Geo-Spatio-Temporal Information Based 3D Cooperative Positioning in LOS/NLOS Mixed Environments
提出GSTICP算法，通过因子图、NLOS识别、缩放无迹变换和增强锚点升级机制，在LOS/NLOS混合环境中实现高精度三维协作定位，计算复杂度低于现有BP定位器。
2022-09-02 eess.SP
Backscatter Assisted Indoor NLOS Positioning
Aalto University（阿尔托大学）
利用被动反向散射设备作为虚拟锚点，通过非相干功率域建模和走廊约束最大后验跟踪器，实现亚米级室内非视距连续定位。
2026-06-17 eess.SP
First path component power based NLOS mitigation in UWB positioning system
本文提出一种UWB定位系统中基于第一路径分量功率的NLOS抑制方法，将传播条件分为LOS、NLOS和严重NLOS三类，通过校正NLOS测量偏差并降低其权重，结合EKF算法提升标签定位精度。
2024-03-22 cs.LG eess.SP
Database Assisted Nonlinear Least Squares Algorithm for Visible Light Positioning in NLOS Environments
提出了一种考虑非视距传播影响的可见光系统室内定位算法。所提出的算法，命名为数据库辅助非线性最小二乘（DA-NLS），利用从经典的NLS算法和指纹算法的思想，以实现准确和鲁棒的定位性能在NLOS环境中。特别地，使用数据库来学习NLOS效应，然后采用NLS算法来估计位置。该算法的性能与指纹和NLS算法进行了比较。
2021-05-09 cs.IT eess.SP math.IT
Anomaly Detection Based on Generalized Gaussian Distribution approach for Ultra-Wideband (UWB) Indoor Positioning System
University of Huddersfield（哈德斯菲尔德大学）
随着物联网（IoT）的快速发展，室内定位系统（IPS）引起了学术界的极大兴趣。超宽带（UWB）是一种新兴技术，可用于IPS，因为它提供厘米级的精度。然而，UWB系统在实际应用中仍然面临着一些技术挑战，其中之一是非视距（NLoS）信号传播。几种机器学习方法已被应用于NLoS组件识别。然而，当数据包含非常少量的NLoS组件时，现有算法很难对它们进行分类。本文重点采用基于高斯分布（GD）和广义高斯分布（GGD）算法的异常检测方法来检测和识别NLoS组件。仿真结果表明，该方法能有效地识别出非视距信号，提高了非视距信号的分类精度，从而显著改善了UWB定位系统的性能。
2021-08-09 cs.AI 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
Feature-Based Generalized Gaussian Distribution Method for NLoS Detection in Ultra-Wideband (UWB) Indoor Positioning System
University of Huddersfield（哈德斯菲尔德大学）；Ghent University - imec（根特大学-imec微电子研究中心）
针对UWB室内定位中NLoS样本稀少导致的类别不平衡检测难题，提出基于特征的GD与GGD检测算法，在不平衡数据上达到98.0%精度并优于多种主流ML方法，且对不同信号比例具有鲁棒性。
2023-04-14 cs.LG eess.SP
Novel Fine-Tuned Attribute Weighted Naïve Bayes NLoS Classifier for UWB Positioning
University of Huddersfield（哈德斯菲尔德大学）；University of Oklahoma（俄克拉荷马大学）
针对室内UWB定位的LoS/NLoS识别问题，提出为特征加权并微调概率的FT-WNB分类器，在平衡与不平衡数据上分别达到99.8%和99.7%的NLoS准确率。
2023-04-14 cs.LG eess.SP
Exclusion of GNSS NLOS Receptions Caused by Dynamic Objects in Heavy Traffic Urban Scenarios Using Real-Time 3D Point Cloud: An Approach without 3D Maps
