集成感知与通信中用于定位与跟踪的双基地信息融合

蜂窝网络的分布式特性是实现集成感知与通信（ISAC）的主要推动因素之一。对于目标定位与跟踪，利用双基地测量并非易事，因为其与笛卡尔坐标呈非线性关系。大多数文献提出基于几何的方法，通过求解由可用测量值导出的一个明确定义的方程组来确定目标位置。然后，通过局部泰勒展开推导出用于贝叶斯跟踪的误差协方差。在我们的工作中，我们使用最大似然（ML）框架自适应地融合任何双基地测量子集，从而能够纳入可用测量的每一种可能组合，即发射机角度、接收机角度和双基地距离。此外，我们的ML方法具有内在的灵活性，因为它可以扩展以通过多基地设置融合任意数量的测量。最后，我们提出了一种固定和动态的方法来计算位置误差的协方差矩阵，以馈送给贝叶斯跟踪技术，例如卡尔曼滤波器。使用毫米波频率下实际蜂窝通信参数的数值评估表明，我们的方法优于所考虑的基线，分别实现了0.25米和0.83米/秒的位置和速度均方根误差。