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.


    Access

    Download

    Check availability in my library


    Export, share and cite



    Title :

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


    Contributors:

    Publication date :

    2023


    Size :

    8932 KB , 104 KB , 100 KB



    Type of media :

    Miscellaneous


    Type of material :

    Electronic Resource


    Language :

    English




    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