The Hong Kong Polytechnic University（香港理工大学）
绝对定位是自动驾驶到来的一个必不可少的因素。全球导航卫星系统（GNSS）接收机为卫星提供绝对定位，在开阔地区和郊区可以提供满意的定位，但在城市化地区，由于多径效应和非视距接收等现象，GNSS的定位性能受到影响。这些影响主导了该地区的全球导航卫星系统定位性能。最近提出的3D地图辅助（3DMA）GNSS可以减轻大多数的多径效应和NLOS接收所造成的建筑物的基础上的3D城市模型。然而，在城市区域中由移动对象引起的相同现象目前在3D地理信息系统（GIS）中没有被建模。高度较高的移动物体，如双层巴士，也会因物体表面对GNSS信号的阻挡而造成NLOS接收。因此，我们提出了一种新的方法，以排除双层巴士在高度城市化地区，香港所造成的NLOS接待。为了估计双层客车的几何尺寸和相对于GPS接收机的方位，采用欧氏聚类算法和分类方法对双层客车进行检测并计算其相对位置。为了提高非视线遮挡排除方法的精度和可靠性，提出了一种综合考虑仰角、信噪比和水平精度因子的非视线遮挡排除准则。最后，利用排除非视距后剩余的卫星，采用加权最小二乘法（WLS）进行GNSS定位估计。在香港某双层公交车站附近进行了静态实验，验证了该方法的有效性。
2018-04-29 cs.RO eess.SP
A Novel Environment Object Modeling Method for Vehicular ISAC Scenarios
针对城市车载ISAC定位中NLOS反射实验验证不足的问题，通过城市街道信道测量分析大型环境物体的反射贡献，并提出扩展GBSM的EO反射模型。
2025-03-15 eess.SP
3D Positioning using a New Diffraction Path Model
针对室内应急场景三维定位精度不足、依赖固定基础设施及NLOS测量偏差等问题，研究利用可快速部署的UAV无线网络移动性，基于GTD提出新型窗沿绕射NLOS路径长度模型及两种定位提升技术。
2024-05-09 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
Enhancing Urban GNSS Positioning Reliability via Conservative Satellite Selection Using Unanimous Voting Across Multiple Machine Learning Classifiers
针对城市GNSS定位受遮挡和多径影响的问题，本文提出一种基于RF、GBDT和SVM一致投票的保守卫星选择策略来增强ZSM定位，实验证明该方法能显著提高定位成功率和接收机包含率，从而提升整体定位可靠性。
2025-07-17 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
Semi-Passive 3D Positioning of Multiple RIS-Enabled Users
可重构智能表面（RISs）是第六代无线通信系统中的一项革命性技术。在这项工作中，我们研究了RIS在多用户被动定位场景中的应用，其中我们有一个发射机（Tx）和多个异步接收机（Rx）与已知的位置。我们的目标是估计多个用户配备RIS的位置。RIS仅将信号从Tx反射到Rx，本身不用作有源收发器。每个Rx接收来自Tx（LOS路径）的信号和来自RIS（NLOS路径）的反射信号。我们表明，用户的3D位置可以估计亚米精度在发射机周围的大面积，使用的LOS和NLOS到达时间测量在Rx。我们这样做，通过开发的信号模型，推导出的Cramer-Rao界限，并设计一个估计，达到这些界限。此外，通过正交化的RIS相位分布在不同的用户，我们规避路径间的干扰。
2021-04-25 eess.SP
Maximum correntropy criterion for robust TOA-based localization in NLOS environments
研究了在非视距传播条件下基于到达时间（TOA）的定位问题。为了使基于平方范围的位置估计器鲁棒化，我们遵循最大相关熵准则，本质上是Welsch $M$ -估计器，其具有像$\ell_0$ -最小化朝向严重偏差测量的重降影响函数，以导出公式。半二次技术，然后应用到解决所产生的优化问题的交替最大化（AM）的方式。通过构造，每个AM迭代的主要计算挑战归结为处理一个容易求解的广义信赖域子问题。值得注意的是，我们的定位方法的实现只需要基于TOA的距离测量和传感器位置作为先验信息。仿真和实验结果表明，所提出的方案优于几个国家的最先进的方法在定位精度方面的能力，特别是在NLOS路径的百分比是不够大的情况下。
2021-09-10 eess.SP
