Efficient Sensor Management for Multitarget Tracking in Passive Sensor Networks via Cauchy-Schwarz Divergence
针对被动传感器网络中的多目标跟踪问题，提出了一种有效的传感器管理方法。与有源传感器网络相比，无源传感器网络由于其无源感知的特性，具有更大的不确定性。被动传感器网络中的多目标跟踪是一个具有挑战性的问题，因为多传感器多目标融合问题是困难的，传感器管理是必要的，以实现良好的平衡之间的跟踪精度和能量消耗或其他成本。为了解决这个问题，我们提出了一个有效的信息理论的方法来管理传感器更好地跟踪未知和时变数量的目标。这是通过两项主要的技术创新实现的。第一种是通过部分观测的马尔可夫决策过程框架的易处理的基于信息的多传感器选择解决方案。Cauchy-Schwarz发散被用作从候选者中顺序选择信息传感器的标准。第二种是基于迭代校正多传感器广义标记多Bernoulli滤波器的两级融合策略。由于迭代校正方案的性能很大程度上受传感器更新顺序的影响，所选择的传感器首先根据Cauchy-Schwarz散度按其检测目标的能力进行排序，然后进行迭代校正更新。排序的传感器的计算成本是可以忽略不计的，因为柯西-施瓦茨分歧已计算在多传感器选择过程。仿真结果验证了该方法的有效性和效率。
2020-11-03 cs.SY eess.SP eess.SY
Track-To-Track Association for Fusion of Dimension-Reduced Estimates
针对通信约束下交换降维航迹估计的网络中心多目标跟踪，提出依据关联性能进行降维的新形式化与优化策略，并通过理论分析和多目标数值实验验证其可保留关联质量。
2023-06-03 eess.SP
Maximum Likelihood Alternating Summation for Multistatic Angle-based Multitarget Localization
针对多基地 OFDM 雷达多目标角度定位中最大似然搜索复杂的问题，提出结合 MUSIC 预估计的交替求和方法，将多维搜索解耦并融合各雷达对似然贡献，以更低复杂度和通信开销实现更优定位。
2024-03-20 eess.SP
An Approach for GCI Fusion With Labeled Multitarget Densities
研究了标号随机有限集的广义协方差交（GCI）融合方法。我们提出了一个联合标签空间的融合标记的随机有限集的支持来表示不同的代理之间的标签关联，避免标签的GCI融合算法的标签一致性条件。具体来说，我们设计的联合标签空间的直接产品的所有标签空间为每个代理。然后应用GCI融合方法得到联合标记的多目标密度。联合标记的RFS然后被边缘化成一般标记的RFS，只要每个目标由具有唯一标签的单个伯努利分量表示。证明了用于融合来自不同药剂的LMB RFS的联合标记GCI（JL-GCI）。考虑到场景中目标分离良好的假设，我们还提出了简化的JL-GCI方法。仿真结果表明，标签不一致性的有效性和良好的性能，在具有挑战性的跟踪场景。
2020-10-28 cs.LG eess.SP
Autonomous Angles-Only Multi-Target Tracking for Spacecraft Swarms
本文提出了一种新的算法，用于自主多目标跟踪的居民空间目标使用光学角度的测量从一个星载观测器。为了能够对航天器群进行仅以角度为单位的自主导航，观测者必须能够识别和跟踪视野中的多个已知或未知目标空间物体，而不依赖先验的相对轨道知识。极高的分配精度是必要的低测量频率和有限的计算资源。新的“航天器角度只有多目标跟踪系统”（SAMUS）算法已经开发，以满足这些目标和约束。它结合了特定领域的目标运动学建模与多假设技术，自主跟踪多个未知目标，只使用序列相机图像。一个测量变换，确保目标运动在观察者参考系遵循一致的参数模型;曲线拟合用于预测跟踪行为;和运动学推导的跟踪门控和评分标准，以提高效率和准确性的多假设方法。具有高保真度模拟的蒙特卡罗测试表明，在近圆形和偏心轨道的多航天器编队范围内，测量分配精度接近100%，召回率很高。在日食周期、显著的测量噪声和部分已知的群机动的存在下，保持跟踪。与其他跟踪算法的比较表明，该算法在精度、鲁棒性和计算时间方面具有很强的优势，这对于星载纯角度导航至关重要。
2021-04-29 eess.IV eess.SP
Domain-Knowledge-Aided Airborne Ground Moving Targets Tracking
