Team Channel-SLAM: A Cooperative Mapping Approach to Vehicle Localization
车辆定位被认为是自动驾驶系统中的关键要素。虽然传统定位需要使用GPS和/或来自网络基础设施的信标信号进行三角测量，但它们对多路径和信号障碍敏感。然而，最近的提案，如SLAM-SLAM方法表明，原则上可以利用多路径来改善单个车辆的定位。在本文中，我们推导出一个合作的团队的团队与之前的工作不同，Team Escel-SLAM不仅利用接收器周围反射物体的静止特性，通过多路径信号来表征单个车辆的位置，还利用道路交通的多车辆方面来进一步改进定位。具体来说，Team Mackel-SLAM利用多个相邻车辆周围反射器之间的相关性来实现高精度的多车辆定位。我们的方法使用亲和传播聚类和合作粒子滤波。新的框架显示，给单车定位的情况有很大的改善。
2020-04-17 eess.SP
Optimal Localization with Sequential Pseudorange Measurements for Moving Users in a Time Division Broadcast Positioning System
在时分广播定位系统（TDBPS）中，用户设备（UD）通过从由多个同步基站（BS）广播的信号获得顺序的到达时间（TOA）或伪距测量来确定其位置。现有的定位方法使用顺序伪距测量和线性时钟漂移模型的TDPBS，即LSPM-D，不补偿由UD运动引起的位置位移，将导致位置误差。在本文中，根据UD速度的知识，我们开发了一套最佳的定位方法，针对不同的情况。首先，对于已知的UD速度，我们开发的最优定位方法，即LSPM-KVD，以补偿运动引起的位置误差。我们证明了当UD静止且速度为零时，LSPM-D是LSPM-KVD的特殊情况。其次，对于UD速度未知的情况下，我们开发了一种最大似然（ML）方法来联合估计UD的位置和速度，即LSPM UVD。第三，在已知UD速度先验分布信息的情况下，提出了一种最大后验概率（MAP）定位估计方法，即LSPM-PVD。我们推导出所有三个估计的Cramer-Rao下界（CRLB），并分析其定位误差性能。我们表明，LSPM-KVD的位置误差增加的假设已知的速度偏离真实值。正如预期的那样，当UD速度的先验知识有限时，LSPM-KVD具有最小的位置误差，而LSPM-PVD和LSPM-UVD更鲁棒。数值结果验证了理论分析的最优性和所提出的方法的定位精度。
2021-02-01 eess.SP
Road-Aware Localization With Salient Feature Matching in Heterogeneous Networks
针对异构网络中车辆定位的时延与精度权衡问题，提出一种基于显著特征匹配和两空间尺度映射的道路感知定位机制，实现低时延高精度定位。
2023-12-24 eess.SP
Efficient Rigid Body Localization based on Euclidean Distance Matrix Completion for AGV Positioning under Harsh Environment
在自动导引车（AGV）导航的实际应用中，基于锚点和标签之间飞行时间（TOF）测量的定位系统面临着无线电信号或激光等信号被遮挡而导致测量不足的问题。在AGV的不同位置安装多个标签以收集更多的TOF是解决这一难题的可行方案。利用多个标签和锚点之间的测量进行车辆定位是一个刚体定位（RBL）问题，它估计车辆的位置和姿态。然而，对RBL问题的最先进的解决方案不处理丢失的测量，并且因此将导致恶劣环境中的降低的定位可用性和准确性。在本文中，不同于这些现有的解决方案，RBL，我们将此问题建模为一个传感器网络定位问题与丢失的飞行时间。为了解决这个问题，我们提出了一个新的高效的RBL解决方案的基础上欧几里德距离矩阵（EDM）完成，简称为ERBL-EDMC。首先，我们开发了一种方法来确定丢失的测量值的上限和下限，以可靠地完成EDM，使用已知的标签之间的相对位置和TOF测量的统计数据。然后，基于已完成的EDM，从粗略估计获得全局标签位置，随后通过辅助标签间距离的细化步骤。最后，最佳的车辆位置和姿态迭代获得的基础上估计的标签位置从前一步。理论分析和仿真结果表明，所提出的ERBL-EDMC方法有效地解决了不完全测量的RBL问题。与现有的基于半定松弛的RBL方法相比，该方法在保持较低计算复杂度的同时获得了最优定位结果。
2022-11-23 eess.SP
Calibration-Free Induced Magnetic Field Indoor and Outdoor Positioning via Data-Driven Modeling
DFKI Kaiserslautern（德国萨尔布吕肯德语人工智能研究中心）