Statistical LOS/NLOS Classification for UWB Channels
针对UWB多径导致的定位误差，本文利用CIR统计特征及其联合PDF，并结合似然比与假设检验实现LOS/NLOS信道分类。
2023-08-15 eess.SP
Towards Reliable UAV-Enabled Positioning in Mountainous Environments: System Design and Preliminary Results
可靠的定位服务对于山区环境中的用户和设备至关重要，因为它可以实现各种基于位置的应用。然而，在这样的环境中，传统的无线定位技术的服务可靠性往往令人失望。频繁的非视线（NLoS）传播和可用锚节点的不良几何结构是两个重大挑战。由于无人机（UAV）的高机动性和灵活部署，UAV使能定位可能是解决这些挑战的有前途的解决方案。与卫星和地面基站相比，无人机能够飞行到传播条件和几何形状都有利于定位的地方。该研究项目的最终目标是设计一种新型的无人机定位系统，该系统使用低空无人机平台为山区环境中的地面用户提供高度可靠的服务。在本文中，我们介绍了我们项目第一阶段的最新进展，包括以下内容。首先，在综合考虑各种因素后，确定了所提出的系统的结构和所使用的定位方法。利用真实地形的数字高程模型，我们建立了一个基于几何的NLoS概率模型，使NLoS传播可以被视为一种故障的可靠性分析。最重要的是，一个可靠性预测方法和相应的度量标准，以评估系统的能力，提供可靠的定位服务。在本文的最后，我们还提出了一种基于投票的方法来提高服务的可靠性。数值结果表明，所提出的系统在可靠定位的巨大潜力。
2020-09-10 cs.SY eess.SP eess.SY
Two Efficient and Easy-to-Use NLOS Mitigation Solutions to Indoor 3-D AOA-Based Localization
针对视距（LOS）和非视距（NLOS）混合室内环境中的三维（3-D）到达角（AOA）源定位问题，提出了两种有效且易于使用的误差抑制解决方案。一个加权的线性最小二乘估计推导出的第一个LOS AOA组件的方向向量的到来，虽然在一个次优的方式。接着，利用残差平方和进行数据选择，以丢弃易出错的NLOS连接。在这样做时，第一种方法构成，可以获得更准确的封闭形式的位置估计。第二种方法应用模拟退火随机框架来实现鲁棒的$\ell_1$ -最小化准则，因此属于统计鲁棒化方法。计算机仿真和超声波现场实验进行了评估的两种方法的性能，展示了各自的情况下，他们出色的定位结果。
2021-08-13 eess.SP
DQLEL: Deep Q-Learning for Energy-Optimized LoS/NLoS UWB Node Selection
Concordia University（康考迪亚大学）；Defence Research and Development Canada（加拿大国防研究与发展中心）；University of Toronto（多伦多大学）
物联网（IoT）的最新进展已经带来了对室内定位的兴趣激增，其目的是提供可靠、准确和节能的室内导航/定位系统。超宽带（UWB）技术已经成为满足上述要求的潜在候选者。虽然UWB技术可以提高室内定位的准确性，由于使用宽频谱，有其有效的实施面临的关键挑战。一方面，实现高精度定位依赖于识别/缓解非视线（NLoS）链路，导致定位框架的复杂性显著增加。另一方面，UWB信标具有有限的电池寿命，这在某些信标位于战略位置的实际情况下尤其成问题。为了解决这些挑战，我们引入了一个有效的节点选择框架，以提高定位精度，而不使用复杂的NLoS缓解方法，同时保持UWB信标的剩余电池寿命之间的平衡。被称为深度Q学习能量优化的LoS/NLoS（DQLEL）UWB节点选择框架，移动用户被自主训练以基于2-D到达时间差（TDoA）框架确定要定位的UWB信标的最佳集合。建议的DQLEL框架的有效性进行评估的链路条件，UWB信标的剩余电池寿命的偏差，定位误差，和累积奖励。基于模拟结果，建议的DQLEL框架显着优于其同行在上述方面。
2021-10-25 cs.LG cs.NI eess.SP
Realizing Multi-Point Vehicular Positioning via Millimeter-wave Transmission
