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
Channel Model Mismatch Analysis for XL-MIMO Systems from a Localization Perspective
无线电定位应用于高频（例如，毫米波和太赫兹）系统，以支持通信和提供基于位置的服务，而无需额外的基础设施。{For为了解决定位问题，简化的、固定的、窄带远场信道模型由于其紧凑的公式化而被广泛使用。然而，随着超大型MIMO系统中阵列尺寸的增加以及较高mmWave频带处带宽的增加，信道空间非平稳性（SNS）、球面波模型（SWM）和波束偏斜效应（BSE）的影响不可忽略。在这种情况下，当采用偏离真实模型的不准确信道模型时，定位性能将受到影响。在这项工作中，我们采用MCRB（错误指定的Cramér-Rao下限）使用一个简化的失配模型，而观测数据是由一个更复杂的真实模型的本地化误差下限。仿真结果表明，在所有模型损伤中，SNS的贡献最小，当距离小于阵列尺寸时，SWM占主导地位，当距离远大于阵列尺寸时，BSE的影响更为显著。
2022-05-30 eess.SP
Robust Localization in OFDM-Based Massive MIMO through Phase Offset Calibration
Interuniversity Microelectronics Centre (IMEC)（微电子研究中心）；Department of Electrical Engineering (ESAT), KU Leuven（荷语天主教鲁汶大学电气工程系）；Department of Electrical Engineering (EEMCS-EE), University of Twente（特温特大学电气工程系）
本文提出了一种基于空间模糊函数的鲁棒CSI校准框架，有效缓解了大规模MIMO中空间相位偏移对定位精度的影响，将定位误差从5米降低至1.2厘米。
2026-01-20 eess.SP
Fast Direct Localization for Millimeter Wave MIMO Systems via Deep ADMM Unfolding
部署在毫米波系统中的大规模阵列实现了高角分辨率性能，这反过来又促进了亚米级定位服务。虽然次优，到目前为止，最流行的定位方法是基于所谓的两步程序，其中三角测量应用于聚合的到达角（AoA）测量从协作基站。这主要是由于现有的直接定位方法在大规模系统中的计算成本过高。为了解决这个问题，我们提出了一个基于深度展开的快速直接定位求解器。首先将直接定位问题转化为联合$l_1$ - $l_{2,1}$范数稀疏恢复问题，然后采用交替方向乘子法（ADMM）求解.接下来，我们开发了一个深度ADMM展开网络（DAUN）来从训练数据中学习ADMM参数设置，并为DAUN提出了一个位置细化算法。最后，仿真结果显示了所提出的DAUN的优势，基线求解器在更好的定位精度，更快的收敛速度和显着降低计算复杂度。
2023-02-06 eess.SP
Joint Localization and Orientation Estimation in Millimeter-Wave MIMO OFDM Systems via Atomic Norm Minimization
在此，提出了一种用于从毫米波多输入多输出（MIMO）正交频分复用（OFDM）信号中精确估计目标的位置和方位的基于原子范数的方法。提出了一种新的虚拟信道矩阵，并设计了一种从其原子范数分解中提取定位相关信道参数的算法。然后，基于扩展的不变性原理，提出了一种加权最小二乘问题，以准确地恢复的位置和方向使用的视线和非视线信道信息。的估计和估计误差的理论保证的最优性和唯一性的条件，其特征在于无噪声和有噪声的情况下。通过仿真验证了理论结果。数值结果研究了所提出的算法的鲁棒性不正确的模型阶数选择或同步误差，并突出了性能的改善，比以前的方法。由此产生的性能几乎达到克拉美-罗下界的估计误差。
2022-03-02 eess.SP
Localization Based on MIMO Backscattering from Retro-Directive Antenna Arrays
本文提出利用逆向定向天线阵列（RAAs）的反向散射实现快速到达角估计与 MIMO 增益，以克服高频反向散射通信的路径损耗，为车辆与移动应用提供精确、超低延迟、低复杂度且低能耗的定位方案。
2024-04-22 eess.SP
Device-Free 3D Drone Localization in RIS-Assisted mmWave MIMO Networks
本文研究RIS辅助毫米波MIMO网络中无设备三维无人机定位问题，提出基于坐标梯度下降的低复杂度定位算法，并通过理论分析与仿真证明RIS集成可显著提升定位性能。
2025-01-02 eess.SP
Near-Field 3D Localization and MIMO Channel Estimation with Sub-Connected Planar Arrays
