A Guide of Fingerprint Based Radio Emitter Localization using Multiple Sensors
位置信息对于各种应用程序都是必不可少的。无线分布式传感器是物联网的关键技术之一，对环境的检测是其中最重要的环节之一。基于指纹的方法是将预先采集到的位置唯一指纹与从目标上测量到的指纹进行比较，近年来引起了学术界和工业界的广泛关注。本文从实际应用的角度出发，介绍了基于指纹的无线电辐射源定位系统的四种典型方法，并给出了四种典型应用：用于考试中的反作弊的LTE智能电话的定位、Wi-Fi终端的室内定位、使用占用者的位置信息的BEMS中的局部化光控制，以及室外环境中的非法无线电定位。基于不同的实际应用场景，不同的解决方案，旨在提高定位性能，进行了详细的讨论。据作者所知，这是第一篇从指纹选择、硬件结构设计和算法改进等方面为读者提供指纹定位系统的指导的论文
2018-04-06 cs.IT eess.SP math.IT
RadioDiff-v2: Generative Angular Radio Maps for Multi-Beam Selection and Localization
State Key Laboratory of ISN and School of Telecommunications Engineering, Xidian University（信息与通信工程国家重点实验室和西安电子科技大学电信工程学院）
研究6G网络中角度无线电地图相关问题，提出双分支一维扩散变压器RadioDiff-v2，经流匹配训练，结合多种技术，在零样本测试中各指标领先基线，实现多波束选择和接收器定位。
2026-07-10 cs.IT cs.LG eess.SP
Clock and Orientation-Robust Simultaneous Radio Localization and Mapping at Millimeter Wave Bands
提出了一种基于稀疏多径信道估计的无线电同步定位与测绘（radio-SLAM）方案。通过利用稀疏信道估计方案在毫米波波段，即高分辨率估计的多径到达角（AoA），到达时间差（TDoA），和出发角（AoD），我们开发了一个无线电SLAM算法，操作没有任何要求的时钟同步，接收机方向的知识，多个锚点，或双向协议。由于通过信道的压缩感知（CS）获得的AoD信息，所提出的方案可以从单个锚点传输估计接收器时钟偏移和方向，从而在现实的典型信道仿真中实现亚米级精度。
2022-12-27 cs.IT eess.SP math.IT
Three-Dimensional Radio Localization: A Channel Charting-Based Approach
University of Stuttgart（斯图加特大学）
本文提出基于信道制图的三维无线电定位方法，通过多层结构和特征工程提升定位性能。
2025-12-17 cs.IT eess.SP math.IT
Dataset of Pathloss and ToA Radio Maps With Localization Application
Technical University of Berlin（柏林工业大学）；Technion – Israel Institute of Technology（以色列理工学院）；Ludwig Maximilian University of Munich（慕尼黑大学）；University of Tromsø（特罗姆瑟大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
本文公开了一组密集城市场景下的路径损耗/RSS与ToA无线地图数据集，可用于深度学习路径损耗预测与无线定位研究，能支撑两类定位方法的公平对比。
2024-09-16 cs.LG cs.NI eess.SP
MetaRadar: Indoor Localization by Reconfigurable Metamaterials
室内定位由于其支持基于位置的服务的潜力而引起了广泛的关注。在各种室内定位技术中，基于接收信号强度（RSS）的定位技术得到了广泛的研究。然而，在无线电环境不可配置的传统的基于RSS的系统中，相邻位置可能具有相似的RSS值，这限制了定位精度。在本文中，我们提出了MetaRadar，它探讨了可重构的无线电反射与超材料单元的表面/平面多用户定位。MetaRadar通过改变超材料的反射率，修正不同位置的无线电信道，使相邻位置的RSS值有显著差异，从而提高定位精度。然而，在MetaRadar中，为由超材料单元生成的所有无线电环境构建无线电地图并从所有可能的地图中选择合适的地图以实现高精度定位是具有挑战性的。为了解决这一挑战，我们提出了一种压缩构造技术，可以预测所有可能的无线电地图，并提出了一种配置优化算法来选择有利的超材料反射率和相应的无线电地图。实验结果表明，从分米级的定位误差在传统的基于RSS的系统中的一个厘米级的MetaRadar的显着改善。
