相关实验视频
Updated: Jun 28, 2025

10:16
A Protocol for Real-time 3D Single Particle Tracking
Published on: January 3, 2018
14.9K
基于扩展卡尔曼波器的车辆跟踪使用车辆排队系统的统一平面阵列
Jiho Song1, Seong-Hwan Hyun2,3
1Department of Electrical and Electronic Engineering, Hanyang University, ERICA, Ansan 15588, Republic of Korea.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
这项研究引入了一种增强的卡尔曼波器,用于准确跟踪车辆. 新方法优化了天线放置和阵列分区,以改善位置估计,特别是在具有挑战性的位置的车辆.
科学领域:
- 电气工程 电气工程
- 计算机科学 计算机科学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 准确的车辆跟踪对于智能交通系统和车辆与基础设施 (V2I) 通信至关重要.
- 现有的追踪算法可能会与车辆排队的动态和合作性质作斗争.
研究的目的:
- 开发一个先进的车辆跟踪算法,适用于统一的平面阵列布局和车辆排队场景.
- 优化天线阵列配置和分区,以提高V2I网络中的跟踪精度.
主要方法:
- 一个基于卡尔曼波器的扩展算法,结合了车辆中队特征.
- 一个新的天线放置策略,以实现最佳的阵列配置.
- 一个数组分区算法,将天线数组分为子数组.
- 在车队车辆之间共享纠正的错误过渡向量.
主要成果:
- 拟议的天线放置策略优化了阵列配置,以实现精确的车辆跟踪.
- 车辆跟踪算法通过考虑排队状态演变来改善位置估计.
- 分享错误向量可以增强处于不利位置的车辆的追踪.
- 数组分区算法最大限度地提高了平均跟踪性能.
结论:
- 开发的基于卡尔曼波器的扩展算法显著改善了车辆在排队场景中的位置估计.
- 拟议的天线放置和阵列分区策略对于提高V2I跟踪性能是有效的.

