Multi-Target Cooperative Visible Light Positioning: A Compressed Sensing Based Framework
提出了一种基于压缩感知（CS）的多目标协同可见光定位（VLP）框架，实现了多目标同时高精度定位。用于照明的发光二极管（LED）用于定位配备有光电检测器的多个目标移动终端。室内区域可以划分为一个由离散点组成的二维网格，目标只位于少数几个网格点上，具有稀疏性。因此，多目标定位问题可以转化为稀疏恢复问题。具体而言，制定了基于CS的框架，利用接收到的可见光信号的叠加在多个目标通过目标间合作定位。然后，它可以有效地解决使用CS为基础的算法。此外，通过对应于不同LED的信号之间的互相关，将锚点间协作引入到基于CS的框架中，即，锚点，这进一步提高了定位精度。该方案采用基于CS的框架和协作机制，能够同时对多个目标进行定位，且定位精度高，计算复杂度低。仿真结果表明，所提出的方案可以实现厘米级多目标定位亚米级精度，优于现有的基准方案。
2023-03-05 eess.SP
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
3D Cooperative User Tracking for Distributed Integrated Sensing and Communication
Lund University（隆德大学）；Peking University（北京大学）
本文面向分布式通感一体化系统的协同用户跟踪需求，提出融合全局PHD滤波器与视场感知AP管理策略的跟踪框架，经实测验证可实现厘米级跟踪精度，且无需持续激活所有AP。
2025-11-17 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
Decentralized Gaussian Filters for Cooperative Self-localization and Multi-target Tracking
智能体协作自定位（CS）和多目标跟踪（MTT）的可扩展和分散算法在许多应用中是重要的。在这项工作中，我们解决的问题，同时合作自定位和多目标跟踪（SCS-MTT）下的目标数据关联的不确定性，即，测量和目标轨迹之间的关联是未知的。现有的CS和跟踪算法要么假设没有数据关联的不确定性，要么采用硬决策规则的测量到目标的关联。我们提出了一种新的分散的SCS-MTT方法的未知和时变的目标数量下关联不确定性。代理和目标的边缘后验密度是由一个有效的信念传播（BP）为基础的计划，而数据关联处理边缘化所有目标测量关联概率。基于平均一致性方案提供了分散的单高斯和高斯混合实现，其仅需要与一跳邻居通信。一个额外的新颖性是一个分散的吉布斯机制，有效地评估产品的高斯混合物。数值实验表明，与传统的定位和跟踪分离的方法相比，CS和MTT性能得到了改善。
2020-04-15 eess.SP
Distributed Algorithm for Cooperative Joint Localization and Tracking Using Multiple-Input Multiple-Output Radars
本研究针对MIMO雷达提出基于消息传递框架和平均场方法的分布式联合定位跟踪算法，通信开销与雷达数线性相关，在低信噪比下仍有良好精度，多数轨迹真实值处于95%置信区间内。
2025-03-20 eess.SP
Spatiotemporal Tracking in Cooperative ISAC Networks: A Stochastic Geometry Framework
Wireless Technology Research Institute, China Telecom Research Institute（中国信通院无线技术研究所）
采用随机几何框架研究集成感知与通信网络中的连续目标跟踪，通过动态聚类模型克服静态聚类缺陷，实现线性密度扩展和数量级容量提升。
2026-05-27 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
Trajectory Tracking for MmWave Communication Systems via Cooperative Passive Sensing
本文提出一种毫米波通信协作被动感知框架，利用双波束相控阵分离视距与非视距路径，通过多普勒频率和到达角联合估计移动阻挡物轨迹与发射机位置，实现分米级定位和亚0.1秒阻塞预测。
2024-09-30 eess.SP
Localization and Tracking for Cooperative Users in Multi-RIS-assisted Systems: Theoretical Analysis and Principles of Interpretations
本文研究多RIS辅助多用户定位与跟踪系统，提出相关性效率（EoC）指标以平衡定位精度与系统复杂性，并通过随机游走理论解释相关性传播，同时分析误差传播的收敛性与渐近行为。
2025-04-07 eess.SP
Decentralized Semantic Communication and Cooperative Tracking Control for a UAV Swarm over Wireless MIMO Fading Channels
针对无人机群在MIMO衰落信道下的语义通信与协同跟踪控制问题，提出动态模型与漂移加惩罚优化，推导闭式最优解并建立稳定条件，显著优于现有方法。
2024-11-09 cs.SY eess.SP eess.SY