针对无人机交通监控问题，提出了一种基于领域知识的空中地面运动目标跟踪算法。为了提高多目标跟踪的精度，该算法将领域知识作为状态约束加入到联合概率数据关联（JPDA）滤波器中。本文考虑的领域知识包括从给定地图中提取的道路信息和当地交通法规。对传统的航迹更新方法进行了改进，提高了对航迹暂时丢失的识别能力。提出了一种变结构多模型（VS-MM）方法，用于对给定目标进行路段分配。通过大量的数值仿真证明了该算法的有效性。
2023-03-12 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
Bayesian User Localization and Tracking for Reconfigurable Intelligent Surface Aided MIMO Systems
研究了可重构智能表面（RIS）辅助的多天线多输入多输出（MIMO）系统中的用户定位与跟踪问题。通过建立一个概率转移模型的用户移动性，我们开发了一个消息传递算法，称为贝叶斯用户定位和跟踪（BASEAN）算法，估计和跟踪用户的位置和到达角（AoAs）在用户在线的方式。我们还推导出贝叶斯CramérRao界（BCRB）来表征所考虑的跟踪问题的基本性能限制。为了提高跟踪性能，我们在BS和RIS处优化波束形成设计以最小化导出的BCRB。仿真结果表明，我们的BCRB算法可以执行接近派生BCRB，并显着优于同行的算法，而不利用用户位置的时间相关性。
2021-12-09 eess.SP
Tracking-Aided Multi-User MIMO Communications with Hybrid Reconfigurable Intelligent Surfaces
本文提出一种基于混合可重构智能表面（HRISs）双重功能的跟踪辅助多用户MIMO通信框架，通过联合设计发射预编码矩阵与HRIS配置，在满足服务质量约束下最大化用户位置估计精度，并验证了其有效性。
2025-04-26 eess.SP
Track Coalescence and Repulsion: MHT, JPDA, and BP
联合概率数据关联（JPDA）和多假设跟踪（MHT）是70年代提出的两种多目标跟踪方法。在过去的几十年里，广泛的研究已经揭示了不良行为的JPDA和MHT类型的方法在跟踪场景中的目标非常接近。特别地，JPDA遭受径迹聚结效应，即，非常接近的目标的估计轨迹趋于合并并且可能变得不可区分。有趣的是，在MHT中，可以观察到与轨道聚结相反的效应，称为轨道排斥。在本文中，我们回顾了估计策略的MHT，JPDA，和最近推出的置信传播（BP）框架MTT，我们调查BP也遭受这两个不利影响。我们的数值结果表明，基于BP的MTT可以很好地避免轨道排斥和合并。
2021-09-03 eess.SP
Channel Tracking for RIS-aided mmWave Communications Under High Mobility Scenarios
新兴的可重构智能表面（RIS）技术有望应用于毫米波（mmWave）通信系统中，以有效地补偿传播损耗或解决阻塞问题。考虑到实际应用中用户的高度移动性，实时调整相位偏移以使波束对准移动用户是非常必要的，这就需要频繁地估计信道状态信息。因此，必须设计有效的信道跟踪方案以避免复杂的信道估计过程。在本文中，我们开发了一种新的信道跟踪方案，与传统的计划有两个优点。首先，我们的跟踪方案是基于级联的角度在RIS，而不是准确的角度值，这是更实际的。其次，它可以在噪声可以是非高斯的更一般的设置下使用。仿真结果表明，该方案具有较高的跟踪精度，并验证了其优于现有的基于EKF的跟踪方案。
2023-02-07 eess.SP
Confidence-Guided Adaptive Beam Selection for Vision-Aided Beam Tracking in mmWave Systems
Universität Paderborn（帕德博恩大学）；Brunel University of London（伦敦布鲁内尔大学）；Technische Universität Dresden（德累斯顿工业大学）
针对毫米波系统视觉辅助波束跟踪中固定波束选择忽略不确定性的问题，提出置信度引导自适应波束选择方法，在DeepSense 6G场景8上实现了多项性能提升。
2026-10-16 eess.SP
A General Framework for RIS-Aided mmWave Communication Networks: Channel Estimation and Mobile User Tracking