全尺度环境的多点检测是自动驾驶中的一个重要问题。最先进的定位技术（例如雷达和激光雷达）无法在没有视线的情况下进行实时检测。为了解决这个问题，本文提出了一种新的多点车辆定位技术，通过\emph{millimeter-wave}（毫米波）传输，利用从\emph{target vehicle}（电视）到\emph{sensing vehicle}（SV）的多径反射，这使得SV快速捕获的形状和位置信息的电视在\emph{non-line-of-sight}（NLoS）下的多径反射的帮助下。设计了一种基于\emph{phase-difference-of-arrival}（PDoA）的双曲线定位算法，实现了TV和SV的同步。利用\emph{stepped-frequency-continuous-wave}（SFCW）作为用于TV的多点检测的信号。收发器分离使我们的方法能够在NLoS条件下工作，并实现比传统定位技术低得多的延迟。
2019-04-30 cs.IT eess.SP math.IT
A Weighted Random Forest Based PositioningAlgorithm for 6G Indoor Communications
由于室内非视距传播和多址干扰的影响，在室内实现厘米级的定位精度是一个很大的挑战。而第六代（6G）无线通信为厘米级定位提供了良好的契机。在6G中，毫米波（mmWave）和太赫兹（THz）通信具有超宽带宽，使得信道状态信息（CSI）将具有高分辨率。为了实现6G室内通信的高精度定位，提出了一种基于信道状态信息信道指纹特征的加权随机森林室内定位算法。此外，还采用了射线跟踪法（RT）来提高信道指纹数据库的建立效率。仿真结果证明了该算法的准确性和鲁棒性。实验结果表明，在不同的室内场景下，该算法的定位精度稳定在6cm以内，信道指纹数据库的建立间隔为0.2m。
2022-08-22 eess.SP
Localization Accuracy Improvement in Multistatic ISAC with LoS/NLoS Condition using 5G NR Signals
针对多基地ISAC在LoS/NLoS条件下的定位精度问题，提出利用5G NR的PRS信号并设计新算法抑制异常值，相比LS和IRLS分别提升平均误差28%和20%。
2025-01-24 eess.SP
A Step Closer Towards 5G mmWave-based Multipath Positioning in Dense Urban Environments
5G毫米波技术可以将多径变成朋友，因为多径分量在时域和角度域中变得高度可分辨。在文献中，多径信号不仅用于定位用户设备（UE），而且用于创建周围环境的地图。然而，文献中的许多基于多径的方法都有一个共同的假设，即多径信号仅由单次反弹反射引起，而通常情况并非如此。文献中几乎没有准确滤除高阶反射的方法，这使得多径信号的利用具有挑战性。本文提出了一种基于集成学习的模型，用于使用5G信道参数根据反射顺序对信号路径进行分类。该模型是在一个包含360万个观测值的大型数据集上训练的，这些观测值来自一个基于准真实光线跟踪的5G模拟器，该模拟器利用了真实世界市中心环境的3D地图。训练模型的测试准确率为99.5%。采用基于单次反射的定位方法对定位误差进行了验证。经过训练的模型使定位解决方案能够在97%的时间内保持低于30 cm的精度。
2023-03-02 eess.SP
Digital Twin-Assisted High-Precision Massive MIMO Localization in Urban Canyons
Chalmers University of Technology（查尔姆斯理工大学）；Ericsson Research, Ericsson（爱立信研究院，爱立信）
本文提出一种结合数字孪生与RANSAC的三阶段算法，用于解决城市峡谷中高精度大规模MIMO定位的噪声和非视线传播问题，通过有效利用NLOS路径提升定位精度并降低成本。
2025-11-25 cs.SY eess.SP eess.SY
Visible Light Indoor Positioning with a Single LED and Distributed Single-Element OIRS: An Iterative Approach with Adaptive Beam Steering
Politecnico di Bari（巴里理工大学）；Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT)（意大利大学电信联合联盟）；National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”（乌克兰国立技术大学“伊戈尔·西科尔斯基基辅理工学院”）；University of Luxembourg（卢森堡大学）
本文提出了一种基于迭代方法和自适应波束成形的可见光室内定位方案，利用单个LED和分布式OIRSs实现高精度和鲁棒性的定位能力。
2025-12-16 cs.IT eess.SP math.IT
