A State-of-the-Art Survey on Multidimensional Scaling Based Localization Techniques
当前和未来的无线应用强烈依赖于精确的实时定位。智能城市、物联网（IoT）、医疗服务、汽车工业、水下勘探、公共安全和军事系统等许多应用都需要可靠准确的定位技术。通常，最流行的定位/定位系统是全球定位系统（GPS）。GPS在室外环境中工作良好，但在室内和恶劣环境中失败。因此，许多其他的无线本地定位技术被开发基于地面无线网络，无线传感器网络（WSNs）和无线局域网（WLAN）。此外，存在融合两种或更多种技术以找出用户的位置的定位技术，也称为基于机会信号的定位。大多数定位技术需要测距测量，诸如到达时间（ToA）、到达时间差（TDoA）、到达波达方向（DoA）和接收信号强度（RSS）。也有考虑邻近信息并且不需要实际测距测量的无测距定位技术。距离无关定位算法中的距离降低技术是一种著名的方法。多维标度（MDS）是近年来在无线网络定位中广泛使用的降维技术之一。本文对无线传感器网络、物联网、认知无线电网络和5G网络中的MDS和基于MDS的定位技术进行了全面的综述。
2019-06-09 eess.SP
Towards Robust Crowdsourcing-Based Localization: A Fingerprinting Accuracy Indicator Enhanced Wireless/Magnetic/Inertial Integration Approach
下一代因特网物联网（IoT）系统对智能定位的需求越来越大，智能定位可以在没有人类感知的情况下利用大数据进行扩展。因此，传统的定位方案没有准确的度量将大大限制广泛的应用。基于众包的本地化已被证明对大众市场基于位置的物联网应用是有效的。本文提出了一种增强的基于众包的定位方法，通过集成惯性，无线和磁传感器。无线和磁指纹准确性都是通过引入指纹准确性指标（FAI）从三个级别（即，信号、几何形状和数据库）。这些FAI因子的优点和局限性，以及它们在预测定位误差和异常值方面的性能进行了研究。在此基础上，提出了FAI增强的扩展卡尔曼滤波器（EKF），将DR/WiFi、DR/Magnetic和DR/WiFi/Magnetic组合定位精度分别提高了30.2%、19.4%和29.0%，最大定位误差分别降低了41.2%、28.4%和44.2%.这些结果证实了FAI增强的EKF在使用众包数据提高多传感器集成定位的准确性和可靠性方面的有效性。
2020-04-09 eess.SP
Wireless Connectivity and Localization for Advanced Air Mobility Services
通过充当交通信号灯的模拟，无人机对无人机通信的通信信令是城市和农村环境中先进空中机动性（AAM）成功的关键。AAM应用的部署，例如空中出租车和空中救护车，特别是大规模的部署，需要一个可靠的信道，用于两个或多个飞机之间的点对点和广播通信。在高度移动的环境中实现如此高的可靠性，需要为灵活性和效率而设计的通信系统。本文介绍了建立和维护一个可靠的通信信道之间的多架飞机在独特的AAM设置的基础。随后，它提出的概念和结果的无线覆盖和移动性的AAM服务使用蜂窝网络作为地面网络基础设施。最后，我们分析了无线定位性能在三维AAM走廊时，利用蜂窝网络，考虑不同的走廊高度和基站密度。我们强调未来的研究方向和开放的问题，以提高整个手稿的无线覆盖和本地化。
2022-02-21 eess.SP
Deep Reinforcement Learning (DRL): Another Perspective for Unsupervised Wireless Localization
位置是空间化物联网（IoT）数据的关键。然而，使用低成本IoT设备进行鲁棒的无监督定位（即，没有具有已知位置标签的训练数据的定位）。因此，本文提出了一种基于深度强化学习（DRL）的无监督无线定位方法。主要贡献如下。(1)本文提出了一种方法来模拟一个连续的无线定位过程的马尔可夫决策过程（MDP），并在DRL框架内处理它。(2)为了减轻在使用未标记数据时获得奖励的挑战（例如，日常生活中的众包数据），本文提出了一种奖励设置机制，该机制从未标记的无线接收信号强度（RSS）中提取鲁棒的地标数据。(3)为了减轻使用DRL进行本地化时对模型重新训练的要求，本文使用RSS测量与代理位置一起构建DRL输入。该方法是通过使用多个蓝牙5智能耳标在牧场的现场测试数据进行测试。同时，实验验证过程也反映了DRL在无线定位中的优势和挑战。
2020-04-09 cs.LG eess.SP stat.ML
Improving the Performance of Deep Learning for Wireless Localization
室内定位系统通常基于WiFi或蓝牙低功耗（BLE）信标的接收信号强度指示符（RSSI）测量。在这种系统中，两种最常见的技术是三边测量和指纹识别，后者提供更高的精度。在指纹技术中，深度学习（DL）算法通常用于基于在接收器处接收的多个信标的RSSI测量来预测接收器的位置。在本文中，我们解决了将深度学习应用于无线定位的两个实际问题-将解决方案从一个无线环境转移到另一个\emph{and}小尺寸的标记数据集。首先，我们将自动超参数优化应用于用于室内无线定位的深度神经网络（DNN）系统，这使得系统易于移植到新的无线环境。其次，我们展示了如何使用未标记的数据集来增强一个典型的小标记数据集。通过应用这两种技术，我们观察到DL的性能有所提高。此外，所有相关代码都是免费提供的。
2020-06-16 cs.NI eess.SP
Received Signal Strength Based Wireless Source Localization with Inaccurate Anchor Position
