Statistical learning for sensor localization in wireless networks
Institut Charles Delaunay（查尔斯·德洛奈研究所）；Université de Technologie de Troyes（特鲁瓦技术大学）；Université de Rouen（鲁昂大学）
室内定位已成为无线传感器网络的一个重要问题。本文提出了一种基于分区的定位技术，该技术使用WiFi信号并在室内环境中有效工作。目标区域由多个区域组成，目标是使用基于统计学习的观察模型来确定传感器的区域。
2020-05-11 cs.LG eess.SP stat.ML
Sparse Sensor Arrays for Active Sensing: Models, Configurations and Applications
Aalto University（阿尔托大学）
本文研究稀疏传感器阵列在主动感知中的模型、配置及应用，探讨了低冗余阵列设计与发射-接收波束成形方法，以及其在雷达、声纳等领域的应用。
2026-01-21 eess.SP
Improving BLE Based Localization Accuracy Using Proximity Sensors
本文提出一种结合BLE与激光接近传感器的混合定位系统，并通过新颖简单的融合算法提高室内定位精度，实验验证了该方案的有效性。
2024-03-22 eess.SP
Performance evaluation of non-uniform sensor spacing in a linear array configuration for MUSIC algorithm
本文评估MUSIC算法中非均匀传感器间距的性能，发现相同阵列长度下，较少传感器的非均匀配置在DOA估计精度上可媲美或优于更多传感器的均匀配置。
2025-01-25 eess.SP
Near-Field Wideband Localization using TTD-Based Terahertz Extremely Large-Scale Arrays
East China Jiaotong University（华东交通大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）；National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；National Research Council of Italy, IEIIT（意大利国家研究委员会电气信息技术研究所）；University of Bologna（博洛尼亚大学）；Weizmann Institute of Science（魏茨曼科学研究所）
本文提出基于球面波前曲率的直接定位方法，结合TTD超大规模阵列提升近场宽带定位性能，通过优化Fisher信息矩阵迹降低误差界，验证了该方法在多源定位中的有效性。
2026-03-17 eess.SP
Direct Localization of Multiple Sources by Partly Calibrated Arrays
我们提出了新的解决方案，直接定位多个窄带和任意相关的来源的问题，部分校准阵列，即，阵列由完全校准的子阵列组成，但缺乏阵列间校准。所提出的解决方案在性能和计算复杂度方面各不相同。我们首先提出了一个宽松的最大似然解决方案，其集中的可能性只涉及未知位置的来源，并要求在每个潜在的位置的阵列协方差矩阵的特征分解。为了减少计算量，我们引入了一个近似，消除了需要这样的特征分解在每个潜在的位置。为了进一步减少计算量，提出了新的MUSIC类和MVDR类解决方案，其在计算上比现有解决方案简单得多。这些解决方案的性能进行评估和比较，通过模拟。
2018-07-26 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
Sensor array and camera fusion via unbalanced optimal transport for 3D source localization
Université Paris-Saclay, CNRS, CentraleSupélec（巴黎萨克雷大学，法国国家科学研究中心，中央理工-电院）
本文提出结合传感器阵列与相机观测的3D源定位方法，通过引入不平衡最优传输正则化项实现传感器响应与视觉先验的软对齐，提升定位精度。
2026-03-31 eess.SP
Improving D-Optimal Sensor Placement for Bearing-Only Localization via Maximum-Entropy Reweighting