可重构智能表面（RIS）作为一种提高无线通信性能的新技术，已经得到了广泛的讨论。基于RIS的独特设计，其元件可以反射，吸收，吸收或聚焦入射波向任何所需的方向。这些功能被证明是克服毫米波（mmWave）的高传播条件（包括路径衰减和阻塞）的主要解决方案。然而，由于RIS元件的无源性质以及多输入多输出（MIMO）系统产生的估计开销，RIS辅助通信中的信道估计仍然是主要关注点。因此，用户跟踪尚未进行分析。本文是第一个工作，解决信道估计，波束成形，和用户跟踪下实际毫米波RIS-MIMO系统。通过给出RIS设计与MIMO系统的数学关系，提出了RIS设计的三阶段框架。首先使用分层波束搜索来估计基站（BS）与RIS之间的信道，然后使用迭代解析算法来估计RIS与用户之间的信道。最后，一个流行的跟踪算法被用来跟踪RIS和用户之间的信道参数。系统分析表明，所提出的框架在实时场景中的鲁棒性和有效性。
2020-09-02 eess.SP
Channel Tracking and Prediction for IRS-aided Wireless Communications
对于智能反射面（IRS）辅助的无线通信，信道估计是必不可少的，并且当IRS反射元件的数量很大时通常需要过多的信道训练开销。当信道由于发射机和/或接收机的移动性而不是准静态时，准确的信道状态信息（CSI）的获取变得更具挑战性。在这项工作中，我们研究了IRS辅助的无线通信系统与时变信道模型，并提出了一个创新的两阶段传输协议。在第一阶段，我们发送导频符号和跟踪的基础上接收到的信号的直接/反射信道，然后发送数据信号。在第二阶段中，不是首先发送导频符号，而是直接预测直接/反射信道，并且所有时隙用于数据传输。基于所提出的传输协议，我们提出了一个两阶段的信道跟踪和预测（2SCTP）计划，以获得直接和反射信道与低信道训练开销，这是通过利用时间相关的时变信道。具体来说，我们首先考虑一个特殊的情况下，IRS接入点（AP）信道被假定为静态的，其中一个卡尔曼滤波器（KF）为基础的算法和长短期记忆（LSTM）为基础的神经网络，分别提出了信道跟踪和预测。然后，对于更一般的情况下，IRS-AP，用户IRS和用户AP信道都被假定为是时变的，我们提出了一个广义KF（GKF）为基础的信道跟踪算法，其中适当的近似处理底层的非高斯随机变量。数值仿真结果验证了我们提出的传输协议和信道跟踪/预测算法的有效性相比，现有的。
2022-03-11 eess.SP
Tensor-Based Channel Estimation and Data-Aided Tracking in IRS-Assisted MIMO Systems
针对信道老化问题，提出一种基于张量建模的两阶段方法，通过张量分解实现信道估计、IRS配置及数据符号跟踪，在误码率和均方误差上优于现有方案。
2023-05-17 eess.SP
Variational Bayesian Multiuser Tracking for Reconfigurable Intelligent Surface Aided MIMO-OFDM Systems
针对多 RIS 辅助 MIMO-OFDM 系统的移动用户跟踪问题，提出在线贝叶斯消息传递算法，并基于 BCRB 优化 RIS 无源波束赋形，实现厘米级定位精度。
2023-04-24 eess.SP
Computer Vision-Aided Reconfigurable Intelligent Surface-Based Beam Tracking: Prototyping and Experimental Results
在本文中，我们提出了一种新的基于计算机视觉的方法来帮助可重构智能表面（RIS）的动态光束跟踪，然后实现相应的原型验证系统。在RIS上安装一个摄像头以获取周围环境的视觉信息，RIS利用该信息识别所需的反射光束方向，然后根据预先设计的码本调整反射系数。与传统的利用信道估计或波束扫描来获得反射系数的方法相比，所提出的方法不仅节省了波束训练开销，而且消除了对额外反馈链路的需求。我们建立了一个运行在5.4 GHz的20 × 20 RIS，并开发了一个高速控制板，以确保反射系数的实时刷新。同时，我们实现了一个独立的对等通信系统来模拟基站和用户设备之间的通信。视觉辅助RIS原型系统在两种移动场景下进行了测试：RIS工作在近场条件下作为基站的无源阵列天线; RIS工作在远场条件下辅助基站与用户设备之间的通信。实验结果表明，RIS能够根据视觉信息快速调整反射系数，实现动态光束跟踪。
2022-07-11 eess.SP
Lightweight Vision-Aided Beam Tracking for Cross-Environment mmWave Communications
Centre for Wireless Communications (CWC), University of Oulu, Finland（奥卢大学无线通信中心）；School of Electrical, Computer, and Energy Engineering, Arizona State University, Tempe, USA（亚利桑那州立大学电气、计算机与能源工程学院）；School of Electrical Engineering & Computer Science, University of California, Irvine, USA（加州大学欧文分校电气与计算机科学学院）