基于接收信号强度（RSS）的无线定位方法易于实现，成本低.在实践中，锚的精确位置可能不可用。本文主要研究在锚点位置不准确的情况下，直接基于RSS来确定源的位置。我们首先使用泰勒展开和最小-最大的方法来获得源的坐标的最大似然估计。然后，我们提出了一个宽松的半定规划模型，以规避非凸性。同时提出了一种同时考虑源定位误差和锚定位误差的舍入算法，并给出了仿真结果和分析，验证了该方法的有效性。
2021-12-27 eess.SP
Millimeter Wave Wireless Communication Assisted Three-Dimensional Simultaneous Localization and Mapping
本文研究了仅基于毫米波（mmWave）无线通信信号的复杂室内外环境下的三维（3D）同时定位与地图构建（SLAM）问题。首先，我们提出了一种基于深度学习的映射（DLM）算法，该算法可以利用一阶非视距（NLOS）通信链路（CL）上的反射点来构建环境的3D点云地图。具体而言，设计了一个分类神经网络来辨识一阶非视距CL，并从理论上计算出其上反射点的几何坐标。其次，结合惯性测量单元和波束斜视辅助定位方法的优点，实现了实时精确定位。然后，结合DLM和所采用的定位算法，我们开发了基于通信的SLAM（C-SLAM）框架，可以进行SLAM没有任何先验知识的环境。此外，复杂的室外和室内环境的广泛模拟验证了我们的方法的有效性。
2023-03-05 eess.SP
Reconfigurable Intelligent Surfaces and Machine Learning for Wireless Fingerprinting Localization
Toshiba Corporation（东芝公司）；University of Cyprus（塞浦路斯大学）；University of Nottingham（诺丁汉大学）
可重构智能表面（RISs）承诺改进、安全和更有效的无线通信。我们提出并演示了如何利用RISs提供的多样性来生成和选择易于区分的无线电地图，用于无线指纹定位应用。此外，我们应用机器学习特征选择方法来修剪RIS的大状态空间，从而降低复杂度并提高定位精度和位置获取时间。我们评估我们提出的方法，通过生成一个新的无线电传播建模和仿真的无线电地图。
2020-10-07 cs.ET cs.LG eess.SP
Outlier Detection and Optimal Anchor Placement for 3D Underwater Optical Wireless Sensor Networks Localization
位置是水下光学无线传感器网络（UOWSNs）所需的基本信息之一，用于不同的目的，如与精确的传感器位置的传感测量，使高效的地理路由技术，并维持节点之间的链路连接。尽管在过去已经提出了各种二维UOWSNs定位方法，光无线通信和传感器的三维（3D）部署的方向性要求开发三维水下定位方法。此外，网络的定位精度在很大程度上取决于锚点的位置。因此，我们提出了一个强大的3D定位方法，部分连接的UOWSNs，可以容纳离群值和优化的锚点的位置，以提高定位精度。该方法将缺失的两两距离和离群值问题转化为一个优化问题，通过半二次最小化求解。此外，分析提供了最佳放置的锚在网络中，提高定位精度。最优锚点布置问题被表示为满足D-最优条件的传感器节点的Fisher信息矩阵的组合。数值结果表明，所提出的方法优于文献显着存在离群值。
2018-10-07 eess.SP
Foundation Models for Wireless Localization: Pretraining, Adaptation, and Utilization
Chalmers University of Technology（查尔姆斯理工大学）；The Hong Kong University of Science and Technology（香港科技大学）；Shenzhen University（深圳大学）；Uppsala University（乌普萨拉大学）；National Sun Yat-sen University（国立中山大学）；Southeast University（东南大学）
针对现有无线定位方法的不足，本文提出基于基础模型的三阶段统一框架，通过大规模未标注数据学习可迁移表示，提升定位精度与跨环境泛化能力，并展望了相关研究方向。
2026-09-01 eess.SP
Towards Secure Localization in Randomly Deployed Wireless Networks
能够准确地定位无线设备，同时保证针对欺骗攻击的高级别安全性，使定位链中的所有参与者（例如，最终用户、网络运营商和位置服务提供商）。一方面，大多数现有的定位系统是为无害的环境而设计的，其中不存在恶意的对手。这使得它们非常容易受到来自入侵者、攻击甚至无意错误（故障）的安全威胁，因此在敌对环境中几乎是徒劳的。另一方面，现有的安全定位解决方案做出关于网络拓扑的某些（有利的）假设（例如，目标设备位于由参考点形成的凸包内），这限制了它们的适用性。因此，这项工作解决了随机部署的无线网络中存在的恶意攻击者，其目标是操纵（欺骗）的估计过程和禁用准确的定位目标定位的问题。我们提出了一个低复杂度的解决方案，基于聚类和加权中心质量来检测攻击者，只使用最少的参考点，之后，我们解决了定位问题的二分法。从定位精度和攻击者检测成功率两个角度研究了该方法，推导出了攻击者检测概率的上下界的封闭表达式。通过计算机仿真验证了该方法的有效性，其性能优于现有的方法。
2020-12-10 eess.SP
An Overview on Integrated Localization and Communication Towards 6G