Department of Aerospace Engineering Texas A\&M University College Station, TX, USA
本文提出一种双层架构改进仅凭声纳的D-最优设计，通过最大熵重加权和Fisher信息矩阵优化，提升定位精度，实验显示在噪声水平下重加权有效降低定位误差。
2026-05-11 eess.SP
Optimal Sensor Placement for TDOA-Based Source Localization with Sensor Location Errors
针对含传感器位置误差的 TDOA 定位，本文以最小化 CRB 的迹为准则证明 OSP-SLN 等价于无噪声情形，并通过仿真验证其有效性与性能影响。
2024-10-28 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
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
Battery-Free Sensor Array for Wireless Multi-Depth In-Situ Sensing
本文提出一种基于NFC虚拟磁波导的无电池多深度原位传感器阵列，通过解析模型优化设计并以现成NFC传感器原型验证其长距离无线地下传感能力。
2024-01-21 eess.SP
Migrating Monarch Butterfly Localization Using Multi-Sensor Fusion Neural Networks
University of Michigan（密歇根大学）；University of Pittsburgh（匹兹堡大学）
由于缺乏适当的定位技术来准确定位和跟踪蝴蝶的迁徙，帝王蝶从美国到墨西哥的迁徙细节仍然是一个谜。在本文中，我们提出了一种基于深度学习的蝴蝶定位算法，该算法可以通过分析从连接到蝴蝶的超低功耗mm级传感器连续获得的光和温度传感器数据日志来估计蝴蝶的日常位置。为了训练和测试所提出的基于神经网络的多传感器融合定位算法，我们收集了超过1500天的真实世界的传感器测量数据与82名志愿者在美国各地。所提出的算法表现出的平均绝对误差<1.5度的纬度和<0.5度的经度地球坐标，满足我们的目标的帝王蝶迁移研究。
2019-12-14 cs.LG eess.SP
A Minimum Assumption Approach to MEG Sensor Array Design
本研究将MEG传感器阵列设计构建为精准测量神经元磁场的工程问题，基于VSH提出量化噪声放大的品质因数，可用于优化算法得到高性能阵列，为MEG阵列设计提供了新的工程化思路。
2023-06-15 eess.SP physics.med-ph
A Systematic Framework to Identify Hidden Vulnerabilities in Three-Fold Redundant Sparse Arrays Under Dual Sensor Failures
School of Electronics Engineering, Vellore Institute of Technology（维洛尔理工学院电子工程学院）
本文提出系统框架评估三重冗余稀疏线性阵列对两个传感器故障的鲁棒性，发现现有阵列存在隐藏脆弱性，并提供MATLAB程序供社区使用。
2026-09-29 eess.SP
Bearing-only Tracking using Towed Sensor-Array with Non-Gaussian Measurement Noise Statistics
针对拖曳阵列位置未知和非高斯测量噪声导致纯方位跟踪不可靠的问题，本文提出基于集中质量法的拖曳电缆传感器阵列三维动力学模型，并结合最大相关熵卡尔曼滤波器实现鲁棒目标状态估计。
2025-09-20 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
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
A Visual Cooperative Localization Method for Airborne Magnetic Surveying Based on a Manifold Sensor Fusion Algorithm Using Lie Groups
Shenyang Aerospace University（沈阳航空航天大学）；International Digital Economy Academy（国际数字经济学院）；Beijing Jiaotong University（北京交通大学）
