基于域划分和模型选择的车辆间相对方位估计系统及方法
知识产权简介
城市环境中邻居车辆之间的相对方位估计对于一系列上层应用具有重要意义。然而,由于车辆环境的信道受到高度动态的多径效应影响,仅仅通过车车通信的电磁波射频信号获取准确的车辆间相对角度极具挑战。在本文中,我们提出了一种基于域划分和模型选择的车辆间相对方位估计方法,称为DeepAoA+,它可以在通信的同时获得可靠的车辆相对方位。具体说来,车辆通过时钟同步的天线阵列从车载通信的数据包中获取多路信道状态信息,并通过每对天线之间的CSI相位进行做差来有效消除硬件缺陷带来的误差。除此之外,为了消除信道影响,解决高度动态的车辆环境带来的数据非独立同分布问题,DeepAoA+自动地将CSI相位差数据划分成若干个不同的独立同分布的隐式域并在每个隐式域上训练一个信号来角估计模型。为了实现这一点,我们提出了一种基于期望最大化算法的框架来进行隐式域的发现与划分,并且使用预训练技术来增强错误分类样本估计结果的鲁棒性。我们使用时钟同步的通用软件无线电外设部署了DeepAoA+的原型系统,并在4个典型的车辆场景中开展了基于真实数据的实验。实验结果表明,DeepAoA+能够在低时延的情况下实现可靠的AoA估计。