本文提出了一种无需校准的数据驱动诱导磁场定位方法，通过监督学习实现室内外高精度定位，展示了其在不同环境中的泛化能力和可扩展性。
2026-01-31 eess.SP
Failure Tolerant Phase-Only Indoor Positioning via Deep Learning
针对纯相位定位在天线故障场景下性能下降的问题，提出一种基于双曲线相交原理的深度学习定位方法，可在天线受损时实现鲁棒准确的定位，较现有方法大幅提升精度。
2025-08-20 eess.SP
Multi-scale Vehicle Localization In Heterogeneous Mobile Communication Networks
针对复杂道路环境中车辆定位计算复杂导致低延迟高精度需求难以满足的问题，提出异构网络下道路感知多尺度定位机制，通过奇点分割路段、提取显著特征并推导CRLB验证，结合位置关系匹配特征实现车辆定位，仿真显示其延迟更低、精度更高。
2024-12-01 eess.SP
Quality of Service Based Radar Resource Management for Navigation and Positioning
针对恶劣环境下GNSS不可靠、仅用IMU备份会导致积分误差剧增的问题，提出基于服务质量、考虑任务间依赖的雷达资源管理器，通过照射已知轨迹卫星增强自定位，实现自定位与其他任务需求的自适应权衡。
2023-06-12 eess.SP
A Tutorial on 5G Positioning
本文提供5G定位教程，梳理3GPP标准化演进与关键技术，并通过符合标准的室内外仿真评估Rel-16定位性能及系统限制。
2024-09-12 eess.SP
3D Localization with a Single Partially-Connected Receiving RIS: Positioning Error Analysis and Algorithmic Design
在本文中，我们介绍了部分连接的接收可重构智能表面（R-RISs）的概念，这是指设计的元表面，有效地感测电磁波冲击他们，并执行定位的用户发射他们。所提出的R-RIS硬件架构包括元原子的子阵列，其中每个元原子都包含一个波导，该波导被分配用于将到达其元原子的波形引导到接收射频（RF）链，从而实现信号/信道参数估计。我们特别关注的情况下，用户位于所有的R-RIS子阵列的远场，并提出了一个三维（3D）定位方法，该方法是基于窄带信令和到达角（AoA）估计的冲击信号在每个单接收RF R-RIS子阵列。对于AoA估计，它依赖于空间采样版本的接收信号通过每个子阵列的元原子的相位配置，我们设计了一个离网原子范数最小化的方法，其次是基于子空间的根多信号分类（MUSIC）。AoA估计最后通过最小二乘线相交方法组合，以获得用户发射同步定位导频的位置坐标。我们推导出的估计参数的理论Cramér Rao下限（CRLB），与我们的定位方法的广泛的计算机仿真结果进行比较，验证了所提出的R-RIS授权的3D定位系统的有效性，该系统被展示为提供厘米级的定位精度。我们的综合性能评估还表明各种系统参数对定位性能的影响，即训练开销和R-RIS与用户之间的距离，以及R-RIS的子阵列之间的间距及其分区模式。
2022-12-05 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
Reducing the Complexity of Fingerprinting-Based Positioning using Locality-Sensitive Hashing
基于信道状态信息（CSI）指纹识别的无线发射机的定位在室内以及室外场景中得到广泛使用。指纹定位首先建立一个数据库，其中包含具有测量位置信息的CSI。然后在该数据库中搜索最相似的CSI以近似无线发射机的位置。在本文中，我们研究了局部敏感哈希（LSH）的功效，以减少传统指纹定位系统所需的最近邻搜索（NNS）的复杂性。更具体地说，我们提出了一个低复杂度和内存效率的LSH函数的基础上的总和到一（STOne）变换和使用近似哈希匹配。我们评估了视线（LoS）和非LoS通道方法的准确性和复杂性（在搜索次数和存储要求方面），我们表明LSH能够实现低复杂度的指纹定位，其准确性与依赖于精确NNS或深度神经网络的方法相当。
2019-12-02 eess.SP
Simulation-based Evaluation of Indoor Positioning Systems in Connected Aircraft Cabins
针对互联飞机客舱中无线电定位系统的评估集成难题，提出结合射线追踪与经验残差仿真的混合仿真方法，可用于定位方法评估及数据驱动定位的数据验证，提升定位性能，相关数据集已公开。
2023-12-14 eess.SP
Impact of Frequency on Diffraction-Aided Wireless Positioning