针对GNSS拒止环境下机载磁测中传感器隔离导致的定位难题，提出结合视觉处理模块和改进流形传感器融合算法的视觉协同定位方法，经真实飞行实验验证实现厘米级单轴和分米级3D定位精度。
2024-10-10 cs.RO cs.SY eess.SP
Theoretical Concept Study of Cooperative Abnormality Detection and Localization in Fluidic-Medium Molecular Communication
在本文中，我们提出了一个理论框架，合作异常检测和定位系统，利用分子通信设置。该系统由流体介质中的移动传感器组成，这些传感器被注入介质中以搜索环境中的异常。一些融合中心（FC）被放置在介质中的特定位置，其吸收到达其位置的所有传感器，并且通过观察其状态，每个FC决定异常的存在和/或其位置。为了减少传感器缺陷的影响，我们提出了一种方案，其中传感器释放一些分子（即，在它们感知到异常之后，将标记物）放入介质中。如果目标是异常检测，则释放的分子用于协同激活其他传感器。如果目标是异常定位，则释放的分子被FC用于确定位置。在我们的模型中，传感器的缺陷和标记的背景噪声都考虑在内。对于检测阶段，我们考虑两种传感器类型的基础上，他们的激活策略的标记。为了使分析易于处理，我们假设一些理想的假设传感器的模型。我们研究了相关的二元假设检验问题，并得到了虚警概率和误检概率。结果表明，使用传感器的能力，相互合作激活可以显着提高检测性能的错误概率。对于本地化阶段，我们考虑两种类型的FC的基础上读取传感器的存储水平的能力。我们研究了它们的性能，并获得了最佳和次优的决策方案，以及完美和不完美的传感制度的定位错误的概率。
2021-05-16 eess.SP
FlexLoc: Conditional Neural Networks for Zero-Shot Sensor Perspective Invariance in Object Localization with Distributed Multimodal Sensors
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；US DEVCOM Army Research Laboratory（美国DEVCOM陆军研究实验室）；Amazon（亚马逊）
本文提出 FlexLoc，通过条件神经网络在运行时依据传感器节点位姿生成部分模型权重，使分布式多模态定位系统无需校准即可泛化到新视角，精度较基线提升近 50%。
2024-06-10 cs.AI cs.CV cs.LG
Array Zooming Optimization for Near-Field Localization With Movable Antennas
针对近场定位中稀疏阵列的分辨率-模糊度矛盾，提出可移动天线阵列缩放系统，通过多测量融合和假峰抑制优化定位精度。
2026-05-29 eess.SP
Performance Analysis of Communication Signals for Localization in Underwater Sensor Networks
Linköping University（林雪平大学）；KTH Royal Institute of Technology（皇家理工学院）
本文研究了水下传感器网络中通信信号用于定位的可行性，通过评估超排列频移键控和多频移键控信号性能，展示了通信信号在双站声纳配置中的应用潜力。
2025-07-29 eess.SP
Single-Snapshot Localization Using Sparse Extremely Large Aperture Arrays
本文针对汽车雷达中稀疏超大孔径阵列的单快照DOA估计与定位问题，提出非相干的SS-MUSIC和相干的SS-ESPRIT两种方法，分别实现鲁棒的近场定位和高分辨率的远场角度估计。
2025-09-22 eess.SP
Atomic Norm Based Localization of Far-Field and Near-Field Signals with Generalized Symmetric Arrays
针对远场和近场混合源的定位方法大多基于均匀线阵，而不是稀疏线阵。本文提出了一种基于广义对称线阵的FF和NF混合源定位方法，其中包括ULA、Cantor阵列、Fractal阵列和许多其他SLA。我们的方法包括两个步骤。在第一步中，利用阵列输出的高阶统计量来增加自由度。然后利用最近提出的原子范数最小化（ANM）方法对FF和NF源的波达方向（DOA）进行联合估计，该方法不需要对参数空间进行离散化，属于无网格超分辨方法。在第二步中，通过类MUSIC一维搜索给出范围。仿真结果证明了该方法的优越性。
2021-01-14 cs.IT eess.SP math.IT
