基于机器学习的自动列车配对障碍物检测
信号处理
2018-11-30 v1
摘要
短距离无线设备在工业通信场景中的普适传感与执行器连接中正变得愈发流行。除仅通信场景外，还存在任务关键型用例，其中需精确确定两个通信节点间的距离。诸如自动导引车（AGV）、自动列车配对等应用还要求设备扫描环境并检测任何潜在人员/障碍物。超宽带（UWB）因大信道容量、因低发射功率而与遗留系统更好共存、在多径环境中更优性能等优势，已成为实时测距与定位（RTRL）的有前景候选。本文中，我们评估了一款 UWB 商用现货设备——TimeDomain P440 的性能，该设备可同时作为测距无线电与单站雷达工作。为此，我们通过构建多类假设，评估使用基于监督学习的估计器预测障碍物存在的可能性。仿真结果表明，基于集成树的方法能够以接近 95% 的准确率计算障碍物碰撞的可能性。
引用
@article{arxiv.1811.12228,
title = {Machine Learning Based Obstacle Detection for Automatic Train Pairing},
author = {Raja Sattiraju and Jacob Kochems and Hans D. Schotten},
journal= {arXiv preprint arXiv:1811.12228},
year = {2018}
}
备注
Published in IEEE WFCS 2017