随着5G蜂窝系统在全球范围内的部署，研究人员已经开始对6 G移动通信网络进行研究。虽然6 G的基本要求和关键使用场景尚未定义，但相信6 G应该能够在3D网络覆盖范围内提供Tbps数据速率和亚毫秒延迟的智能和无处不在的无线连接。为了实现这样的目标，获取移动终端的准确位置信息变得非常有用，不仅用于基于位置的服务，而且用于以各种方式（诸如信道估计、波束对准、介质访问控制、路由和网络优化）改进无线通信性能。另一方面，通信技术的进步也带来了极大提高定位性能的新机会，如通过超大规模多输入多输出和毫米波技术在6 G中预期的厘米级定位精度所例示的。在这方面，有必要对综合定位和通信（ILAC）进行统一研究，以充分发挥无线网络的潜力，最好地利用网络基础设施和无线电资源，实现双重目的。虽然有大量的文献分别对无线定位或通信，ILAC的研究仍处于起步阶段。因此，本文旨在对面向6 G无线网络的ILAC进行教程概述。在对无线定位基础进行全面调查之后，我们提出了关于无线定位和通信如何在各个网络层中相互作用的最新结果，以及当前2D和未来3D网络中具有空中-地面集成的定位和通信协同设计的主要架构和技术。最后，我们概述了一些有前途的ILAC未来的研究方向。
2020-06-02 eess.SP
Self-Supervised and Invariant Representations for Wireless Localization
Technische Universität (TU) Wien（维也纳工业大学）；Christian Doppler Laboratory for Dependable Wireless Connectivity for the Society in Motion（社会运动可靠无线连接克劳斯·多普勒实验室）
本研究提出首个无需对比信道估计的联合嵌入自监督无线定位方法，学习的鲁棒通用信道表征可迁移，小数据场景下性能优于全监督技术，适配多系统与室内外场景。
2023-02-14 eess.SP
RayLoc: Wireless Indoor Localization via Fully Differentiable Ray-tracing
Southern University of Science and Technology（南方科技大学）；Huawei Technologies Co., Ltd（华为技术有限公司）；Nanyang Technological University（南洋理工大学）
本文提出RayLoc，将无线室内定位重新表述为无线光线追踪的逆问题，利用全可微光线追踪模拟器对感知场景参数进行反向传播以实现精确定位，并通过高斯核卷积克服稀疏梯度和局部极小值挑战，性能优于传统基线且具备跨环境泛化能力。
2025-01-21 cs.AI cs.LG cs.NI
Multi-population Differential Evolution for RSS based Cooperative Localization in Wireless Sensor Networks with Limited Communication Range
本文针对无线传感器网络协作定位计算复杂度高的问题，提出一种基于多种群差分进化、反向学习、重定向和锚定的RSS定位算法，将整体代价函数拆分并由专用种群并行求解，在保持定位精度的同时显著降低计算复杂度。
2024-12-27 eess.SP
Efficient Joint Resource Allocation for Wireless Powered ISAC with Target Localization
RWTH Aachen University（亚琛工业大学）；Global Energy Interconnection Research Institute Europe GmbH（全球能源互联研究院欧洲有限公司）
本文研究了具有目标定位需求的无线供能ISAC系统，通过联合分配无线供能时间、ISAC传输时间及发射功率，最大化最小吞吐量，提出基于SCA的迭代算法以解决非凸优化问题。
2026-03-16 eess.SP
Localization using Optical Camera Communication and Photogrammetry for Wireless Networking Applications
定位定义了一个术语来描述在二维（2D）空间或三维（3D）空间内的位置的识别过程。定位方案是连接远程位置的传感器节点的重要关注点。由于移动设备的可用性以及电子商务领域数十亿美元市场的范围，无线网络本地化的需求增加。此外，一个新的时代已经写入了物联网，这将使这种需求比以往任何时候都增加了100倍。在室内和室外环境中都考虑了定位应用的重要性。由于若干优点，基于LED和相机的定位比基于射频的定位要求更高。使用现有的基于发光二极管（LED）的照明基础设施，可以计算相机的坐标，而相机被嵌入/安装在移动对象（诸如智能手机、车辆）中。光学相机通信（OCC）和摄影测量是测量这些移动物体位置的两种重要技术。基于这些技术的智能手机和车辆的定位方案应该具有成本效益，并且可以在对现有基础设施进行少量修改的情况下部署。我提出了两个不同的方案（即，室内和室外环境），以使用OCC和摄影测量技术定位这些对象。
2019-08-23 eess.SP
Analysis of 3D Localization in Underwater Optical Wireless Networks with Uncertain Anchor Positions
定位精度对水下光无线传感器网络的正常运行至关重要。然而，水下定位容易受到不利的环境障碍，例如由于表面和深层水流引起的漂移。这些导致所部署的锚节点位置的不确定性，并对实现准确的位置估计提出了严峻的挑战。因此，本文分析了三维（3D）定位UOWSNs的性能，并推导出一个封闭形式的表达的Cramer Rao下界（CRLB）通过使用到达时间（ToA）和到达角（AoA）的测量下存在的锚节点位置的不确定性。数值结果验证了分析结果，通过比较的定位精度的情况下，没有锚节点的位置不确定性。并与线性最小二乘法（LSS）和加权LLS（WLSS）方法进行了比较。