Infrastructure-Based Object Detection and Tracking for Cooperative Driving Automation: A Survey
University of California at Riverside（加州大学河滨分校）；Toyota Motor North America（丰田汽车北美公司）
目标检测在实现协同驾驶自动化（CDA）方面发挥着重要作用，CDA被认为是解决当代交通系统安全性、移动性和可持续性问题的革命性解决方案。虽然目前的计算机视觉技术可以提供令人满意的目标检测的结果，在无遮挡的情况下，车载传感器的感知性能可能不可避免地受到范围和遮挡的限制。由于传感器安装的灵活位置和姿态，基于基础设施的检测和跟踪系统可以增强联网车辆的感知能力，因此迅速成为最热门的研究课题之一。本文综述了基于基础设施的目标检测与跟踪系统的研究进展。基于不同类型的传感器的路边感知系统的架构进行审查，以显示基于基础设施的感知系统的工作流程的高层次的描述。路边传感器和不同的感知方法进行了审查和详细的文献分析，提供了一个低层次的解释，具体的方法，其次是数据集和模拟器，以绘制一个整体景观的基础设施为基础的目标检测和跟踪方法。进行讨论，指出目前的机会，开放的问题，并预计未来的趋势。
2022-03-19 cs.CV eess.SP
CRS-LLM: Cooperative Beam Prediction with a GPT-Style Backbone and Switch-Gated Fusion
National Mobile Communications Research Laboratory, Southeast University（东南大学国家移动通信实验室）；Purple Mountain Laboratories（紫金山实验室）
本文提出CRS-LLM框架，通过将波束跟踪建模为联合BS-波束空间的单分类问题，结合双视角CSI分词器和截断GPT风格主干，实现更准确的波束预测，优于现有基线方法。
2026-04-30 eess.SP
CDKF-Track: Cluster-aware Data-Driven Kalman Filtering for Cooperative 3D Multi-Object Tracking
Industrial Systems Institute, Athena Research Center（雅典娜研究中心工业系统研究所）；University of Ioannina（约阿尼纳大学）
提出CDKF-Track，一种聚类感知数据驱动卡尔曼滤波框架，通过图拉普拉斯融合、冗余减少、数据驱动滤波和小波细化，在V2V4Real数据集上实现最高27.99%的跟踪精度提升。
2026-09-23 cs.RO 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
Curriculum-Guided Heterogeneous Multi-Agent Intelligence for Multi-UAV Cooperative ISAC
University of Electronic Science and Technology of China（电子科技大学）；Nanjing University（南京大学）；Southeast University（东南大学）；China Mobile Zijin Innovation Institute（中国移动紫金创新研究院）
提出一种基于课程学习的异构近端策略优化算法，通过联合轨迹-波束赋形优化解决多无人机与地面基站协同ISAC中的后验克拉美-罗界最小化问题，实现感知性能提升30%以上。
2026-05-22 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
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
Networked Tracking of Multiple Moving Targets in 6G Network
The Hong Kong Polytechnic University（香港理工大学）；The University of Hong Kong（香港大学）；the University of Technology Sydney（悉尼科技大学）
本文研究6G网络中多基站协同跟踪移动目标的方法，设计了网络化卡尔曼滤波器并优化波束成形以降低跟踪误差。
2026-04-21 cs.IT eess.SP math.IT
Multi-domain Cooperative SLAM: The Enabler for Integrated Sensing and Communications
同时定位与地图构建（SLAM）提供用户跟踪和环境地图绘制能力，使得通信系统能够获得态势感知。具有超宽带、多天线和大量连接的先进通信网络为传感和通信的深度集成提供了机会。本文首先回顾了综合传感与通信技术的发展历程，揭示了综合传感与通信技术与传统通信技术的区别。然后，多域协同SLAM的有效机制。特别是，交叉感知，跨用户，跨频率，跨设备的SLAM机制的研究机会和挑战提出。此外，SLAM辅助通信策略进行了明确的讨论。通过数值分析，证明了基于混合感知和众包的多域协同SLAM机制可以显著提高复杂多径传播环境下的定位和地图构建精度。此外，通过测试平台实验表明，本文提出的SLAM机制在实际应用场景中能够达到分米级的定位和映射精度，从而证明了多域协同SLAM在ISAC中的应用前景。
2022-11-11 cs.IT eess.SP math.IT