该研究针对室内公共安全场景下非视距环境定位不准的问题，提出分离衍射多径分量的方法，结合室外无人机发射机与室内接收机构建定位系统，经多频段评估验证了衍射辅助定位在下一代无线网络中的可行性。
2025-09-04 eess.SP
Conical Localization via Modified Polar Representation: A Unified Framework for Robust 3-D Positioning with 1-D Sensor Arrays
本文针对一维线性阵列传感器网络的三维源定位，提出基于改进极坐标表示的统一框架，通过约束加权最小二乘估计器及半定松弛转化为SDP问题，解决远场性能下降的阈值效应，在近远场均达CRLB，优于现有方法。
2025-11-11 eess.SP
Adaptive Kalman Tracking for Indoor Visible Light Positioning
可见光通信（VLC）利用发光二极管（LED）来传输无线数据。VLC网络还可用于在全球定位系统（GPS）信号较弱的室内环境中定位移动用户。然而，移动VLC设备的视线（LOS）链路很容易被阻塞，这降低了定位的准确性。在本文中，我们研究跟踪VLC用户时，VLC接入点（AP）链路的可用性改变了用户的路由。我们提出了一个单一的可用AP的本地化方法，并使用已知的估计方法时，大量的AP可用。利用卡尔曼滤波器跟踪移动用户可以提高定位精度，但一般的卡尔曼滤波器没有考虑测量方法的瞬时变化。为了包括这些信息的位置估计，我们实现了自适应卡尔曼滤波器，通过修改滤波器参数的基础上，对用户的AP的可用性。仿真结果表明，该方法将定位的均方根误差（RMSE）降低到原始估计的30%-50%。
2019-09-27 eess.SP
Near-Field NLOS Localization via Position-Unknown HRIS:From Self-Localization to Target Positioning
Ningbo University（宁波大学）；South China University of Technology（华南理工大学）；Queen Mary University of London（伦敦玛丽女王大学）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）；Khalifa University（哈利法大学）；University of Missouri（密苏里大学）
本文提出一种两阶段无格定位框架，利用位置未知的混合RIS实现非视距近场目标定位，通过改进的算法提升定位精度。
2026-03-18 eess.SP
Descriptor: A Hybrid Indoor and Indoor-Outdoor Positioning Multi-Technology Dataset (HYMN)
Institute of Traffic Telematics, TUD Dresden University of Technology（德累斯顿工业大学交通遥测研究所）
HYMN数据集结合五种定位技术，涵盖室内外过渡场景，支持多传感器融合和无缝定位研究，克服单一技术限制。
2026-04-22 eess.SP
Position-Constrained Stochastic Inference for Cooperative Indoor Localization
我们解决的问题，在无线网络中的分布式合作定位，即节点没有事先的位置知识（代理）希望确定自己的位置。在非合作方法中，定位仅基于来自具有已知位置（锚）的参考节点的信息。然而，在合作定位中，来自其他代理的信息也被考虑。合作定位需要对智能体位置的不确定性进行编码。为了满足这一需求，我们采用随机推理本地化固有地考虑代理的位置不确定性。然而，随机推理在计算和信息交换方面以高成本为代价。为了放松对推理算法的要求，我们提出了位置约束随机推理的框架，在这个框架中，我们首先将节点的位置限制在可行集上。我们使用凸多边形对代理的可能位置施加约束。通过这样做，我们使推理算法能够集中在样本空间的重要区域，而不是整个样本空间。我们通过仿真表明，增加定位精度，降低计算复杂度，更快的收敛速度相比，可以实现一个国家的最先进的非约束推理算法。
2018-02-08 eess.SP
Parameterized TDOA: TDOA estimation for mobile target localization in a time-division broadcast positioning system
Tsinghua University（清华大学）
本文针对时分广播定位系统中移动目标无法获得并发TDOA测量的问题，提出参数化TDOA（P-TDOA）方法，通过多项式近似时变TDOA将估计问题转化为参数估计，从而在顺序测量条件下逼近并发场景的CRLB，并通过仿真验证其显著优于现有方法。