Recovery of Localization Errors in Sensor Networks using Inter-Agent Measurements
针对传感器网络中因故障、攻击等导致的定位误差问题，提出无需已知锚点身份、基于欠定方程组块稀疏解的误差识别校正方法，推导了相应充要条件并通过SCP算法数值验证了有效性。
2023-07-22 cs.SY eess.SP eess.SY
RSSI-based Secure Localization in the Presence of Malicious Nodes in Sensor Networks
传感器网络中传感器节点确定其位置的能力在许多应用中是重要的。基于位置的服务的基础设施很容易成为恶意攻击的目标。我们解决恶意节点试图以不协调或协调的方式破坏目标节点的本地化过程的情况。我们提出了四种安全本地化技术：加权最小二乘（WLS），安全加权最小二乘（SWLS），和$\ell_1$规范为基础的技术LN-1和LN-1 E，在一个网络中，包括一个或多个受损的锚节点。WLS和SWLS技术被证明提供了显着的优势，现有的技术，通过分配更大的权重，更接近目标节点的锚节点，并通过检测恶意节点，并消除他们的测量从本地化过程。在协同攻击中，定位问题可以被视为平面拟合问题，其中来自非恶意和恶意锚节点的测量位于两个不同的平面上。LN-1 E技术估计这两个平面并防止定位过程的中断。的Cramer-Rao下界（CRLB）的位置估计也来自。所提出的技术，以提供更好的定位精度比现有的算法。
2019-12-13 cs.CR eess.SP
WiCAL: Accurate Wi-Fi-Based 3D Localization Enabled by Collaborative Antenna Arrays
WiCAL利用商业Wi-Fi基础设施上的协作天线阵列，通过相位对齐和双向空间平滑MUSIC算法实现精确三维定位，并借助分布式阵列同步形成虚拟大规模阵列提升精度。
2025-05-27 cs.SY eess.SP eess.SY
UBiGTLoc: A Unified BiLSTM-Graph Transformer Localization Framework for IoT Sensor Networks
Department of Computer Science, The University of Vermont（计算机科学系，佛蒙特大学）；Department of Computer Science and Engineering, American University of Sharjah（计算机科学与工程系，阿曼大学沙迦分校）；Department of Electrical Engineering, The University of Vermont（电气工程系，佛蒙特大学）；Department of Mechanical Engineering, The University of Vermont（机械工程系，佛蒙特大学）
UBiGTLoc通过结合双向LSTM和图变换技术，实现了在无锚点和有锚点的物联网传感器网络中高效且鲁棒的传感器节点定位。
2026-01-11 cs.LG cs.NI eess.SP
Dynamics of a Towed Cable with Sensor-Array for Underwater Target Motion Analysis
针对本舰机动时拖曳传感器阵列相对位置未知的问题，本文采用集中质量法建立电缆—阵列刚体动力学模型并联立求解节点姿态，以提升 TMA 跟踪精度。
2024-05-09 cs.SY eess.SP eess.SY
Low-Complexity Near-Field Localization with XL-MIMO Sectored Uniform Circular Arrays
本文针对XL-MIMO近场定位问题，提出一种基于扇形均匀圆阵列（sUCA）的低复杂度定位算法，通过极坐标反投影、分辨率分析和FFT实现，在保证高定位精度的同时大幅降低计算时间。
2024-05-02 cs.IT eess.SP math.IT
RSSI-Based Machine Learning with Pre- and Post-Processing for Cell-Localization in IWSNs
工业无线传感器网络对现代制造业至关重要。如果这些网络中的传感器是移动的，则除了传感器数据本身之外，位置信息也可以具有高度相关性。例如，该位置信息可以通过确保传感器不被物理地移除、偏离轨道或以其他方式受损来增加无线传感器测量的可信度。在某些应用中，无论传感器是在房间或单元的内部还是外部，单元级的定位信息都是足够的。为此，使用接收信号强度指示符（RSSI）测量的定位是非常流行的，因为RSSI值在几乎所有现有技术中都是可用的，并且不需要与移动传感器节点及其在网络中的通信的直接交互。对于这种情况下，我们提出的方法来提高常见的机器学习分类器的鲁棒性和准确性，通过使用基于短期矩的特征和使用隐马尔可夫模型的第二分类阶段。从一个广泛的测量活动的数据，我们表明我们的方法的适用性，并实现了93.5%的细胞级定位精度。