Huawei Technologies Co., Ltd.（华为技术有限公司）
针对子连接平面XL-MIMO近场多天线用户场景，提出基于OMP和SBL的三阶段算法，实现高精度三维定位与MIMO信道估计，显著降低导频开销并提升精度。
2025-10-23 eess.SP
Depthwise Separable CNN for D-MIMO Indoor Localization with Data Reduction
KU Leuven（荷语鲁汶大学）；imec（微电子研究中心）
研究针对 D-MIMO 室内定位中传容量瓶颈问题，提出轻量级分布式 ML 框架，在网络边缘进行 CSI 特征提取与缩减，传输低维特征至中央单元估计位置，可减少中传流量 100 倍，保持误差 8.5 毫米，提供可扩展定位蓝图。
2026-07-27 eess.SP
High-Precision Machine-Learning Based Indoor Localization with Massive MIMO System
Lund University（隆德大学）
高精度蜂窝定位是下一代通信系统的关键技术之一。在本文中，我们研究了将机器学习（ML）应用于大规模多输入多输出（MIMO）系统以提高定位精度的潜力。我们分析了一个新的基于ML的定位管道，它有两个并行的全连接神经网络（FCNN）。第一FCNN采用瞬时空间协方差矩阵来捕获角度信息，而第二FCNN采用信道脉冲响应来捕获延迟信息。我们融合这两个FCNN的估计坐标，以进一步提高精度。为了测试定位算法，我们在3.7 GHz的大规模多输入多输出测试平台上进行了室内测量活动。在实测场景中，所提出的管道可以通过结合延迟和角度信息来实现厘米级的精度。
2023-03-07 cs.LG eess.SP
POLO: Phase-Only Localization in Uplink Distributed MIMO Systems
Chalmers University of Technology（查尔姆斯理工大学）；Politecnico di Milano（米兰理工大学）；Universitat Autonoma de Barcelona（巴塞罗那自治大学）；Tampere University（坦佩雷大学）
POLO通过相位测量生成候选位置，降低上行分布式MIMO系统中的定位复杂度，实现覆盖与计算效率的平衡。
2025-12-10 eess.SP
Robust MIMO Radar Target Localization based on Lagrange Programming Neural Network
研究了大分布多输入多输出（MIMO）雷达系统中的目标定位问题。在该系统中，距离测量，其中包括从发射机和目标之间的距离和从目标到接收机的距离之和，被使用。我们可以通过最小化测量误差来获得目标的精确估计位置。为了使模型更接近实际，我们引入了两种噪声，即高斯噪声和离群点。在评价一种目标定位算法时，其定位精度和计算复杂度是两个主要的标准。为了提高定位精度，将原问题转化为求解一个目标函数为l1范数或l0范数的非光滑约束优化问题。为了实现实时解决方案，拉格朗日规划神经网络（LPNN）被用来解决这个问题。然而，众所周知，LPNN需要二次可微的目标函数和约束。显然，目标函数中的l1-范数或l0-范数项不满足此要求。为了解决这个非光滑优化问题，本文提出了两个修改的基础上LPNN框架。在第一种方法中，引入了一个可微的近似l1-范数函数。第二种方法采用局部竞争算法。仿真和实验结果表明，所提出的算法的性能优于现有的几个方案。
2018-05-31 eess.SP
Near-Field Velocity Estimation and Doppler-Aware Localization in OFDM Massive MIMO
Interuniversity Microelectronics Centre (IMEC)（微电子研究中心）；Department of Electronics, Information, and Bioengineering (DEIB), Politecnico di Milano（米兰理工大学电子、信息与生物工程系）；Department of Electrical Engineering (EEMCS-EE), University of Twente（特温特大学电气工程系）；Department of Electrical Engineering (ESAT), KU Leuven（荷语鲁汶大学电气工程系）
针对OFDM大规模MIMO近场感知的模型失配问题，提出低复杂度递归框架，联合估计径向/横向速度并实现多普勒感知定位，性能优于两种基准方法。
2026-08-06 eess.SP
Unified Near-field and Far-field Localization with Holographic MIMO