2025-11-09 eess.SP
Optimized Vehicular Antenna Placement for Phase-Coherent Positioning
针对车辆近场定位，研究相位相干子阵列的优化布置，发现最大化子阵列孔径并增加子阵列数量可提升覆盖均匀性，但相干处理需更高计算复杂度。
2025-03-28 eess.SP
JrCUP: Joint RIS Calibration and User Positioning for 6G Wireless Systems
本文研究带有主动RIS的联合RIS校准与用户定位问题，提出基于tensorESPRIT和二维搜索的两阶段方法，推导Cramer-Rao下界验证有效性，并证明主动RIS能显著提升定位性能。
2024-01-04 eess.SP
Phase-based Variant Maximum Likelihood Positioning for Passive UHF-RFID Tags
射频识别（RFID）技术为物联网带来了巨大的进步，特别是在供应链和智能库存管理方面。与基于信号强度的方法相比，基于相位的无源超高频RFID标签定位方法具有对传播环境和标签对象特性不敏感的特点，因此引起了人们极大的兴趣。本文提出了一种基于相位的最大似然标签定位估计方法。为了消除相位不确定性，通过三角变换重建似然函数。构造权重以减少意外干扰的影响并增强定位性能。实验结果表明，该算法实现了标签的细粒度定位，横向定位精度达到厘米级，纵向定位精度小于15厘米。
2020-03-10 eess.SP
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
Robust Vehicle Positioning based on Multi-Epoch and Multi-Antenna TOAs in Harsh Environments
对于应用于恶劣环境中的基于无线电的到达时间（TOA）定位系统，周围环境中的障碍物和车辆本身会阻挡来自锚点的信号，减少可用的TOA测量的数量，从而降低定位性能。传统的多天线定位技术需要良好的初始化以避免局部最小值，并且由于TOA测量的数量不足和/或单个历元处锚点的不良几何形状而遭受位置模糊。针对MEMA-TOA方法的初始化问题，提出了一种基于半定规划（SDP）的初始化方法MEMA-SDP。然后，一个迭代的细化步骤，以获得最佳的定位结果的基础上MEMA-SDP的初始化。我们推导了Cramer-Rao下界（CRLB），从理论上分析了新MEMA-TOA方法的定位精度，并证明了其优于传统单历元多天线（SEMA）定位方法的定位性能。恶劣环境下的仿真结果表明，新的MEMA-SDP方法提供了接近真实位置的初始估计，并经验性地保证了最终精确定位解的全局最优性;与传统的SEMA方法相比，新的MEMA-TOA方法具有更高的定位精度，且不存在位置模糊，与理论分析一致。
2022-07-17 eess.SP
5G Direct Position Estimation for Precise Localization in Dense Urban Area
本文提出将直接位置估计（DPE）应用于5G新无线电信号，以减轻非视距和多径效应，在密集城区实现精确定位；仿真显示在10 dB噪声下均方根误差小于6米，且比OTDoA方法精度提升95.24%。
2025-02-25 eess.SP
Network-Centric Anomaly Filtering and Spoofer localization for 5G-NR Localization in LAWNs
University of Huston（休斯顿大学）；Nanyang Technological University（南洋理工大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
针对低空城市环境下5G-NR无人机TDoA定位的合峰欺骗攻击漏洞，本文设计以网络为中心的异常检测框架搭配递归梯度下降鲁棒定位算法，可同时实现受害目标定位与欺骗源溯源，经仿真验证有效。
2025-11-14 eess.SP
High-Precision Positioning with Continuous Delay and Doppler Shift using AFT-MC Waveforms
本文针对定位与通信一体化场景，提出基于AFT-MC波形的MIMO系统，推导连续时延多普勒信道模型与低复杂度参数估计算法，验证其定位性能优于OFDM且可达CRLB。
2025-01-14 eess.SP
Vehicle Localization via Cooperative Channel Mapping