Sky-GVIO: an enhanced GNSS/INS/Vision navigation with FCN-based sky-segmentation in urban canyon
Wuhan University（武汉大学）；School of Geodesy and Geomatics, Wuhan University（武汉大学测绘学院）；Hong Kong Polytechnic University（香港理工大学）
针对城市峡谷环境中定位受NLOS影响的问题，提出基于FCN天空分割的S-NDM算法，构建Sky-GVIO紧耦合系统，融合SPP与RTK，实现米级至亚分米级定位精度，并公开相关数据集。
2024-08-05 cs.CV eess.SP
Optimal Anchor Placement for Wireless Localization in Mixed LOS and NLOS Scenarios
Virginia Tech（弗吉尼亚理工大学）
本文提出统一的信息框架，解决混合直射和非直射环境下的定位问题，通过分析单目标和多目标锚点布置，推导出最优布置条件并提出两种实用算法。
2026-08-06 eess.SP
Improved GNSS Positioning in Urban Environments Using a Logistic Error Model
本文提出基于逻辑分布的最大似然估计器LQLC，有效提升了城市环境中GNSS定位精度，减少RMSE和STD，且计算成本适配实时定位需求。
2026-03-17 eess.SP
MR-ULINS: A Tightly-Coupled UWB-LiDAR-Inertial Estimator with Multi-Epoch Outlier Rejection
Wuhan University（武汉大学）；Hubei Luojia Laboratory（湖北珞珈实验室）
本文提出紧耦合UWB-LiDAR-惯性估计器MR-ULINS，通过在线补偿系统性测距误差并利用LIO相对轨迹进行多历元离群点剔除，在复杂室内环境及退化场景下实现了约0.1m的高精度鲁棒定位。
2025-05-28 cs.RO eess.SP
Probabilistic 5G Indoor Positioning Proof of Concept with Outlier Rejection
无线网络中不断增加的带宽和天线孔径为开发依赖于通信标准和硬件的有竞争力的定位解决方案奠定了基础。然而，不良的传播条件，如非视线（NLOS）和丰富的多径仍然提出了许多挑战，由于离群测量，显着降低定位性能。在这项工作中，我们介绍了一种迭代定位方法，重新加权的到达时间（ToA）和到达角（AoA）测量起源于多个定位器，以有效地去除离群值。与通常依赖于单个定位器来设置用于对应于剩余定位器的到达时间差（TDoA）测量的时间参考并且其测量可能不可靠的现有方法相比，所提出的迭代方法不仅仅依赖于参考定位器。然后，使用所得到的鲁棒位置估计来初始化计算上有效的梯度搜索以执行最大似然位置估计。我们的建议在室内工厂场景中使用3.75 GHz的5G数字方案进行了实验设置验证，在95%的测量中实现了小于50 cm的误差。据我们所知，本文描述了基于5G的联合ToA和AoA定位的第一个概念证明。
2022-07-18 eess.SP
RIS-aided Positioning Experiments based on mmWave Indoor Channel Measurements
本文通过毫米波室内信道测量实验，首次验证了RIS辅助单基站定位在视距和非视距场景下利用反射路径提升定位性能的可行性。
2023-06-18 eess.SP
Joint Communication and Indoor Positioning Based on Visible Light in the Presence of Dimming
本文提出一种基于可见光通信的联合通信与室内定位系统，利用空间调制和导频辅助估计，在调光条件下实现亚厘米级定位精度和低误码率，适用于6G室内网络。
2025-08-06 eess.SP
Enabling High-Precision 5G mmWave-Based Positioning for Autonomous Vehicles in Dense Urban Environments
针对密集城市场景下非视距通信降低5G毫米波定位精度的问题，提出融合5G视距与多径信号、结合低成本车载运动传感器并采用UKF的定位方案，在多伦多测试中97%时间精度优于30厘米，性能优于未用多径的方案。
2023-05-04 eess.SP
Reliable Near-Field Multi-User Positioning Informed by Two-Stage MUSIC
