基于镜头MIMO的协作车辆间系统中的位置和方向估计
摘要：车辆到一切（V2X）应用场景中，定位精度是一个关键要求。因此，本文利用基于镜头的多输入多输出（lens-MIMO）系统，推导了合作车辆到车辆（V2V）场景中车辆位置和方向估计的理论极限。接着，我们分析了位置和方向估计的Cramér-Rao下界（CRLB）并探索了一个针对V2V几何模型的镜头-MIMO的接收信号模型的特定到达角度（Aoa）估计。进一步，我们提出了一种更简单的Aoa估计技术，利用镜头-MIMO的独特特性对单个目标车辆进行估计，随后通过连续干扰取消（SIC）方法对多个目标车辆进行有效的扩展。在给定这些到达角度的情况下，我们研究了镜头-MIMO对车辆位置和方向的估计能力。随后，我们证明了在镜头结构的特定配置下，镜头-MIMO在性能上优于传统的均匀线性阵列（ULA）。最后，我们证实，尽管复杂度较低，但随着镜头分辨率的提高，所提出的定位算法优于ULA的CRLB。
作者：Joo-Hyun Jo, Jae-Nam Shim, Byoungnam (Klaus) Kim, Chan-Byoung Chae, Dong Ku Kim
论文ID：2306.16721
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-06-30