本文讨论了车辆定位，在未来的自动驾驶系统的背景下，其重要性急剧上升的主题。虽然经典的方法，使用GPS和/或信标信号从网络基础设施的三角测量往往是敏感的多路径和信号障碍，我们的方法表现出鲁棒性相对于这样的现象。我们的方法是建立在最近提出的多路径SLAM方法的基础上的，该方法首先能够利用多路径来改善（单个）车辆定位。在这里，我们提出了一个合作的映射方法，它建立在团队的Team Eschel-SLAM不仅利用了车辆周围许多反射物体的静止特性，还利用了道路交通的多车辆特性。我们的方法背后的关键直觉是第一次利用多个相邻车辆周围反射器之间的相关性。提出了一种反射面选择和估计算法，并结合团队粒子滤波（TPF）实现了多车同时高精度定位。我们在单车辆定位场景上获得了很大的改进，对于中等车辆密度，增益已经很明显，例如对于在132米长的道路中低至4辆车的车辆密度，改进超过40%。
2021-02-09 eess.SP
Fast Ray-Tracing-Based Precise Underwater Acoustic Localization without Prior Acknowledgment of Target Depth
针对目标深度未知的水下定位难题，提出迭代射线追踪三维定位方法，通过声速剖面简化实现快速分层补偿，平均精度提升约3米。
2023-10-12 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
Investigation of the Relationship Between Localization Accuracy and Sensor Array
磁定位方法已经得到了广泛的研究，它主要基于磁源产生的磁场的精确映射。在实验中，影响定位精度的因素很多。因此，本文试图通过不同的实验来研究定位精度与传感器阵列的关系。该系统采用小型磁铁作为磁源，基于磁偶极子模型建立磁定位系统的数学模型，对磁场进行估计。采用Levenberg-Marquardt算法构造磁定位目标函数进行对比实验。实验结果表明：当传感器均匀分布在磁体周围时，其定位精度高于其他布局的传感器阵列，平均定位误差为0.47mm，平均定向误差为0.92 °。
2022-01-07 cs.RO eess.SP
Train Localization During GNSS Outages: A Minimalist Approach Using Track Geometry And IMU Sensor Data
KTH Royal Institute of Technology（瑞典皇家理工学院）；Information Science and Engineering（信息科学与工程学院）
针对GNSS中断期间的列车定位挑战，提出一种利用IMU传感器和离散轨道地图（LUT）的极简粒子滤波方法，在30秒中断内实现低于10米的定位误差，可作为既有方案的冗余补充提升鲁棒性。
2024-06-04 cs.RO eess.SP
MudiNet: Task-guided Disentangled Representation Learning for 5G Indoor Multipath-assisted Positioning
针对5G室内多径辅助定位中漫反射多径难以区分的问题，提出任务引导解耦表示学习方法MudiNet，利用自注意力和潜变量模型从多时刻CIR中分离环境与位置特征，并通过位置标签引导提升定位精度和鲁棒性。
2025-06-04 eess.SP
5G-Aided RTK Positioning in GNSS-Deprived Environments
研究了基于实时动态（RTK）技术的5G全球导航卫星系统（GNSS）定位问题。具体地，基于混合测量来估计用户的位置，包括GNSS伪距、GNSS载波相位、5G偏离角和5G信道延迟。通过包括获得浮点解、模糊度解和求解固定解的步骤来解决潜在的估计问题。分析结果表明，5G观测的参与可以在卫星匮乏的环境下实现定位，包括只有2或3颗可见卫星的极端情况。此外，大量的仿真结果表明，在5G观测的帮助下，该算法可以显着降低用户位置的估计误差，提高载波相位模糊度解算的成功率。
2023-03-23 eess.SP
Location-Enabled IoT (LE-IoT): A Survey of Positioning Techniques, Error Sources, and Mitigation
物联网（IoT）已经开始为许多工业和大众市场应用的未来提供支持。本地化技术正在成为在没有人类感知和干预的情况下向物联网数据添加位置上下文的关键。与此同时，新兴的低功耗广域网（LPWAN）技术具有远距离、低功耗、低成本、大规模连接以及室内和室外区域通信能力等优点。这些功能使LPWAN信号成为大众市场本地化应用的强有力候选者。然而，存在通过使用这样的IoT信号而具有有限的定位性能的各种误差源。本文按照以下顺序对物联网定位系统进行综述：物联网定位系统综述--定位数据源--定位算法--定位误差来源及缓解--定位性能评估。与相关调查相比，本文对物联网本地化方法进行了更全面、更先进的综述，对物联网本地化误差来源和缓解措施进行了原创性综述，对物联网本地化性能评估进行了原创性综述，对物联网本地化应用、机遇和挑战进行了更全面的综述。因此，这项调查为有兴趣在现有物联网系统中实现定位能力、使用物联网系统进行定位或将物联网信号与现有定位传感器集成的同行提供了全面的指导。