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Southern University of Science and Technology（南方科技大学）；The University of Hong Kong（香港大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出MUSIC-Net，一种嵌入两级MUSIC的端到端深度学习框架，结合分裂共形预测，在相干多径场景中直接恢复多用户位置，降低定位误差并提供统计保证的置信集估计。
2026-09-10 cs.AI cs.IT eess.SP
A Neural-enhanced Factor Graph-based Algorithm for Robust Positioning in Obstructed LOS Situations
本文提出一种神经增强的因子图算法，融合物理模型与数据驱动模型，利用LOS和多径信息实现遮挡场景下的鲁棒高精度定位，实验表明其性能显著优于现有方法并达到后验克拉美-罗下界。
2023-11-29 eess.SP
Demonstrating the Merits of Integrating Multipath Signals into 5G LoS-Based Positioning Systems for Navigation in Challenging Environments
本文研究在基于5G LoS并结合OBMS的定位中利用多径信号，通过多伦多市中心道路测试证明其可弥补信号中断并提升复杂环境下的定位精度与鲁棒性。
2023-06-23 eess.SP
300 GHz Dual-Band Channel Measurement, Analysis and Modeling in an L-shaped Hallway
本文在室内L型走廊开展300 GHz双频段信道测量，提出改进的alpha-beta路径损耗模型以解决NLoS大尺度衰落问题，并构建RT-统计混合信道模型，有效降低计算成本并解决远NLoS位置主导多径分量缺失问题。
2023-05-23 cs.IT eess.SP math.IT
Position Information from Single-Bounce Reflections
在定位一个目标与一个单一的锚的上下文中，这方面的贡献集中在费舍尔信息的位置，方向和时钟偏移的目标所提供的单反弹反射。通过虚拟锚点位置的先验分布考虑目标环境的先验知识的可用性，并研究所提供信息的秩、强度和方向。我们表明，当没有先验知识是可用的，单反弹反射提供的位置信息在平行于反射表面的方向上，无论目标和锚的位置。我们提供了一个几何直观的解释的结果，并提出了数值例子证明其潜在的影响。
2020-12-02 cs.IT eess.SP math.IT
Exploiting User Mobility for WiFi RTT Positioning: A Geometric Approach
最近，通过精细定时测量协议测量的往返时间（RTT）在WiFi定位领域受到了极大的关注。它提供了一个可接受的测距精度在有利的环境下，当视线（LOS）路径存在。否则，信号会沿着非LOS路径绕行，从而导致测距结果与地面实况不同，称为RTT偏差，这是定位性能差的主要原因。为了解决这个问题，我们的目标是利用智能手机的惯性测量单元（称为行人航位推算（PDR））检测到的用户移动轨迹。具体地，PDR提供相邻位置之间的地理关系，引导所得到的定位估计的序列不偏离用户轨迹。为此，我们将它们的关系描述为多个几何方程，使我们能够以可接受的精度呈现一种新的定位算法。根据流动性模式是线性的或任意的，我们开发不同的算法分为两个阶段。首先，我们可以通过利用上述几何关系来联合估计每个AP的RTT偏差和用户的步长。它使我们能够构建一个用户的相对轨迹上定义的有关AP的本地坐标系。其次，我们将每个AP的相对轨迹对齐成一个单独的轨迹，称为轨迹对齐，相当于转换到全局坐标系。因此，我们可以从对齐的轨迹估计用户的绝对位置的序列。各种现场实验广泛验证了所提出的算法的有效性，平均定位误差约为0.369（m）和NLOS环境中分别为1.705（m）。
2021-04-01 cs.NI eess.SP
Amplitude-Independent Robust Snapshot 6-D Radio SLAM via a Uniffed Angle-Delay Formulation
研究双基地快照无线电SLAM问题，提出基于统一角度延迟公式的与幅度无关的鲁棒方法，粗阶段直接从角度延迟测量估计UE状态选内点，扩展到3D/6D姿态估计，后续经IRLS精修等检测LoS路径并联合精修UE状态和散射点。
