大规模汽车雷达网络的细粒度分析与优化
信息论
2024-12-03 v1 信号处理
math.IT
摘要
由汽车雷达驱动的高级车辆辅助系统（ADAS）显著提升了车辆安全性和驾驶体验。然而，在密集道路条件下广泛使用雷达会引入相互干扰，导致检测精度和可靠性下降。传统干扰模型仅适用于简单公路场景，无法刻画汽车雷达在密集城市环境中的性能。本文前期工作中，我们采用随机几何（SG）构建了两种汽车雷达网络模型：用于密集城市中心和较小城市区域的泊松线 Cox 过程（PLCP），以及涵盖城市核心和郊区的二项线 Cox 过程（BLCP）。本文在这两个模型之上引入了元分布（MD）框架，以区分雷达检测指标中不同来源的变异性。此外，我们优化雷达波束宽度和传输概率，以最大化网络中单个雷达节点的成功检测数。进一步，我们采用计算效率更高的切比雪夫-马尔可夫（CM）上界方法重建 MD，比传统的吉尔-帕拉赎定理更准确。通过该框架，我们分析了波束宽度、检测范围和干扰对雷达检测性能的具体影响，为开发针对不同交通和环境条件的自适应雷达系统提供了实用见解。
引用
@article{arxiv.2412.00441,
title = {Fine Grained Analysis and Optimization of Large Scale Automotive Radar Networks},
author = {Mohammad Taha Shah and Gourab Ghatak and Shobha Sundar Ram},
journal= {arXiv preprint arXiv:2412.00441},
year = {2024}
}
备注
Submitted to IEEE TSP