2020-04-07 cs.NI eess.SP
OWP-IMU: An RSS-based Optical Wireless and IMU Indoor Positioning Dataset
针对基于RSS的光学无线定位系统缺乏开源数据集的问题，本文构建了包含多环境、多速度、多传感器数据的OWP-IMU数据集，并验证了融合IMU数据可提升定位精度。
2025-05-22 eess.SP
Ultra-Fast Device-Free Visible Light Sensing and Localization via Reflection-Based ΔRSS and Deep Learning
本文提出了一种基于反射的ΔRSS和深度学习的超快无设备可见光传感与定位系统，通过光学信号反射建模实现非侵入式的人体存在和位置推断。
2026-02-03 eess.SP
Joint UE positioning and distributed sensing in the upper mid-band exploiting virtual apertures
University of California San Diego（加州大学圣迭戈分校）
针对FR3频段DISAC系统，提出含多径估计、杂波去除、聚类关联及WLS联合估计的UE侧处理链路，实现厘米级UE与目标联合定位。
2025-09-29 eess.SP
RSS-based Cooperative Localization and Orientation Estimation Exploiting Directive Antenna Patterns
在本文中，我们提出了一种基于因子图的合作定位算法，使用RSS无线电测量和帐户的天线的方向性。这是通过用参数天线图案对方向性进行建模并联合估计代理的位置和方向来实现的。我们提出了两种不同的方法，而第一个使用连续表示的取向状态和第二个离散表示。我们验证了我们提出的方法与模拟和测量在一个静态的传感器网络与900多个代理在室内环境中，并表明，定位精度可以显着提高考虑方向的影响。
2021-03-24 eess.SP
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
Joint Pilot and Unknown Data-based Localization for OFDM Opportunistic Radar Systems
ICTEAM, UCLouvain（UCLouvain ICTEAM）
本文提出一种新方法，通过提取数据载荷中的定位信息进行定位，无需解码数据，利用快速傅里叶变换实现高效估计，通过仿真验证优于现有方法。
2026-04-30 eess.SP
Blind Transmitter Localization Using Deep Learning: A Scalability Study
本文研究基于深度学习的盲发射机定位系统在多发射机定位问题中的可扩展性，仅利用接收信号强度估计非合作发射机坐标，并通过与两种方案对比验证其低复杂度、高精度与可靠定位的优势。
2023-06-06 eess.SP
Zero Access Points 3D Cooperative Positioning via RIS and Sidelink Communications
本文提出利用RIS作为锚点，结合侧行链路通信，在无接入点场景下实现多用户3D协作定位，并验证了亚米级精度。
2023-05-15 eess.SP
Ubiquitous smartphone based localization with door crossing detection
使用智能手机的用户的定位代表了各种领域的有趣服务。用户的位置可以代表各种服务提供商的有价值的信息。在工业4.0中，智能手机或平板电脑等智能设备可以帮助用户在紧急情况下更快地做出反应。它可以帮助减少服务人员的反应时间，提高用户在环境中的定位，或将工作委派给最近的员工。在以前的工作中，我们已经描述了模块化定位系统，能够自动选择最佳定位模块的基础上可用的无线电信号。在本文中，我们将专注于估计环境之间的交叉，例如室内和室外。该算法是实现无缝定位的关键。因为这两种环境不仅对定位解决方案有特定的要求，而且对地图和导航算法也有特定的要求。所提出的算法不需要部署新的基础设施，并且可以在广泛可用的智能手机上使用。该算法在真实条件下由不同的用户进行测试，并使用各种智能手机设备来证明其在各种条件下的性能。
2022-09-22 cs.HC eess.SP