2019-12-23 cs.NI eess.SP
Vision-Wireless Fusion for Multi-User Localization: A Cross-Modal Transformer Approach
Great Bay University（大湾区大学）；Great Bay Institute for Advanced Study (GBIAS)（大湾区高等研究院）；Guangdong University of Technology（广东工业大学）；Chalmers University of Technology（查尔姆斯理工大学）；Khalifa University（哈利法大学）
针对复杂城市环境中的多用户定位问题，提出一种基于跨模态Transformer的视觉-无线融合框架，利用导频索引CSI与视觉记忆，通过交叉注意力实现用户级定位，实验验证其优于多种基线方法。
2026-09-22 cs.CV eess.SP
A cooperative localization-aided tracking algorithm for THz wireless systems
提出了一种适用于太赫兹（THz）无线系统的协作辅助定位与跟踪方法。它结合了到达角（AoA）跟踪算法和双向到达时间方法，以精确跟踪用户设备（UE）的位置，减少跟踪算法估计误差造成的耳聋。该算法可以由一个基站（BS）使用来估计UE位置，或者由多个BS使用，多个BS彼此协作以增加估计的准确性以及成功估计的概率并保证低估计开销。该算法的效率进行评估的耳聋和成功的AoA估计的概率，并与快速信道跟踪算法的相应性能进行比较。
2019-10-18 eess.SP
Robust Localization in Wireless Networks From Corrupted Signals
Uppsala University（乌普萨拉大学）
我们解决的问题，基于时间的定位在无线网络中，当一个未知的部分数据被损坏的非理想信号条件。虽然基于时间的技术能够实现准确的定位，但它们对这种损坏的数据也很敏感。我们开发了一个强大的方法，适用于一系列的定位技术，包括到达时间，到达时间差和基于时间表的传输时间差。该方法是非参数的，只需要一个上限的部分损坏的数据，从而避免了分布假设的破坏噪声分布。数值实验证明了该方法的鲁棒性。
2021-03-01 cs.IT cs.LG eess.SP
Reconfigurable Holographic Surface Aided Wireless Simultaneous Localization and Mapping
本文针对无线SLAM中相控阵成本高导致天线增益受限的问题，提出可重构全息表面辅助的SLAM系统，设计RHS波束控制方法及相应SLAM算法，在相同成本下实现三倍以上定位精度提升。
2024-01-16 eess.SP
Localization in Dynamic Indoor MIMO-OFDM Wireless Systems using Domain Adaptation
针对动态室内NLoS环境变化导致无线指纹分布偏移、定位性能下降的问题，提出一种利用神经网络对齐变化前后指纹分布的域自适应框架，从而在新环境中实现可靠的UE位置预测。
2024-08-27 eess.SP
Localization of Energy Harvesting Empowered Underwater Optical Wireless Sensor Networks
针对海水中的光噪声源和信道损伤对距离估计带来的挑战，提出了一种基于接收信号强度（RSS）的能量采集水下光无线传感器网络（EH-UOWSNs）定位框架。在UOWSNs的能量限制是另一个主要问题，由于有限的电池功率和难以更换或充电的水下传感器节点的电池。在所提出的框架中，电池不足的传感器节点收集周围的能量，并开始通信，一旦他们有足够的能量存储。根据水下光通信信道特性，建立了水下光通信信道模型，通过测量有源节点的RSS进行网络定位。此后，块核矩阵计算基于RSS的距离测量。与传统的最短路径方法不同，所提出的技术减少了每个块核矩阵的最短路径的估计误差。一旦完整的块核矩阵是可用的，一个封闭的形式定位技术的发展，以找到网络中的每个光传感器节点的位置。Cramer Rao下界（CRLB）的解析表达式也推导出作为基准来评估所开发的技术的本地化性能。大量的模拟表明，该框架优于著名的网络定位技术。
2019-03-17 eess.SP
Deep Learning-Based Device-Free Localization in Wireless Sensor Networks
本文提出一种基于卷积深度置信网络的无设备定位框架，结合CNN与受限玻尔兹曼机自编码器及随机池化降维，在低信噪比下实现98%定位准确率。
2022-06-16 eess.SP
MetaLocalization: Reconfigurable Intelligent Surface Aided Multi-user Wireless Indoor Localization
基于接收信号强度（RSS）的技术被广泛用于室内环境中的定位。由于相邻位置的RSS值可能是相似的，因此基于RSS的技术的定位精度是有限的。为了解决这个问题，在本文中，我们提出了利用可重构智能表面（RIS）的RSS为基础的多用户定位。由于RIS能够通过调整在表面处反射的信号的相移来定制无线电信道，所以可以通过选择在相邻位置之间具有显著RSS值差异的适当相移来提高RIS辅助方案中的定位精度。然而，它是具有挑战性的，以选择最佳的相移，因为位置估计的决策函数和相移耦合。为了应对这一挑战，我们制定了优化问题的RIS辅助定位，推导出最佳的决策函数，并设计相移优化（PSO）算法来有效地解决制定的问题。对所提出的RIS辅助技术进行了分析，并通过仿真验证了其有效性。