针对毫米波波束管理开销大、环境差异大的问题，提出基于深度可分离卷积的轻量级视觉辅助模型，通过序列分类联合预测当前和未来最优波束，在DeepSense 6G两个场景中实现84%的跨环境预测准确率，参数和计算量分别降低约52倍和79倍。
2026-07-02 eess.SP
EOTNet: Deep Memory Aided Bayesian Filter for Extended Object Tracking
针对扩展目标跟踪中状态与扩展演化的非马尔可夫性，提出深度记忆辅助的贝叶斯递归神经网络EOTNet，在模拟和真实数据上超越传统及深度学习方法。
2025-05-24 eess.SP
Data-Free Knowledge Distillation for LiDAR-Aided Beam Tracking in MmWave Systems
University of Oulu（奥卢大学）；Arizona State University（亚利桑那州立大学）
提出无数据知识蒸馏框架，利用激光雷达历史测量序列预测最优波束，通过元数据损失合成训练数据，避免依赖原始激光雷达样本。
2026-06-25 eess.SP
3D Localization and Tracking Methods for Multi-Platform Radar Networks
本文综述了多平台雷达网络中的三维定位与多目标跟踪方法，重点提出ARCE定位与基于SPA的MTT相结合的处理方案，并通过三维仿真验证其相比传统方法能有效提升监视系统精度。
2023-08-14 eess.SP
STAR-RIS Aided Dynamic Scatterers Tracking for Integrated Sensing and Communications
本文提出有源STAR-RIS辅助的ISAC动态散射体跟踪方案，通过双侧信号处理、动态路径识别、GM-PHD滤波及波束预测实现通信增强与开销降低。
2025-01-07 eess.SP
Adaptive Payload-Aided Near-Field Beam Tracking via Thompson Sampling
The State University of New York at Buffalo（纽约州立大学布法罗分校）；MediaTek Inc.（联发科股份有限公司）
该研究针对6G近场波束跟踪难题，提出结合MLE与TS的自适应有效载荷辅助框架，通过轨迹建模与自适应机制实现高增益、低方差的稳健跟踪。
2026-08-25 eess.SP
Near-Field Sparse Bayesian Channel Estimation and Tracking for XL-IRS-Aided Wideband mmWave Systems
Zhejiang University（浙江大学）；Southern University of Science and Technology (SUSTech)（南方科技大学）
本文提出了一种基于张量的稀疏信道估计与跟踪算法，用于XL-IRS辅助的宽带毫米波系统，以提高信道估计精度并减少试点开销。
2026-01-16 eess.SP
Knowledge Distillation for Lightweight Multimodal Sensing-Aided mmWave Beam Tracking
Centre for Wireless Communications (CWC), University of Oulu（奥卢大学无线通信中心）；School of Electrical, Computer, and Energy Engineering, Arizona State University（亚利桑那州立大学电气、计算机与能源工程学院）；School of Electrical Engineering & Computer Science, University of California, Irvine（加州大学欧文分校电气与计算机工程学院）
本文提出基于知识蒸馏的轻量模型框架，利用摄像头和雷达数据实现高效波束预测与跟踪，实验显示多模态融合优于单一模态方法，模型在精度提升的同时显著降低计算复杂度和参数量。
2026-04-17 eess.SP
Inertial Sensor Aided mmWave Beam Tracking to Support Cooperative Autonomous Driving