CMANet: Channel-Masked Attention Network for Cooperative Multi-Base-Station 3D Positioning
Zhejiang University（浙江大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）；Hangzhou City University（杭州城市学院）；Nanjing University（南京大学）
CMANet通过通道掩码注意力机制和轻量级LSTM解码器实现多基站协作的高精度3D定位，实验显示其在城市环境中具有优于现有方法的定位精度。
2026-01-31 eess.SP
UAV-Aided Progressive Interference Source Localization Based on Improved Trust Region Optimization
针对复杂环境下信赖域优化RSSI定位易陷入局部最优的问题，提出一种结合LM算法与PSO的无人机辅助渐进式干扰源定位方法，并引入基于信道模型的置信度量化动态调整数据权重，显著提升了定位成功率与精度。
2025-04-27 eess.SP
NTN-based 6G Localization: Vision, Role of LEOs, and Open Problems
本文探讨了基于NTN的6G定位技术，分析了LEO的适用性，提出多LEO与GNSS增强系统，并通过CRLB仿真验证了其在GNSS信号受限场景下的定位潜力与3GPP标准化挑战。
2023-09-07 cs.IT eess.SP math.IT
Fundamental Limits of Localization with Fluid Antenna Systems: A Fisher Information Analysis
University College London（伦敦大学学院）；Kyung Hee University（庆熙大学）；Kuang-Chi Science Limited（光启科学有限公司）
本文提出基于信息论的流体天线系统定位分析框架，通过统一模型和优化策略提升定位精度，为未来无线网络提供理论支持与设计指导。
2025-12-15 eess.SP
A semidefinite programming approach for robust elliptic localization
本文针对带异常值的椭圆定位问题，提出基于最坏情况鲁棒逼近和切比雪夫中心的半定规划方法，仿真表明其在高斯混合噪声下定位精度优于现有方案。
2024-08-31 eess.SP
Enhancing RSS-Based Visible Light Positioning by Optimal Calibrating the LED Tilt and Gain
本文提出一种最优校准 LED 倾角和增益的方案及加权最小二乘定位算法，显著提升了基于 RSS 的可见光定位精度，优于高斯过程与多边定位，并验证了其有效性与低复杂度。
2024-11-18 eess.SP
Cooperative Localization Utilizing Reinforcement Learning for 5G Networks
University of Helsinki（赫尔辛基大学）
近年来，对精确定位的需求有所上升，以使自动驾驶汽车的出现成为可能。为了让这些车辆进入智慧城市的交通生态系统，需要一个精确的定位系统。为了实现精确定位，协同定位起着重要作用。这种类型的定位计算车辆之间的距离测量，并通过使用另一个更准确的值来校正其中一个的可能错误的值来提高位置的准确性。具有毫米波（mmWave）技术的5G信号支持精确的距离测量，5G网络提供设备到设备（D2D）通信，这改善了协作定位。本文的目的是为自动驾驶车辆提供精确的协作定位，利用强化学习技术为5G信号选择最准确和最合适的测距技术，不易出错。
2021-08-19 cs.AI cs.LG 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
Quality-Aware Denoising of Ultra-Short TDoA Measurements for 5G-NR UAV Localization
RPTU University Kaiserslautern-Landau（凯泽斯劳滕-兰道技术大学）；KTH Royal Institute of Technology（皇家理工学院）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
本文提出AGES算法，通过结合指数加权平均与3GPP测量质量报告，有效降低定位误差，仅需3-5次重复测量即可实现亚米精度，保持5G-NR基础设施兼容性。
2026-04-09 cs.NI eess.SP