2023-03-24 eess.SP
Integrated Localization and Communication with Sparse MIMO: Will Virtual Array Technology also Benefit Wireless Communication?
针对6G集成定位与通信，本文提出稀疏MIMO方案，证明虚拟阵列不利于通信而利于定位，采用物理阵列通信与虚拟阵列定位的混合处理，实现性能提升。
2025-02-25 eess.SP
Majorization-Minimization based Hybrid Localization Method for High Precision Localization in Wireless Sensor Networks
针对无线传感器网络混合源定位问题，提出基于MM原理的统一迭代定位框架，支持TOA/TDOA/RSS/AOA任意组合测量，仿真验证其在含NLOS的多场景下精度优于异质测量方案。
2025-10-06 eess.SP
Wireless Localization for mmWave Networks in Urban Environments
毫米波（mmWave）技术有望成为5G无线网络的主要组成部分。毫米波信号的超宽带宽以及在发射器和接收器处利用大量天线的可能性允许在时域和角域中准确识别多径分量，使得毫米波系统有利于定位应用。在本文中，我们分析了两步毫米波定位方法的性能，该方法可以利用到达时间，到达角和离开角从多个节点在城市环境中的视线（LOS）和非LOS（NLOS）链路。网络与/不无线电环境映射（REM）被认为是，其中一个网络与REM是能够本地化附近的散射体。由于似然函数中的大量局部最优值，UE位置的估计是具有挑战性的。为了解决这个问题，梯度辅助粒子滤波（GAPF）估计器提出了准确地估计用户设备（UE）的位置以及附近的散射点的位置。蒙特卡罗模拟表明，GAPF估计性能匹配的Cramer-Rao界（CRB）。估计器还用于创建REM。可以看出，通过增加光束方向性或利用REM可以实现显着的定位增益。
2018-05-29 eess.SP
Semi-supervised t-SNE for Millimeter-wave Wireless Localization
National University of Defense Technology（国防科技大学）；Chongqing University（重庆大学）
研究了未来毫米波无线网络中基于多天线信道状态信息的分布式基站移动定位问题。针对这一问题，提出了一种半监督t分布随机邻域嵌入（St-SNE）算法，将高维CSI样本直接嵌入到二维地理地图中。我们评估的St-SNE在一个模拟的城市室外毫米波无线电接入网络的性能。我们的研究结果表明，St-SNE实现了平均定位误差为6.8米，只有5%的标记CSI样本在200*200平方米的区域与射线跟踪信道模型。St-SNE不需要多个BS之间的精确同步，并且有希望用于未来的大规模毫米波定位。
2021-11-26 cs.LG cs.NI eess.SP
Attention Aided CSI Wireless Localization
Technische Universität (TU) Wien（维也纳工业大学）；Christian Doppler Laboratory for Dependable Wireless Connectivity for the Society in Motion（克里斯蒂安·多普勒移动社会可靠无线连接实验室）
深度神经网络（DNN）已经成为基于信道状态信息（CSI）的无线定位的流行方法。一种常见的做法是在输入中使用原始CSI，并允许网络学习相关的信道表示以映射到位置信息。然而，各种工作表明，原始CSI可能对系统损伤和环境中的小变化非常敏感。相反，手工设计的功能可能会阻碍DNN的通道表示学习的限制。在这项工作中，我们提出了基于注意力的CSI鲁棒特征学习。我们评估了集中式和分布式大规模多输入多输出系统中的有人值守功能在两个非固定铁路轨道环境中的光线跟踪通道的性能。与基本DNN相比，我们的方法提供了卓越的性能。
2022-03-20 cs.AI eess.SP
A Retrieval-Assisted Framework for Wireless Localization
Shanghai University（上海大学）；Chalmers University of Technology（查尔姆斯理工大学）；Shenzhen University（深圳大学）
本文提出一种结合检索与学习的无线定位框架，通过信道图谱和图注意力网络提升定位精度和可扩展性。
2026-03-06 eess.SP
Memoryless Techniques and Wireless Technologies for Indoor Localization with the Internet of Things
近年来，物联网（IoT）已经发展到包括通过使用室内定位系统（IPS）和基于位置的服务（LBS）来跟踪设备。在设计IPS时，一种流行的方法涉及使用无线网络从具有预定位置的设备计算目标的大致位置。在许多智能建筑应用中，LBS是开发高效智能建筑所必需的。在本文中，我们研究了两种无记忆定位技术，K-最近邻（KNN）和朴素贝叶斯，并比较它们与简单的三边测量，在准确性，精度和复杂性。我们通过使用三种流行的物联网无线技术：Zigbee，蓝牙低功耗（BLE）和WiFi（2.4 GHz频段），以及三个实验场景来验证多个环境中的结果，对这些技术进行了全面的分析。实验结果表明，KNN是最准确的定位技术，也是最精确的定位技术。所有实验的RSSI数据集都可以在线获得。