提出了一种基于毫米波（mmWave）的大规模多输入多输出（MIMO）车对车（V2V）通信中的惯性传感器辅助波束对准和跟踪技术。由于车辆场景中的定向通信受到波束指向问题的严重阻碍，因此必须定期执行波束对准过程以保证通信可靠性。当处理大规模多输入多输出链路时，已知波束扫描方法是耗时的，并且由于延迟约束而通常是不可行的。为了加快这个过程中，我们提出了一种方法，利用先验信息提供的阵列动态的惯性传感器上的收发器，以协助波束对准过程。所提出的惯性传感器辅助技术允许在发射时连续跟踪波束，避免频繁的重新对准阶段。基于收发器上加速度计的实际测量的数值结果表明，相对于传统的波束对准协议，V2V通信吞吐量方面有显着的增益。
2019-03-28 cs.IT eess.SP math.IT
LoFi: Vision-Aided Label Generator for Wi-Fi Localization and Tracking
Shenzhen Research Institute of Big Data（深圳大数据研究院）；School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）；School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院）
LoFi通过视觉辅助生成高精度的Wi-Fi定位与跟踪标签，降低数据收集成本，提升数据驱动方法的实用性。
2025-09-12 cs.CV eess.SP
UAV-aided urban target tracking system based on edge computing
目标跟踪是社会安全的重要问题。传统上，为了对目标进行跟踪，需要将大量的监控视频数据上传到云端进行处理和分析，这给接入网和核心网的通信链路带来了巨大的带宽压力。同时，广域网中的长时延很可能导致跟踪系统丢失目标。无人机（UAV）由于其灵活性常被用于目标跟踪，但由于电池限制飞行时间有限以及场地中各种障碍物的阻挡，给其目标跟踪任务带来了两大挑战，这也很可能导致目标丢失。提出了一种边缘计算环境下无人机与地面节点协同跟踪的目标跟踪模型。该模型可以有效降低传统的基于云计算的监控摄像系统的通信开销和长时延，提高无人机在失去对目标的跟踪后重新发现目标的概率。已经证明，所提出的系统在低延迟、高可靠性和最佳体验质量（QoE）方面实现了显著更好的性能。
2019-02-03 cs.DC eess.SP
ViWi Vision-Aided mmWave Beam Tracking: Dataset, Task, and Baseline Solutions
视觉辅助无线通信受到深度学习和计算机视觉的最新进展以及对毫米波（mmWave）和太赫兹系统中视线链路的日益依赖的推动。通过利用视觉，这一新的研究方向实现了一系列有趣的新功能，例如视觉辅助毫米波波束和阻塞预测、主动切换和资源分配等。这些功能有可能可靠地支持高度移动的应用，例如车辆/无人机通信以及毫米波和太赫兹系统中的无线虚拟/增强现实。然而，研究这些有趣的应用程序需要开发特殊的数据集和机器学习任务。基于Vision-Wireless（ViWi）数据集生成框架[1]，本文开发了一个先进而现实的场景/数据集，具有多个基站，移动用户和丰富的动态。在此数据集的支持下，本文定义了视觉无线毫米波波束跟踪任务（ViWi-BT），并提出了一个基线解决方案，可以为未来的ViWi-BT算法提供初始基准。
2020-02-13 cs.IT eess.SP math.IT
Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
针对 RIS 辅助多频段 ISAC 中 CSI 多模态、异步流量及标注稀疏问题，提出基于 transformer 与对抗学习的跨域 X2Track 框架，实现分米级跟踪并仅需 5% 标注数据。
2024-05-10 cs.AI eess.SP
Sensing-Aided Near-Field Beam Tracking
National and Kapodistrian University of Athens（雅典国立卡波季斯特里安大学）
本文研究了近场通信中波束跟踪问题，提出分析框架和动态极坐标网格，引入波束相干时间概念，通过模拟验证理论分析。
2025-11-29 cs.ET eess.SP
Cooperation in Space: HAPS-Aided Optical Inter-Satellite Connectivity with Opportunistic Scheduling
