WMTP：一种用于自动驾驶的小波-Mamba轨迹预测器

《ACM Transactions on Internet of Things》：WMTP: A Wavelet-Mamba Trajectory Predictor for Autonomous Driving

车辆轨迹预测中存在数据点离散、驾驶模式识别困难等问题。本文提出Wavelet-Mamba Trajectory Prediction（WMTP）框架，融合小波变换与编码器-解码器神经网络，通过DWT分解轨迹数据并利用IDWT重构，实现高效准确的预测，实验验证其性能优异。

　　

摘要

车辆轨迹对自动驾驶至关重要。相对分散的轨迹数据点使得在空间和时间维度上建模运动的连续性变得困难。此外，从轨迹中识别车辆的驾驶模式也是一个重大挑战。这些隐含的特征模式难以从复杂的轨迹数据中分辨出来。为了解决这些问题，我们提出了一个名为Wavelet-Mamba Trajectory Prediction（WMTP）的新框架，该框架结合了小波分析和状态空间建模，以捕捉驾驶模式的整体趋势以及车辆运动的细节。该方法使用离散小波变换（DWT）将轨迹数据分解为不同时间和频率下的小波系数，然后利用这些系数通过逆离散小波变换（IDWT）生成轨迹。我们提出了一种编码器-解码器神经架构，用于从输入的轨迹序列中学习潜在的时间特征，并将这些特征投影到小波域中。未来轨迹的小波系数是通过不同尺度导向的解码器生成的。估计出的系数进一步通过IDWT模块实现轨迹预测。实验表明，WMTP在三个大规模真实世界轨迹预测数据集上表现出优异的性能，具有较好的鲁棒性和推理速度。研究结果还验证了时频分析在轨迹预测任务中的有效性。