2020-05-18 cs.NI eess.SP
Passive Sensing and Localization in an Aircraft Cabin Using a Wireless Communication Network
提出一种基于人工神经网络、利用现有 Wi-Fi/5G 信号的被动隐私保护定位系统，用于跟踪飞机客舱内乘客，实验平均精度达 12 厘米。
2023-12-18 cs.NI eess.SP
Towards 6G Holographic Localization: Enabling Technologies and Perspectives
在过去的几年里，我们经历了无线定位的演变，从一个简单的附加功能，使特定的应用成为无线蜂窝网络的基本特征，如第六代（6G）蜂窝网络。本文阐述了无线电定位的重要性及其在从第一代（1G）到第六代（6G）的所有蜂窝中的作用。此外，它推测全息定位的想法，其中电磁（EM）波的特性，包括近场的球面波阵面，被完全控制和利用，以实现更好的无线定位。沿着这条线，我们简要概述了可能的技术，如大型智能表面，以及实现全息定位的挑战。为了证实我们的观点，我们还包括一个数值例子，证实了全息本地化的潜力。
2022-02-15 cs.ET eess.SP
Beyond Point Estimates: Likelihood-Based Full-Posterior Wireless Localization
本文提出MC-CLE方法，通过神经评分网络和蒙特卡洛采样实现无线定位的完整后验推断，有效提升位置估计的准确性和不确定性量化能力。
2025-09-30 cs.IT cs.LG eess.SP
GLocFM: A Geometry-Aware Foundation Model for 3D Indoor Wireless Localization
Hong Kong University of Science and Technology（香港科技大学）
该研究针对现有学习式无线定位器无法利用环境几何信息的问题，提出GLocFM模型，联合利用WiFi测量与三维点云场景几何，在两类数据集上较基线降低近50%定位误差，鲁棒性与有效性经消融实验验证。
2026-08-11 cs.AI eess.SP
Reliable Wireless Indoor Localization via Cross-Validated Prediction-Powered Calibration
School of Electrical Engineering, Korea Advanced Institute of Science and Technology（韩国科学技术院电子工程学院）；King’s Communications, Learning & Information Processing (KCLIP) Lab, Centre for Intelligent Information Processing Systems (CIIPS), Department of Engineering, King’s College London（伦敦国王学院信息与通信实验室，智能信息处理系统中心，工程系）；Institute for Intelligent Networked Systems, Northeastern University London（伦敦东北大学智能网络系统研究所）
本文提出一种利用有限校准数据同时优化预测器和估计合成标签偏差的方法，通过交叉验证预测驱动校准提高无线室内定位的可靠性。
2026-05-20 cs.LG eess.SP stat.ML
Enabling Next-Generation V2X Perception: Wireless Rigid Body Localization and Tracking
本文探讨了刚体定位（RBL）在下一代V2X感知中的必要性、优势、挑战及研究方向，并分析其在6G和B5G标准化中的作用。
2024-08-01 eess.SP
A Unified Foundation Model for Wireless Technology Recognition and Localization
本文提出一种基于Transformer的自监督预训练无线基础模型，通过输入分块和轻量级微调实现无线技术识别与定位，在WTR、LOS检测和测距误差校正上取得高精度并保持低计算复杂度。
2025-09-19 eess.SP
Map as a Prompt: Learning Multi-Modal Spatial-Signal Foundation Models for Cross-scenario Wireless Localization
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Pengcheng Laboratory（鹏城实验室）；Shanghai Academy of AI for Science（上海人工智能科学研究院）；Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院）
针对无线定位在不同环境中面临的挑战及现有方法的局限，提出多模态基础模型SigMap，通过循环自适应掩码策略和“地图即提示”框架学习无线表示并实现跨场景适应，实验证明其性能领先且零样本泛化能力强。
2026-07-20 cs.AI cs.LG eess.SP
Large Wireless Localization Model (LWLM): A Foundation Model for Positioning in 6G Networks