在激光星际通信中，跟踪、精确指向和多普勒频移问题是性能损失的主要来源，其可严重降低卫星星座的覆盖范围和整体性能。作为一个解决方案，这些问题，我们提出了一个合作的策略，其中一个高空平台站（HAPS）停留在准静止的位置有助于星间的连接。在这种设置中，HAPS节点使用两种不同的调度方法：一种依赖于天顶角;另一种依赖于瞬时信噪比。为了量化所提出的方案的性能，整体中断概率为两种调度方法。此外，还提供了设计实用卫星间网络的准则。
2021-12-28 eess.SP
Computer Vision Aided Beam Tracking in A Real-World Millimeter Wave Deployment
毫米波（mmWave）和太赫兹（THz）通信需要波束成形以获得足够的接收信噪比（SNR）。为了找到最佳波束，当前波束管理解决方案在预定义码本中的大量波束上执行波束训练。波束训练开销增加了接入延迟，并且对于高移动性应用可能变得不可行。为了减少甚至消除这种波束训练开销，我们提出利用例如由基站处的相机捕获的视觉数据来指导波束跟踪/细化过程。我们提出了一个机器学习（ML）框架，基于一个编码器-解码器架构，可以预测未来的光束使用以前获得的视觉传感信息。我们提出的方法进行评估的大规模现实世界的数据集，其中它实现了$64.47\%$的准确性（和$97.66\%$的归一化接收功率）在预测未来的光束。这是在需要小于使用先前波束序列来预测未来波束的对应基线解决方案的波束训练开销的$1\%$的同时实现的。在真实世界数据集上获得的这种高性能和低开销证明了所提出的视觉辅助光束跟踪方法在真实世界应用中的潜力。
2021-11-29 cs.IT eess.SP math.IT
Sensing-Aided Vehicular Beam Tracking: System Gain Over Link Feedback and Probe-Verified Sensing Invocation
Hanyang University（汉阳大学）；University of Oulu（奥卢大学）；Electronics and Telecommunications Research Institute (ETRI)（电子电信研究院）；University of Science and Technology (UST)（科学技术大学）
该研究针对车载波束跟踪问题，提出结合重扫、探针验证传感准入与黑名单退避的控制器，在多数场景下可减少模型调用，高创新场景下增益显著，传感效果取决于链路反馈及传感的准确性及时性。
2026-10-19 eess.SP
Multisensor Poisson Multi-Bernoulli Filter for Joint Target-Sensor State Tracking
Chalmers University of Technology（查尔姆斯理工大学）；DENSO Sweden AB（电装瑞典有限公司）
本文提出了一种多传感器低复杂度泊松多伯努利多目标跟踪滤波器，用于联合跟踪不确定的车辆状态和目标状态，通过逐步融合不同传感器的测量数据来提高跟踪性能。
2019-01-14 cs.SY eess.SP eess.SY
High-Accuracy Absolute-Position-Aided Code Phase Tracking Based on RTK/INS Deep Integration in Challenging Static Scenarios
许多多传感器导航系统迫切需要在具有挑战性的静态场景下从全球导航卫星系统（GNSS）中精确定位初始化。然而，针对视线（LOS）信号接收的地面阻塞使得GNSS用户难以接收。引导GNSS基带中的本地码是校正瞬时信号相位失准、有效地收集有用信号功率并提高定位精度的期望方式。此外，惯性导航系统（INS）已被用作一个很好的补充航位推算（DR）传感器的GNSS接收机在运动场景抵抗各种干扰，因为早期。但是，很少有人关注的情况下，惯性导航系统是否可以改善GNSS接收机在静态场景。因此，本文提出了一种增强型导航系统，该系统将低成本INS解决方案和GNSS高精度载波定位深度集成。首先，根据基站信息预测绝对码相位，并通过扩展卡尔曼滤波器（EKF）对惯性导航系统DR和实时运动学（RTK）结果进行综合求解。然后，数控振荡器（NCO）利用预测的码相位来改善瞬时本地码相位与接收到的码相位之间的对准。该算法在矢量跟踪GNSS软件无线电（SDR）中实现。真实世界的实验证明了所提出的SDR关于估计到达时间（TOA）和定位精度。
2022-12-31 cs.SY eess.SP eess.SY
Sensing-Aided Peer-to-Peer Millimeter-Wave Communication
针对毫米波通信中感知与通信的调度冲突及定向精度问题，提出一种雷达和IMU辅助的P2P毫米波通信系统，联合实现波束成形与感知，实现稳健跟踪并提升吞吐量。
2024-01-27 cs.SY eess.SP eess.SY
