定的RSSI与距离关系模型进行比较;以及
响应于确定所述经调整的RSSI与距离数据对不满足符合所述预定的RSSI与距离关系模型的标准,将所述V2X消息识别为异常发送。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/202,271 | 2021-03-15 | ||
US17/202,271 US11647366B2 (en) | 2020-11-16 | 2021-03-15 | Adaptive RSSI adjustment |
PCT/US2022/070880 WO2022198166A1 (en) | 2021-03-15 | 2022-02-28 | Adaptive rssi adjustment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117242718A true CN117242718A (zh) | 2023-12-15 |
Family
ID=80928588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280022087.5A Pending CN117242718A (zh) | 2021-03-15 | 2022-02-28 | 自适应rssi调整 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4309310A1 (zh) |
CN (1) | CN117242718A (zh) |
WO (1) | WO2022198166A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10120003B2 (en) * | 2016-06-19 | 2018-11-06 | Autotalks Ltd | RSSI based V2X communication plausability check |
US11222219B2 (en) * | 2019-04-15 | 2022-01-11 | Qualcomm Incorporated | Proximate vehicle localization and identification |
-
2022
- 2022-02-28 EP EP22712229.8A patent/EP4309310A1/en active Pending
- 2022-02-28 WO PCT/US2022/070880 patent/WO2022198166A1/en active Application Filing
- 2022-02-28 CN CN202280022087.5A patent/CN117242718A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022198166A1 (en) | 2022-09-22 |
EP4309310A1 (en) | 2024-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11908327B2 (en) | Method and apparatus for vehicle maneuver planning and messaging | |
US11480691B2 (en) | Method and apparatus to determine relative location using GNSS carrier phase | |
US11346959B2 (en) | Method and apparatus to determine relative location using GNSS carrier phase | |
US11536850B2 (en) | GNSS spoofing detection and recovery | |
EP4127769B1 (en) | Sidelink positioning: switching between round-trip-time and single-trip-time positioning | |
US11910279B2 (en) | V2X communication with sensor assistance | |
US11290984B2 (en) | C-V2X message processing timeline adaption based on contouring of remote vehicles and available delay budget | |
TW202209906A (zh) | 用於在v2x環境中管理資料分發的技術 | |
US11412363B2 (en) | Context-adaptive RSSI-based misbehavior detection | |
US11647366B2 (en) | Adaptive RSSI adjustment | |
CN116848871A (zh) | 上下文相关的v2x不当行为检测 | |
CN117242718A (zh) | 自适应rssi调整 |
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 |