2023-03-24 eess.SP
Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization
Worcester Polytechnic Institute（伍斯特理工学院）
在本文中，我们提出了一种生成对抗网络（GAN）机器学习模型，用于在空间域中插入不规则分布的测量值，以构建平滑的射频地图（RFMap），然后使用深度神经网络进行定位。在空间、时间和频率域上监测无线频谱将成为促进超5G和6G通信技术中的动态频谱接入（DSA）的关键特征。定位、无线信号检测和频谱政策制定是分布式频谱感知将发挥重要作用的几个应用。无线辐射源的检测和定位是一个非常具有挑战性的任务，在一个大的频谱和空间区域。为了构建一个平滑的RFMap数据库，需要大量的测量，这可能非常昂贵和耗时。帮助实现这些系统的一种方法是在给定区域上收集有限的局部测量值，然后对测量值进行插值以构建数据库。目前文献中的方法采用信道建模来构建射频地图，缺乏精确定位的粒度，而我们提出的方法重建了一个新的广义RFMap。本地化的结果，并与传统的信道模型进行比较。
2021-11-23 cs.LG eess.SP
Potentials of Deterministic Radio Propagation Simulation for AI-Enabled Localization and Sensing
本文提出一种基于确定性信道建模和无线电传播仿真的集成工具链，解决了下一代网络中AI定位与感知方法的数据生成瓶颈，并在机舱环境场景分类中验证了其有效性。
2023-09-11 eess.SP
Radio Localization and Mapping with Reconfigurable Intelligent Surfaces
毫米波（mmWave）的5G无线电和0.1-1 THz的超越5G概念可以利用角度和延迟测量进行定位，这得益于增加的带宽和大型天线阵列，但在障碍物引起的阻塞方面受到限制。可重构智能表面可重构智能表面（RISs）被视为一种变革性的技术，其可以通过在优选方向上被动地反射EM波来控制嵌入它们的物理传播环境。尽管这样的RIS主要用于通信目的，但是RIS在性能、能耗以及定位和映射的成本方面可以具有很大的益处。这些好处以及相关的挑战是本文的主要议题。
2020-06-11 eess.SP
SymNet: A Multi-Task Network for Joint Radio Map Reconstruction and Transmitter Localization
University of North Texas（北得克萨斯大学）
SymNet是一个统一框架，通过集成发射机定位预测头与无线电地图重建模块，联合完成定向无线电地图重建和发射机定位任务，在定向场景下性能优于现有基线方法。
2026-08-04 cs.AI eess.SP
RadioVIL: Anomaly-Aware Diffusion Models for Radio Map Inpainting and Zero-Shot Vehicle Localization
Xidian University（西安电子科技大学）
针对现有方法无法保留动态实体散射特征的问题，提出RadioVIL框架，通过DDPM与DMILO算法实现无线电地图补全，在零样本车辆定位任务中获75.20%召回率及3.31米平均误差，为6G边缘ISAC提供支撑。
2026-08-18 cs.LG eess.SP
LuViRA Dataset Validation and Discussion: Comparing Vision, Radio, and Audio Sensors for Indoor Localization
LTH, Lund University（隆德大学工学院（LTH））
本文基于LuViRA数据集，比较视觉、无线电和音频三种传感器在室内定位中的性能，评估各配对的先进算法，为多传感器融合定位系统提供基准和指导。
2024-04-25 cs.CV cs.SD eess.AS
Wireless localization with diffusion maps
在无线定位匹配问题（WLMP）中，挑战是基于由设备进行的无线信号测量将设备与一组候选位置进行匹配。无线信号测量中固有的噪声使这一挑战变得更加复杂。在这里，我们建议使用扩散映射，流形学习技术，以获得嵌入的位置和设备坐标在一个空间，使坐标比较和可靠的评估分配质量在非常低的计算成本。我们表明，映射是强大的噪声和使用扩散地图允许在现实环境中的准确匹配。这表明基于扩散图的方法可以显著提高应用中无线定位的准确性。