Department of Electrical Engineering, Chalmers University of Technology（楚德大学电气工程系）；School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院）；Chalmers AI Research Center Consortium (CHAIR)（楚德人工智能研究中心联盟）；National Academic Infrastructure for Supercomputing in Sweden (NAISS)（瑞典国家学术超级计算基础设施）；SNS JU project 6G-DISAC under the EU’s Horizon Europe research and innovation Program（欧盟地平线欧洲研究与创新计划下的SNS JU项目6G-DISAC）；Swedish Foundation for Strategic Research (SSF)（瑞典战略研究基金会）；Chalmers Areas of Advance in ICT and Transport（楚德信息与交通领域先进领域）
本文提出面向6G定位的基础模型LWLM，通过融合SF-MCM、DTI和PICL三类自监督目标预训练无线信道表征，并在多种定位任务上显著优于基线。
2025-05-15 cs.AI cs.LG eess.SP
GenMetaLoc: Learning to Learn Environment-Aware Fingerprint Generation for Sample Efficient Wireless Localization
针对指纹定位数据需求大、难泛化新环境的问题，提出GenMetaLoc框架，结合元学习、3D点云引导的扩散模型及CSI综合处理，基于商用设备实现少样本高效无线定位，性能优于基线。
2025-03-23 eess.SP
Learning-Driven Channel Representation for Wireless Localization: From Channel Observations to Location Inference
College of Electronic Science and Technology, National University of Defense Technology（国防科技大学电子科学学院）；National Key Laboratory for Positioning, Navigation and Timing Technology（导航与授时技术国家级重点实验室）；WAVES, Department of Information Technology, Ghent University-imec（根特大学- imec 信息技术系 WAVES）；National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（电子科技大学无线通信国家重点实验室）
本文以信道表示为视角，将无线定位建模为“无线观测-信道表示-位置推断”框架，回顾相关技术，涵盖观测形式、特征提取等方法，比较典型方法各方面表现，强调信道表示对定位性能的关键作用，还总结了从实验到实际部署的挑战及看法。
2026-07-17 eess.SP
Decentralized Source Localization without Sensor Parameters in Wireless Sensor Networks
Shanghai Jiao Tong University（上海交通大学）
研究了分布式无线传感器网络（WSNs）中传感器参数未知情况下故障模型下的源（事件）定位问题。事件定位有许多应用，例如定位入侵者，Wifi热点和用户以及电力系统中的故障。以前的研究假设传感器参数的真实知识（或良好估计）（例如，源的故障模型概率或影响区域（ROI））用于源定位。本文提出了两种故障模型下的源位置估计方法：碰集法和特征选择法，在不知道传感器参数的情况下，只利用融合中心的噪声数据进行源位置估计。所提出的方法已被证明可以有效地定位源。我们还研究了击中集方法的样本复杂性要求的下界。这些方法也被扩展到多个源定位。此外，我们修改建议的特征选择方法使用最大似然。最后，针对不同的设置（即，传感器节点的数量和样本的复杂性），以验证我们提出的方法相比，质心，最大似然，FTML，SNAP估计。
2020-10-31 cs.CV cs.LG eess.SP
A Range-Free Node Localization Method for Anisotropic Wireless Sensor Networks with Sparse Anchors
针对各向异性无线传感器网络中距离估计不准确的问题，提出了一种基于多跳路径可靠性加权的AW-MinMax无测距节点定位方法，通过矩阵变换和SCA算法求解非凸优化模型，显著提升了定位的稳定性和准确性。
2024-10-29 cs.NI eess.SP
3D Protraction Technique for Anchor-Free, Range-Free Wireless Localization in Industrial Warehouses via Multi-Level Binary Reachability
McGill University（麦吉尔大学）
提出3D-PT无锚点无测距定位方法，利用多级发射功率的二元可达性生成序数距离关系，在模拟仓库中相比现有方法显著降低定位误差。
2026-09-10 eess.SP
Augmenting Channel Charting with Classical Wireless Source Localization Techniques
本文针对信道图谱难以捕捉全局几何特征的问题，提出在前向图谱函数训练中融入经典基于模型的定位信息，形成增强信道图谱，并在实测数据上验证其定位性能优于传统方法。
