面向毫米波车联网的多模态传感器融合用于主动阻塞预测
机器学习
2025-07-22 v1
摘要
运行在毫米波（mmWave）频段的车联通信系统容易受到来自动态障碍物（如车辆、行人和基础设施）的信号阻塞。为此，我们提出了一种主动阻塞预测框架，利用多模态传感，包括摄像头、GPS、LiDAR和雷达输入， operate 在基础设施到车辆（I2V）setting 中。该方法使用针对每个传感器流的独立处理的 modality-specific 深度学习模型，并根据验证性能采用softmax加权集成策略融合其输出。我们的评估显示，对于提前1.5s，仅摄像头模型在准确率和推理时间之间取得最佳权衡，F1得分为97.1%，推理时间为89.8ms。摄像头+雷达配置进一步将准确率提高到97.2%的F1，推理时间为95.7ms。我们的结果显示了多模态传感对于毫米波阻塞预测的有效性和效率，并为在动态环境中实现主动无线通信提供了路径。
引用
@article{arxiv.2507.15769,
title = {Multi-Modal Sensor Fusion for Proactive Blockage Prediction in mmWave Vehicular Networks},
author = {Ahmad M. Nazar and Abdulkadir Celik and Mohamed Y. Selim and Asmaa Abdallah and Daji Qiao and Ahmed M. Eltawil},
journal= {arXiv preprint arXiv:2507.15769},
year = {2025}
}
备注
Accepted in IEEE Asilomar Conference on Signals, Systems, and Computers 2025