2021-04-30 cs.IT eess.SP math.IT
A Leap-on-Success Exhaustive Search Method to Find Optimal Robust Minimum Redundancy Arrays (RMRAs): New Array Configurations for Sensor Counts 11 to 20
本文提出了一种Leap-on-Success穷举搜索算法，成功发现了11至15个传感器规模的最优鲁棒最小冗余阵列（RMRAs）配置及16至20的近最优配置，有效解决了该NP-hard问题并提升了阵列在单传感器故障下的鲁棒性。
2025-07-14 cs.SY eess.SP eess.SY
Sparse Array Selection Across Arbitrary Sensor Geometries with Deep Transfer Learning
Duzce University（杜兹切大学）；The University of Iowa（爱荷华大学）
稀疏传感器阵列选择出现在许多工程应用中，其中必须从有限数量的阵列元素获得最大的空间分辨率。最近的研究表明，通过用深度学习网络代替传统的优化和贪婪搜索方法，可以降低阵列选择的计算复杂度。然而，在实践中，足够的和良好校准的标记训练数据是不可用的，更是如此，对于任意阵列配置。为了解决这个问题，我们采用了深度迁移学习（TL）方法，其中，我们利用校准数据容易获得的源传感器阵列的数据来训练深度卷积神经网络（CNN），并将该预先训练的CNN重新用于不同的、数据不足的目标阵列几何形状以执行稀疏阵列选择。均匀矩形和圆形阵列的数值实验表明，TL-CNN在目标模型上的性能比用来自相同模型的不足数据训练的CNN增强。特别是，我们的TL框架提供了约20%的传感器选择精度和10%的改进方向的到达估计误差。
2020-06-02 cs.IT cs.LG eess.SP
Nonasymptotic Performance Analysis of Direct-Augmentation and Spatial-Smoothing ESPRIT for Localization of More Sources Than Sensors Using Sparse Arrays
方向增强（DA）和空间平滑（SS），其次是子空间方法，如ESPRIT或MUSIC，是两个简单而成功的方法，使定位更多的不相关的源比传感器与适当的稀疏阵列。在本文中，我们进行了非渐近性能分析DA-ESPRIT和SS-ESPRIT在实际有限快照制度。我们表明，他们的绝对定位误差是有界的$C_1\frac{\max\{σ^2, C_2\}}{\sqrt{L}}$从上面以压倒性的概率，其中$L$是快照数，$σ^2$是高斯噪声功率，和$C_1,C_2$是常数独立于$L$和$σ^2$，当且仅当他们可以做精确的源定位与无限多个快照。我们还表明，它们的分辨率随着快照数量的增加而增加，而没有实质性的限制。数值结果证实了我们的分析。
2023-02-22 cs.IT eess.SP math.IT
Communication and Localization with Extremely Large Lens Antenna Array
实现具有精确定位和无线环境感知的高速率通信已经成为第五代和第六代以后蜂窝系统的重要趋势。将天线阵列扩展到极大规模是实现这些目标的潜在技术。然而，超大质量的工作天线显著地增加了系统的计算复杂性。出于透镜天线阵列在降低系统复杂性方面的固有优势，我们考虑了\uline{ex}超大型\uline{lens}天线阵列（我们称之为“ExLens”）的通信和定位问题。由于在这种情况下出现了辐射近场特性，本文推导了球面波作用下透镜天线阵的闭合阵列响应，其中包括作为特殊情况的均匀平面波作用下的阵列响应。我们的推导结果揭示了ExLens的能量聚焦特性的窗口效应，这表明ExLens在位置传感和多用户通信方面具有巨大的潜力。我们还提出了一种有效的方法，定位和信道参数估计，这是能够实现的定位性能接近Cramér-Rao下界。最后，我们研究了ExLens的多用户通信性能，该性能为共存的近场和远场用户提供服务。数值结果证明了所提出的信道估计方法的有效性，并表明与均匀线阵相比，具有最小均方误差接收器的ExLens实现了显着的频谱效率增益以及复杂度和成本降低。
2020-12-21 cs.IT eess.SP math.IT