2019-08-01 eess.SP physics.soc-ph
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
Reconfigurable Intelligent Surfaces in 6G Radio Localization: A Survey of Recent Developments, Opportunities, and Challenges
本文综述了RIS在6G无线电定位中的应用，探讨了其对电磁波的动态控制及在物联网和工业4.0等领域的创新应用，提出了详细的分类法，并指出了未来的研究方向与技术挑战。
2025-02-04 eess.SP
Radio Foundation Models: Pre-training Transformers for 5G-based Indoor Localization
Fraunhofer Institute for Integrated Circuits (IIS)（弗劳恩霍夫集成电路研究所）；Faculty of Engineering, Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学工程学院）
本文提出一种自监督学习框架，在实时采集的5G信道测量上预训练通用Transformer，通过随机掩码与重建任务隐式学习传播环境时空模式，使室内定位在达到最先进精度的同时将参考数据需求降低十倍。
2024-10-01 cs.LG eess.SP
Adaptive Attention-Based Model for 5G Radio-based Outdoor Localization
Dept. of Electrical and Information Technology, Lund University（Lund大学电子与信息技术系）；Ericsson AB（爱立信公司）；Department of Electrical Engineering and Computer Science, University of Michigan（密歇根大学电子工程与计算机科学系）
本文提出一种结合浅层注意力模型与单层感知器路由器的自适应5G户外定位框架，通过动态选择专用模型，在真实大规模MIMO车辆数据上实现精度与复杂度的平衡。
2025-05-08 cs.LG eess.SP
On the Ground and in the Sky: A Tutorial on Radio Localization in Ground-Air-Space Networks
本教程系统分析地面-空中-空间网络中的无线电定位问题，梳理锚点与目标特征、三维定位基础及三类锚点的系统设计，并给出初步结果与6G使能技术的作用。
2024-08-09 cs.NI eess.SP
6G Radio Requirements to Support Integrated Communication, Localization, and Sensing
6G将以极端用例为特征，不仅用于通信，还用于定位和传感。用例可以直接映射到标准关键性能指标（KPI）方面的需求，例如数据速率、延迟或定位准确性。本文的目标是更进一步，将这些标准KPI映射到对信号、硬件架构和部署的要求。在此基础上，可以确定可以同时支持多个用例的系统解决方案。由于有几种方法可以满足KPI，因此没有唯一的解决方案，将讨论优选的配置。
2022-05-22 eess.SP
Cyclic weighted centroid localization for spectrally overlapped sources in cognitive radio networks
本文研究了认知无线电网络中频谱重叠源的定位问题。提出了一种新的加权质心定位算法--循环加权质心定位算法（Cyclic WCL），该算法利用目标信号的循环平稳特性来估计目标的位置坐标。为了分析算法的均方根误差（RMSE），我们的位置估计模型的高斯随机向量的二次型的比率。通过分析和仿真，我们给出了干扰源位置和调制方式对RMSE的影响。我们还研究了该算法的RMSE性能的不同功率水平的目标和干扰。进一步比较了Cyclic WCL和WCL w/o循环平稳性。据观察，循环WCL提供了显着的性能增益超过WCL。
2019-03-18 eess.SP
Learning-based Remote Radio Head Selection and Localization in Distributed Antenna System
