A Direct Vehicle Tracking Algorithm Based on Adaptive Parallel Factor Decomposition

doi:10.1109/TITS.2025.3598175

A Direct Vehicle Tracking Algorithm Based on Adaptive Parallel Factor Decomposition

2025-08-25

0

PRE

AI

DOI：10.1109/TITS.2025.3598175

原文链接

原文求助

摘要

En 中文

车辆定位与跟踪在智能交通系统中发挥着关键作用，尤其是在自动驾驶、交通管理和路径规划的需求日益增长的背景下。然而，现有的大多数研究采用经典的分步方法，由于中间估计误差而表现次优。在本文中，我们提出了一种基于自适应并行因子（PARAFAC）分解的直接车辆跟踪方法，称为DT-AP，该方法通过直接对所接收信号进行处理，区别于传统的跟踪框架。我们首先揭示了接收信号可以自然地建模为低秩动态流张量，表征在由5G超密集网络支持的分布式感知系统中车辆运动的多维和时间演变特性。通过自适应分解流张量，DT-AP能够实现在线轨迹估计，同时消除中间处理并减少信息损失。数值仿真用于验证所提方法在动态多径环境下的有效性。仿真结果表明，DT-AP在精度和计算复杂度方面均优于传统跟踪方法，同时在多径条件下保持稳健性。这些特性表明其在智能交通系统中具有实时可靠应用的潜力。

Keyword:

Direct tracking

streaming tensor

PARAllel FACtor (PARAFAC)

adaptive decomposition

online processing

A Direct Vehicle Tracking Algorithm Based on Adaptive Parallel Factor Decomposition

摘要

期刊

机构

引用论文