异构移动通信网络中的多尺度车辆定位

低延迟和高精度的车辆定位在提升交通安全和改善交通管理方面发挥着重要作用。然而，在复杂的道路环境中，由于定位计算的高复杂度，可能无法始终满足低延迟和高精度要求。为解决此问题，我们提出了一种基于异构网络（HetNet）的道路感知定位机制，使能够实时获取车辆位置信息，包括车辆当前道路、道路内的线段以及坐标。通过采用这种多尺度定位方法，可大大降低计算复杂度，同时确保精确定位。具体而言，为降低定位搜索复杂度并确保定位精度，道路被划分为由提出的奇点点（SP）分段方法划分的低维线段，线段长度不等。为降低特征匹配复杂度，提取稀疏表示道路和线段的独特显著特征（SFs），可消除冗余特征，同时最大化特征信息增益。推导车辆定位误差的克拉默森下界（CRLB），以验证由线段分区和SF提取带来的定位精度改进。此外，通过整合包含和相邻位置关系的SF匹配，提出一种多尺度车辆定位（MSVL）算法，用于识别车辆道路信号模式并确定实时线段和坐标。仿真结果表明，所提出的多尺度定位机制可比基准方案实现更低的延迟和更高的精度。