Araç iletişiminde radar ve algılama destekli hüzme yönlendirme / Hasret Taha Akçalı; thesis advisor Özlem Tuğfe Demir.

Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Ağustos 2025

Milimetre dalga (mmWave) büyük (massive) çoklu-giriş-çoklu-çıkış (Multiple Input Multiple Output (MIMO)) sistemlerinde radar destekli hüzme oluşturma, hüzme izleme yükünü önemli ölçüde azaltarak yol kenarı birimleri (RSU) ile araçlar arasındaki iletişimi çok daha verimli hale getirir. Bu zamana kadar yapılan çoğu çalışma tek bir RSU ve görüş hattı (Line-of-Sight (LoS)) koşullarına odaklanırken, bu tez, LoS koşuluyla birlikte engeller nedeniyle geçici görüş hattı dışı (Non-Line-of-Sight (NLoS)) koşullarını da mmWave dağıtılmış MIMO iletimi yapan birden fazla RSU açısından ele almaktadır. Çalışma, Bayesian NLoS algılamayı Genişletilmiş Kalman Filtresi (Extended Kalman Filter (EKF)) ile birleştirerek tutarlı kapsama ve yüksek veri hızlarını sağlamaktadır. Ayrıca, araçtan her şeye (V2X) sistemlerinde, RSU'lar hem algılama hem de iletişim işlevlerini yerine getirerek algılamadan elde edilen mesafe, açı ve hız verilerini kullanarak iletişimi geliştirir ve hüzme izleme yükünü azaltır. Bu tez kapsamında, ilgili konsept ve dağıtılmış RSU'lar ve MIMO sistemleri içeren sistem modeli kullanılarak bir durum evrimi modeli türetilmiş, Bayesian NLoS algılama yöntemi ile birlikte EKF eşitlikleri oluşturulmuş ve öngörücü hüzme oluşturma uygulamaları gerçekleştirilmiştir. Simülasyon sonuçları, yerleşik büyük MIMO antenlerine kıyasla, dağıtılmış antenlerin hareket halindeki araçlar için daha tutarlı, güçlü algılama, geniş kapsama alanı ve yüksek veri hızları sağladığını göstermektedir.

Radar-assisted beamforming in millimeter-wave (mmWave) massive MIMO (multiple-input multiple-output) systems helps minimize beam tracking overhead, making it highly effective for communication between roadside units (RSUs) and vehicles. While most studies focus on a single RSU and Line-of-Sight (LoS) conditions, this research explores multiple RSUs performing mmWave distributed MIMO transmission, where temporary Non-Line-of-Sight (NLoS) conditions arise due to obstacles. The work incorporates Bayesian NLoS detection with Extended Kalman Filtering (EKF) to ensure consistent coverage and high data rates. Additionally, in vehicle-to-everything (V2X) systems, RSUs can handle both sensing and communication tasks, enhancing communication by utilizing distance, angle, and velocity data from sensing to reduce beam tracking overhead. This study extends these ideas to scenarios involving distributed RSUs and MIMO systems, deriving a state evolution model, formulating both Bayesian NLoS detection and EKF equations, and implementing predictive beamforming. Simulation results show that, compared to colocated massive MIMO antennas, distributed antennas provide more uniform, robust sensing, broader coverage, and higher data rates, particularly for moving vehicles.