在这项工作中，我们考虑估计用户位置在空间分布天线系统（DAS）从上行链路信道状态信息（CSI）。然而，随着远程无线电头端（RRH）数量的增加，在中央单元（CU）处收集CSI可能显著增加CU的前传开销和计算复杂度。这个问题可以通过选择RRH的子集来缓解。因此，我们提出了一种基于深度学习的方法来选择RRH的子集进行无线定位。我们采用了一个RRH选择层，该层与网络的其余部分联合训练，并学习模型参数以及选定的RRH集合。我们表明，选择策略是在一个相对较小的成本本地化性能。尽管如此，通过比较一个平凡的方法的基础上的信道增益的最大化，我们表明，所提出的方法导致显着的性能增益在传播环境中占主导地位的非视线。
2021-11-07 eess.SP
An Initial Study of Human-Scale Blockage in sub-THz Radio Propagation with Application to Indoor Passive Localization
Consiglio Nazionale delle Ricerche（国家研究委员会）
本文在 sub-THz W-band 和 G-band 室内环境下实证研究了人体阻挡引起的电磁效应，分析了信道频率和冲激响应变化，并证明其在无设备被动定位中能比传统厘米级 RF 感知实现更高的微运动区分精度。
2024-05-15 cs.ET cs.LG eess.SP
Error Model of Radio Fingerprint and PDR Fusion Indoor Localization
Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, China（中国教育部航空航天信息安全与可信计算重点实验室）；School of Cyber Science and Engineering, Wuhan University, China（中国武汉大学网络空间安全学院）
多源融合定位是获得足够室内定位精度的技术框架之一。为了评价多源融合定位的效果，需要建立融合误差模型。本文首先利用最小二乘法将无线电指纹和PDR定位进行融合，然后应用方差传播定律计算室内多源定位方法的误差分布。基于该融合误差模型，研制了室内定位仿真系统。该系统能够在给定条件下给出较好的定位源布局方案，并能对信号强度分布和误差分布进行评估。
2020-01-05 cs.RO eess.SP
Auto-Positioning in Radio-based Localization Systems: A Bayesian Approach
基于无线电的定位系统的应用日益增加。鉴于物联网和位置感知通信系统的传播，对本地化架构和可能用例的数量的需求稳步增加。虽然传统的基于无线电的定位是通过利用固定的节点，其位置是绝对参考，协作自动定位方法的目的是估计位置信息，没有任何先验知识的节点分布。自动定位的使用减少了定位系统的安装工作，因此允许它们在市场范围内传播。由于这种情况下的观测和位置信息是相关的，因此需要考虑所有节点的不确定性。在本文中，我们提出了一种基于多维直方图滤波器的离散贝叶斯方法来解决鲁棒自动定位的任务，允许传播历史位置和估计位置的不确定性，以及降低对观测可用性的要求相比，传统的封闭形式的方法。所提出的方法进行了验证，利用不同的多径，离群值和故障损坏的测距测量在静态环境中，在那里我们获得至少58%的定位精度相比，基线封闭形式的自动定位方法。
2022-07-18 eess.SP
Source Localization and Tracking for Dynamic Radio Cartography using Directional Antennas
利用定向天线是一种有效的频谱感知和精确的源定位和跟踪的解决方案。配备定向天线的频谱传感器应不断扫描空间，以跟踪发射源并发现感兴趣区域的新活动。在本文中，我们提出了一种新的配方，统一接收信号强度（RSS）和波达方向（DoA）的压缩感知（CS）的框架。底层CS测量矩阵是传感器的波束成形向量的函数，并且被称为传播矩阵。与全向天线的情况相比，我们采用的传播矩阵提供了更多的非相干投影，这是压缩感知理论中的一个重要因素。基于新的公式，我们优化天线波束，提高频谱感知效率，跟踪活跃的主用户准确和监测频谱活动在一个感兴趣的区域。在许多实际场景中，没有融合中心来整合来自频谱传感器的接收数据。我们提出了分布式版本的算法，这种情况下。实验结果表明，在源定位精度的显着改善，相比的情况下，当传感器配备全向天线。动态无线电制图的建议框架的适用性。此外，将估计的动态RF图随时间与地面实况进行比较，证明了我们提出的方法用于精确信号估计和恢复的有效性。
2019-05-21 cs.IT eess.SP math.IT
Multimodal Radio and Vision Fusion for Robust Localization in Urban V2I Communications
针对城市V2I通信中GPS信号易被遮挡导致定位误差的问题，提出一种融合信道状态信息（CSI）与视觉信息的多模态对比学习回归定位框架，仿真验证其定位精度优于传统及单模态方法。