GPS-Aided Deep Learning for Beam Prediction and Tracking in UAV mmWave Communication
Department of Intelligent Mechatronics Engineering, and Department of Convergence Engineering for Intelligent Drone, Sejong University（智能机电工程系，智能无人机融合工程系，世宗大学）
提出一种GPS辅助深度学习模型，通过位置数据映射波束索引，同时预测UAV毫米波通信的当前与未来最优波束，在保证95%预测准确率的同时将开销降低约93%。
2025-07-11 cs.IT cs.LG eess.SP
GSP-KalmanNet: Tracking Graph Signals via Neural-Aided Kalman Filtering
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文提出GSP-KalmanNet，将图信号处理与深度学习结合，通过图频域滤波和可学习卡尔曼增益实现高维图信号跟踪，在精度、速度及模型失配鲁棒性上优于现有基准。
2023-11-28 cs.AI cs.LG eess.SP
Liquid State Machine-Empowered Reflection Tracking in RIS-Aided THz Communications
Amirkabir University of Technology（阿米尔卡比尔理工大学）；Tarbiat Modares University（塔比亚特·莫达雷斯大学）；Pasargad Institute for Advanced Innovative Solutions（帕萨加德高级创新解决方案研究所）；York University（约克大学）；University of Manitoba（曼尼托巴大学）
在可重构智能表面（RIS）的被动波束形成，使一个可行的和有效的通信方式时，RIS反射系数精确调整。在本文中，我们提出了一个框架来跟踪RIS反射系数的帮助下，深度学习从时间序列预测的角度在太赫兹（THz）通信系统。建议的框架实现了两个步骤的增强类似的学习驱动的同行。具体来说，在第一步中，我们训练液态机（LSM）以跟踪先前时间步长（称为时间序列序列）的历史RIS反射系数并预测其即将到来的时间步长。我们还通过Xavier初始化技术对训练的LSM进行微调，以减少预测方差，从而提高预测精度。在第二步中，我们使用集成学习技术，利用多个LSM的预测能力，以最小化预测方差，提高第一步的精度。数值结果表明，在第一步中，采用Xavier初始化技术微调的LSM的结果在最多26%的低LSM预测方差和高达46%的可实现的频谱效率（SE）的改善，比现有的同行，当RIS的大小为11x11部署。在第二步中，在与训练单个LSM相同的计算复杂性下，多个LSM的集成学习将单个LSM的预测方差降低到66%，并且将系统可实现的SE提高到最多54%。
2022-08-08 cs.LG eess.SP
Terahertz Ultra-Massive MIMO-Based Aeronautical Communications in Space-Air-Ground Integrated Networks
新兴的空-空-地综合网络吸引了大量的研究，需要可靠和高效的航空通信。研究了太赫兹超大规模（UM）MIMO航空通信系统，提出了一种有效的信道估计和跟踪方案，解决了航空太赫兹UM-MIMO信道的{\emph{triple delay-beam-Doppler squint effects}}唯一性导致的性能下降问题。具体地，基于从导航信息获取的粗略角度估计，建立初始航空链路，其中收发器处的延迟波束偏斜可以通过采用可编程真时延迟单元（GTTDU）模块（例如，所设计的基于{\emph{Rotman lens}}的GTTDU模块）。根据提出的先验辅助迭代角度估计算法，可以估计出方位角/仰角，并利用这些角度实现精确的波束对准和改进GTTDU模块，以进一步消除延迟波束斜视。多普勒频移可以随后估计使用所提出的先验辅助迭代多普勒频移估计算法。在此基础上，可以准确地估计路径延迟和信道增益，并通过补偿过程有效地抑制多普勒斜视。对于数据传输，提出了一种基于数据辅助判决的信道跟踪算法，对波束对准后的有效信道进行跟踪。当数据辅助信道跟踪无效时，将在导频辅助信道跟踪阶段利用等效稀疏数字阵列重新估计角度，其中可以基于先前估计的角度来解决角度模糊。仿真结果和推导出的Cramér-Rao下界验证了我们的解决方案的有效性。
2021-03-03 cs.IT eess.SP math.IT