2026-07-08 eess.SP
Transfer Learning for CSI-based Positioning with Multi-environment Meta-learning
Technische Universität Ilmenau（伊尔默瑙工业大学）
针对CSI指纹定位模型跨环境泛化能力不足的问题，本文提出两部分DL结构与MEML训练方法，利用多环境元学习初始化环境无关特征提取器，在新环境中显著提升定位精度与不确定性估计可靠性。
2024-05-20 cs.AI eess.SP
Measurement Selection Strategies for Position Estimation in Indoor Environments
Ericsson R&D, India（爱立信研发印度）
本文针对密集室内环境中非视线传播引起的延迟问题，提出测量选择策略以提高定位精度，通过射线追踪模拟器设计并评估了不同策略。
2026-05-19 cs.ET cs.NA eess.SP
RIS-Position and Orientation Estimation in MIMO-OFDM Systems with Practical Scatterers
Nanchang University（南昌大学）；National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；Institute of Space Science and Technology, Nanchang university（南昌大学空间科学与技术学院）；Université Paris-Saclay, CNRS, CentraleSupélec, Laboratoire des Signaux et Systèmes（巴黎萨克雷大学、法国国家科学研究中心、中央理工-高等电力学院信号与系统实验室）；University of New South Wales（新南威尔士大学）
提出一种利用RIS创建的虚拟视距链路和实际散射体非视距链路的两步定位方案，通过粗估计和细估计获取信道参数并估计位置相关参数，仿真验证了算法优越性。
2026-06-18 eess.SP
Millimeter Wave Wireless Assisted Robot Navigation with Link State Classification
NYU Tandon School of Engineering（纽约大学坦登工程学院）；University of British Columbia（不列颠哥伦比亚大学）；Harvard University（哈佛大学）
毫米波（mmWave）频带由于能够捕获高角度和时间分辨率测量而对于高精度定位应用吸引了相当大的关注。本文探讨了基于毫米波定位的目标定位问题，其中一个固定的目标广播毫米波信号和移动机器人代理试图捕捉信号定位和导航到目标。提出了一个三阶段的过程：首先，移动代理使用张量分解方法来检测多径信道分量，并估计其参数。第二，然后使用机器学习训练的分类器来预测链路状态，这意味着最强路径是视距（LOS）还是非视距（NLOS）。对于NLOS情况，链路状态预测器还确定最强路径是否经由一个或多个反射到达。第三，基于链路状态，代理或者遵循估计的角度，或者使用计算机视觉或其他传感器来探索和映射环境。在室内环境的大数据集上证明了该方法，并补充了光线追踪来模拟无线传播。路径估计和链路状态分类也被集成到最先进的神经同时定位与地图构建（SLAM）模块中，以增强基于相机和激光雷达的导航。结果表明，链路状态分类器可以成功地推广到训练集之外的全新环境。此外，具有无线路径估计和链路状态分类器的神经SLAM模块提供到目标的快速导航，接近知道目标位置的基线。
2022-02-19 cs.RO eess.SP
Exploiting Movable Antennas for Multi-Target Wireless Sensing System in Multipath Environments
College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院）；the Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来网络智能研究所）；the Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能重点实验室）
研究多径环境中可移动天线无线传感系统的多目标检测问题，通过开发交叉稀疏马尔可夫混合先验推导目标位置后验概率，提出二维模糊函数分析角域传感性能，优化MA位置，算法低复杂度且性能与现有方法相当。
2026-07-28 cs.IT eess.SP math.IT