2025-08-25 eess.SP
Automatic Radio Map Adaptation for Robust Localization with Dynamic Adversarial Learning
针对环境动态导致无线电地图更新困难及定位精度下降的问题，提出基于动态对抗学习的鲁棒定位方法DadLoc，通过动态对抗适应网络实现细粒度分布适应与预测不确定性抑制，有效平衡环境适应性与位置判别性，显著提升跨环境定位精度。
2024-02-19 eess.SP
RIS-Enabled and Access-Point-Free Simultaneous Radio Localization and Mapping
在即将到来的第六代（6 G）无线通信系统中，可重构智能表面~（RISs）被认为是有前途的技术使能器之一，其可以提供可编程的信号传播。因此，具有RIS的同时无线电定位和映射（SLAM）作为6 G生态系统中的新兴研究方向出现。在本文中，我们提出了一种新的框架，RIS使能无线SLAM无线操作的接入点（AP）的干预。我们首先利用用户设备（UE）的先验信息设计RIS相位轮廓，使得它们均匀地照射UE概率性地位于的角扇区。其次，我们修改了边缘泊松多伯努利SLAM滤波器，并估计UE状态和地标，这使得能够有效地映射无线电传播环境。第三，我们推导出信道参数和UE状态估计量的理论Cramér-Rao下界。最后，我们评估所提出的方法的性能的情况下，有限数量的传输，考虑到信道相干时间。我们的结果表明，RIS能够解决无线电SLAM问题与零AP，并考虑多普勒频移有助于提高UE速度估计。
2022-12-14 eess.SP
Multiple Source Localization via Local Radio Map Construction in Urban Environments
Science and Technology on Micro-system Laboratory, Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences（中国科学院上海微系统与信息技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Department of Electronic Engineering, Shanghai Jiao Tong University（上海交通大学电子工程系）
本文提出LRM-MSL框架，通过构建局部无线电地图实现多源定位，提升城市环境中多源定位的准确性和效率。
2025-12-04 eess.SP
A Hybrid BLE/UWB Localization Technique with Automatic Radio Map Creation
本文提出并实验验证了一种BLE/UWB混合定位系统，利用BLE指纹定位实现高能效亚米级定位，并通过UWB辅助自动创建无线电地图以提升系统对环境变化的鲁棒性。
2024-04-03 eess.SP
Adversarial Learning-Based Radio Map Reconstruction for Fingerprinting Localization
针对指纹定位中指纹数据库不完整的问题，本文提出特征引导的对抗框架ComGAN，结合辅助子网络学习空间特征并聚合预测集优化RSS推断，实验证明其重构精度及对应定位性能优异。
2025-11-18 eess.SP
Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach
TU Berlin（柏林工业大学）；Technion - Israel Institute of Technology（以色列理工学院）；LMU Munich（慕尼黑大学）；University of Tromsø（特罗姆瑟大学）
针对城市环境中卫星定位精度差的问题，提出端到端卷积神经网络LocUNet，利用基站路径损耗无线电地图估计和少量基站RSS测量值实现高精度实时室外定位，无需区域RSS指纹，并发布两个城市环境数据集，数值实验证明其优于现有RSS和ToA方法。
2023-04-09 cs.LG cs.NI eess.SP
Multimodal Indoor Localization Using Crowdsourced Radio Maps
School of Informatics, University of Edinburgh（爱丁堡大学信息学院）；Huawei Technologies (UK)（华为技术（英国）公司）；University College London（伦敦大学学院）
本研究针对室内定位中平面图可用性与更新性不足的问题，提出利用众包无线电地图替代平面图的多模态IPS框架，集成不确定性感知神经网络与定制贝叶斯融合技术，在真实场景中较最优基线提升约25%性能。
