【最新成果】基于多模态特征融合的车辆网络波束赋形方法（视频）

本文针对车联网中高效、低延迟、强抗干扰的通信需求，提出了一种基于深度学习的多模态特征融合波束赋形方法。背景方面，随着5G/6G和毫米波通信的发展，传统波束赋形方法在高动态车联网场景中面临计算复杂度高、实时性差等问题。研究目的是通过融合雷达和激光雷达等多模态数据，优化波束赋形过程，提高波束对准精度和系统稳定性。论文采用三维卷积残差块和注意力机制进行特征提取和融合，实验结果表明，该方法在Top-3波束预测精度上达到89.6%，较单模态方案提升超过20%，在不同光照条件下均表现出强泛化能力。结论指出，该方法有效解决了车联网环境中的复杂性和动态性问题，并展望了未来研究方向。