2023-12-04 cs.IT eess.SP math.IT
MISO Wireless Localization in The Presence of Reconfigurable Intelligent Surface
针对视距受阻的RIS辅助MISO场景，提出通过调整RIS移相器、消除AoD不利影响来测距的高精度定位算法，性能优于未估计AoD的方案。
2024-07-08 eess.SP
Towards Sustainable Deep Learning for Wireless Fingerprinting Localization
Jožef Stefan Institute（约瑟夫·斯特凡研究所）；University of Ljubljana（卢布尔雅那大学）
基于位置的服务已经在终端用户中流行，现在不可避免地成为新的无线基础设施和新兴业务流程的一部分。越来越流行的深度学习（DL）人工智能方法在基于大量室内无线电测量数据的无线指纹定位中表现得非常好。然而，随着复杂性的增加，这些方法在训练和后续操作方面都变得计算非常密集和耗能。仅考虑移动用户，预计到2025年底将超过74亿，并假设服务于这些用户的网络平均每小时只需对每个用户执行一次定位，则用于计算的机器学习模型每年需要执行65*10^12次预测。再加上数百亿其他联网设备和应用程序严重依赖更频繁的位置更新，很明显，除非开发和使用更节能的模型，否则本地化将大大增加碳排放。这激发了我们对一种新的基于DL的室内定位架构的研究，与相关的最先进的方法相比，该架构更节能，同时仅显示出边际性能下降。详细的性能评估显示，与我们集团外部的最先进模型相比，所提出的模型只产生58%的碳足迹，同时保持98. 7%的整体性能。此外，我们详细介绍了一种方法来计算DL模型的复杂性，从而在其训练和操作过程中的CO2足迹。
2022-01-22 cs.LG cs.NI eess.SP
Performance Analysis for Wireless Localization with Random Sensor Network
The University of Melbourne（墨尔本大学）
针对d维平稳各向同性随机传感器网络，提出融合RSS和AOA测量的估计器，证明在高噪声下观测联合分布与泊松点过程等价，并推导MSE和CMSE的可解析上界，建立传感器密度、观测半径和噪声方差与定位精度的标度律。
2026-05-24 eess.SP
Anchor Nodes Positioning for Self-localization in Wireless Sensor Networks using Belief Propagation and Evolutionary Algorithms
K.N. Toosi University of technology（K.N. 图西理工大学）
定位无线传感器网络中的每个节点对于启动监测作业和发送有关区域的信息至关重要。一种在硬环境和不可访问环境中使用的方法是随机分散该区域中的每个节点。为了减少每个节点使用GPS的开销，需要在部分节点上安装GPS（锚点），然后利用置信传播算法对其他节点进行定位。锚节点的数量必须减少，因为它们是昂贵的。此外，这些节点的位置影响算法的性能。利用多目标优化，本文介绍了一种算法，最大限度地减少估计的定位误差和锚节点的数量。仿真结果表明，该算法比同类算法具有更少的能耗和更小的误差。
2021-04-19 cs.AI cs.NI eess.SP
Impact of 3D Antenna Radiation Patterns on TDOA-Based Wireless Localization of UAVs
无人机的下一个大的商业应用需要使无人机飞到视线之外（BVLOS）。这种不可避免的超视距飞行能力也需要跟踪无人机位置的能力，以确保成功完成预期的服务。在这种情况下，我们探索的3D本地化的无人机的3D天线辐射模式的影响结合的基本限制。虽然无人机/无人机（UAV）的定位是一个很好的研究课题在文献中，它的关系，天线效应仍然是大多未探讨。研究了天线辐射方向图对无人机基于时差定位精度的影响。具体来说，我们考虑的情况下，一个固定数量的射频（RF）传感器，放置在地面上的一些已知的位置，收集从无人机发射的信号的TDOA测量和估计从这些观测的无人机的位置。为了研究天线效应对基于TDOA的定位方案的基本限制的影响，我们开发了一个简单的分析模型来近似空对地（A2 G）链路所经历的总天线增益，对于天线的各种取向。然后，我们推导出的Cramer-Rao下界的TDOA定位方案，为所有三种组合的发射和接收天线的方向：垂直垂直（VV），水平水平（HH），垂直水平（VH）。
2019-05-07 eess.SP
Hybrid Localization: A Low Cost, Low Complexity Approach Based on Wi-Fi and Odometry
Timberline High School（廷伯莱恩高中）；Boise State University（博伊西州立大学）
室内环境中的本地化对于进一步支持各种场景中的自动化至关重要。此外，到达方向知识对于支持室内环境中的高速毫米波（mmWave）链路是必不可少的，因为大多数mmWave链路具有视线性质以对抗该频带中的高路径损耗。然而，由于多径衰落的影响，室内环境中的精确无线定位已被证明是一项具有挑战性的任务。另外，由于多径衰落的影响，诸如三边测量的方法单独地不导致准确定位。因此，在本文中，我们建议结合无线定位方法的知识与里程计传感器来跟踪移动机器人的位置。本文介绍了在博伊西州立大学校园的不同环境中的Wi-Fi和里程计的重要现实世界的定位测量结果。利用这些结果，我们设计了一种算法，结合里程计和无线定位的数据。该算法在移动机器人的硬件测试中得到了验证，以减小定位误差
2019-11-09 cs.RO eess.SP