Measurement-Level Fusion for OTHR Network Using Message Passing
基于电离层统计模型的超视距雷达（OTHR）网络提供的多径测量数据对未知数量目标进行跟踪是一个复杂的问题，需要解决目标检测、目标跟踪、多径数据关联和电离层高度识别等4个子问题。联合解决方案是期望的，因为这四个子问题是高度相关的，但从棘手的推理问题的高维潜变量的痛苦。本文提出了一种结合置信传播（BP）和平均场（MF）近似的统一消息传递方法，用于简化复杂的推理。基于潜变量的联合概率分布函数（PDF）的因子分解对应的因子图以及将该因子分解分为BP区域和MF区域的选择，由于MF具有共轭指数模型的简单MP更新规则，因此可以用MF来近似包括目标运动状态、目标能见度状态和电离层高度在内的连续潜变量的后验PDF。对于包含一对一帧（硬）约束的离散多径数据关联，其概率密度函数用循环BP近似。最后，采用闭环方式迭代更新近似后验概率密度函数，有效地解决了目标检测、目标跟踪、多径数据关联和电离层高度识别之间的耦合问题。同时，由于直接对OTHR网络的原始多径测量进行处理，该方法具有测量级融合结构，有利于提高目标跟踪性能。它的性能表现在一个模拟的OTHR网络多目标跟踪方案。
2020-04-03 cs.SY eess.SP eess.SY
Multi-Base Station Cooperative Sensing with AI-Aided Tracking
本文提出多基站协作感知框架，通过融合中心、CNN目标分类与自适应聚类，结合PHD和MBM滤波器实现高精度多目标跟踪，在保持通信服务的同时将定位误差控制在1米以内。
2023-10-31 cs.AI eess.SP stat.ML
Location Tracking for Reconfigurable Intelligent Surfaces Aided Vehicle Platoons: Diverse Sparsities Inspired Approaches
针对车辆编队高精度位置跟踪需求，提出基于多样稀疏性的DiLuS框架与DiLuS-STPL算法，结合变分贝叶斯推理与消息传递技术，实现单基站加单RIS的高精度定位，性能媲美双基站方案且优于多种基准。
2023-05-07 cs.IT eess.SP math.IT
Millimeter Wave V2V Beam Tracking using Radar: Algorithms and Real-World Demonstration
本文针对 V2V 毫米波通信中波束随车辆移动而变化的问题，提出雷达辅助波束跟踪框架，结合信号处理与机器学习预测未来波束，并在真实数据集上验证了高角度分辨率雷达的有效性。
2023-10-27 eess.SP
Graph-based Simultaneous Localization and Bias Tracking
针对多径干扰环境中的鲁棒定位与跟踪问题，提出基于因子图和粒子和积算法的序贯方法，联合估计移动智能体位置及时变多径分量，无需环境地图即可利用多径几何特征提升定位精度，性能优于现有算法且达P-CRLB，还能识别不可靠测量以减轻跟踪丢失。
2025-04-15 eess.SP
Latent-KalmanNet: Learned Kalman Filtering for Tracking from High-Dimensional Signals
本文提出Latent-KalmanNet，将学习型编码器与KalmanNet结合，在潜在空间中联合学习状态映射和卡尔曼滤波，实现高维观测下更准确、低延迟的动态跟踪。
2023-04-20 eess.SP
Integrated Positioning and Communication for Cooperative Multi-LEO Uplink Communications: A Dual-Timescale Kalman Filter-Aided Approach
University of British Columbia（不列颠哥伦比亚大学）
针对LEO卫星上行通信中CSI获取难的问题，提出双时间尺度卡尔曼滤波辅助的一体化定位与通信框架，结合UKF定位跟踪与卡尔曼滤波信道估计，通过EM算法联合处理信道估计与协作数据检测，性能优于传统基线。
2025-11-18 eess.SP
Sensing Aided Covert Communications: Turning Interference into Allies
本文研究雷达-通信协作系统中的隐蔽通信，利用雷达感知跟踪并干扰敌方目标，通过联合设计雷达波形与通信波束成形最大化隐蔽传输速率，提出针对完美与不完美CSI的算法，仿真证明其能保证隐蔽性并显著优于传统方案。
2024-01-03 cs.IT eess.SP math.IT