2024-03-12 cs.CV eess.SP
Robust and Scalable Techniques for TWR and TDoA based localization using Ultra Wide Band Radios
Robert Bosch Center for Cyberphysical Systems, Indian Institute of Science（印度科学理工学院罗伯特·博世网络物理系统中心）；Indian Institute of Technology Bombay（印度理工学院孟买分校）；Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
自动驾驶车辆及其应用的当前趋势表明，以低电池和计算成本进行定位的需求日益增加。激光雷达以高计算和功耗为代价提供精确的定位，这可能对无人机不利。对自主无人机的现代要求，如禁止起飞（NPNT）和将无人机限制在走廊内的应用，要求基础设施不断确定无人机的位置。超宽带无线电（UWB）满足这些要求，并提供高精度的定位和快速的位置更新速率，与激光雷达相比，成本和电池消耗的一小部分，并且在茂密的森林校园或室内环境中也具有比GPS更大的网络可用性。在本文中，我们提出了一种新的协议和技术来定位无人机使用到达时间差（TDoA）的方法，这样的应用程序。这进一步提高了位置更新率，而不牺牲准确性，并将其与传统方法进行比较
2020-08-10 cs.RO eess.SP
Improved linear direct solution for asynchronous radio network localization (RNL)
在定位领域中，线性最小二乘解是常用的。这种解决方案相比，非线性求解器更受噪声的影响，但能够提供一个位置估计，而不知道任何启动条件。线性最小二乘解通过求解具有Moore-Penrose伪逆的超定方程来最小化高斯噪声。不幸的是，如果涉及到非高斯噪声，这种解决方案就失败了。该出版物提出了一种直接的解决方案，它是能够使用预过滤的数据的LPM（RNL）方程。用于线性位置估计的所使用的输入将不是原始数据，而是随时间滤波的数据，为此，该解将被称为直接解。结果表明，本文提出的对称直接解优于非对称直接解，特别是优于未预滤波的线性最小二乘解。
2018-01-10 eess.SP
Multiview Variational Deep Learning with Application to Scalable Indoor Localization
利用许多接收机测量的无线电信道状态信息（CSI）是用于利用具有判别模型的机器学习来定位发射设备的良好资源。然而，CSI定位是不平凡的，当无线电地图是复杂的，如在建筑物走廊。本文介绍了一种基于WiFi信道状态信息的视点选择性深度学习（VSDL）室内定位系统。使用从多组接入点（AP）获得的CSI的多视图训练在监督变分深度网络上生成潜在特征。然后将此信息应用于用于主导视图分类的附加网络，以提高定位的回归精度。由于拒绝了来自多个视图的非信息性潜在特征，我们可以实现0.77 m的定位精度，其优于30 $\%$在真实建筑环境中的实际应用中的最佳已知精度。据我们所知，这是第一种方法，应用变分推理，并构建一个可扩展的无线电定位系统。此外，我们的工作研究了多视图数据的监督学习方法，其中信息和非信息视图共存。
2020-08-25 eess.SP
Towards 6G Single-Anchor Vehicle Localization Exploiting Radio-Reflective Road Markings in Tunnel Environments
Politecnico di Milano（米兰理工大学）
针对隧道等无GNSS区域，提出一种利用近场传播和被动反射结构的单锚车辆定位方法JAVELIN，通过张量参数估计和递归贝叶斯跟踪实现亚米级定位。
2026-06-09 eess.SP
Dirichlet process approach for radio-based simultaneous localization and mapping
本文提出基于 Dirichlet 过程的 5G mmWave 无线电 SLAM 方法，通过出生点聚类识别反射体并适应虚警与信号数变化，以轻微性能损失换取显著计算复杂度改善。
2021-07-02 eess.SP
Map-assisted TDOA Localization Enhancement Based On CNN
针对非视距多径导致的TDOA定位误差问题，提出基于CNN的地图辅助定位校正方法，通过提取地图障碍物特征预测误差并补偿，可将定位精度提升75%，为复杂多径场景下的定位增强提供了可行方案。
2024-01-31 eess.SP
