基于网络同步和信息新鲜度的协同感知中的时空特征对齐与加权融合
网络与互联网体系结构
2026-02-17 v1
摘要
协同感知在车联网（IoV）中聚合多车观测数据以获得更广阔的场景覆盖和改进决策。然而，由于钟摆不同步、通信延迟和车辆间运动变化导致的时空异质性，融合质量会下降。先前工作通过空间变换或固定时间偏移校正来缓解此问题，忽略导致持续特征错位的时间变动钟摆漂移和延迟。为克服此问题，我们提出了时空特征对齐和加权融合框架。具体而言，设计了网络同步以持续补偿车辆间钟摆状态差异并建立统一时间参考，所有特征时间戳可映射至该参考。同步后，为对齐接收特征的时效性，确定其信息新鲜度（AoI），通过估计给定特征大小和链路质量的网络延迟。我们的时空特征对齐随后将车辆特征投影到同一空间坐标系中，并根据AoI校正至同步融合时刻，使所有特征能够一致地描述场景。此外，由于同步和对齐质量的差异，我们估计其不确定性并与AoI集成，以生成特征权重以实现高效融合，优先考虑新鲜且可靠的特征区域。仿真结果表明，在钟摆漂移和链路延迟下，本方法相对于强基准线持续改善感知精度。
引用
@article{arxiv.2602.13439,
title = {Spatiotemporal Feature Alignment and Weighted Fusion in Collaborative Perception Enabled by Network Synchronization and Age of Information},
author = {Qiaomei Han and Xianbin Wang and Minghui Liwang and Dusit Niyato},
journal= {arXiv preprint arXiv:2602.13439},
year = {2026}
}