针对RIS定位中近场与远场假设不统一导致的复杂度或精度问题，本文提出基于网格划分的统一近场与远场定位方法，并设计位置估计与RIS相移优化算法，仿真验证了其有效性。
2024-01-12 eess.SP
Joint Angle and Velocity-Estimation for Target Localization in Bistatic mmWave MIMO Radar in the Presence of Clutter
针对杂波下双基地毫米波MIMO雷达目标定位问题，提出基于三维稀疏性和离网SBL的角度与速度联合估计算法，性能优于现有方法且逼近理论界。
2025-06-13 eess.SP
Target Localization with Coprime Multistatic MIMO Radar via Coupled Canonical Polyadic Decomposition Based on Joint Eigenvalue Decomposition
本文研究互质多基地MIMO雷达目标定位，提出基于联合特征值分解的耦合典型多项式分解方法，利用Vandermonde结构旋转不变性降低计算复杂度，在欠定场景下无需先验知识即优于现有张量方法。
2025-05-28 eess.SP
Hybrid Near-Field and Far-Field Localization with Multiple Holographic MIMO Surfaces
本文针对多RIS辅助定位中近场区域扩大、搜索复杂度高和RIS间干扰问题，提出两阶段混合近场与远场定位方法，并通过旁瓣约束优化RIS以降低干扰，仿真验证了其有效性。
2025-07-22 eess.SP
Multipath-based SLAM with Cooperation and Map Fusion in MIMO Systems
针对传统MP-SLAM仅用单移动终端的局限，提出MIMO系统下支持多终端信息交换与数据融合的协作式多径SLAM方法，可提升建图鲁棒性与定位精度。
2024-05-14 eess.SP
Coherent Direct D-MIMO Localization: Analysis of Coherence Levels
Institute of Comm. Networks and Satellite Comms., Graz University of Technology（通信网络与卫星通信研究所，格拉茨工业大学）
针对D-MIMO定位中相干处理的同步校准难题，本文提出基于I/II型似然的贝叶斯状态空间滤波器，证明相干处理性能更优，且推导了低复杂度并行粒子置信传播方法。
2026-09-24 eess.SP
Mixed Near-field and Far-field Localization in Extremely Large-scale MIMO Systems
Southern University of Science and Technology（南方科技大学）；Harbin Institute of Technology（哈尔滨工业大学）
本文提出了一种超大规模MIMO系统中混合近场和远场目标定位方法，通过解耦子空间方法解决角度模糊问题，提高定位精度。
2026-02-11 eess.SP
MAP-CSI: Single-site Map-Assisted Localization Using Massive MIMO CSI
本文提出 MAP-CSI 方法，从大规模 MIMO 的 CSI 中提取 AoD 与 ToA 并结合环境地图定位，在公开数据集上验证其适用于 LOS/NLOS 场景且无需显式射线追踪参数。
2021-10-01 eess.SP
Posterior Cramér-Rao Bounds on Localization and Mapping Errors in Distributed MIMO SLAM
Graz University of Technology（格拉茨工业大学）；University of California San Diego（加州大学圣迭戈分校）
本文为分布式MIMO RF-SLAM推导了镜面反射表面位置与朝向的后验克拉美-罗下界（建图误差界），并数值验证了先进算法渐近收敛于该界，从而同时评估定位与建图性能。
2026-10-08 eess.SP
Low-latency D-MIMO Localization using Distributed Scalable Message-Passing Algorithm
提出一种专为面板式分布式 MIMO 系统设计的可扩展消息传递定位方法与架构，在无需集中处理下联合检测多径中的视距路径以实现低延迟智能体定位，并基于 FPGA 建模证明其在保持相似定位性能的同时显著降低了延迟与计算复杂度。
2025-08-13 cs.AR eess.SP
High-Density MIMO Localization Using a 32x64 Ultrasonic Transducer-Microphone Array with Real-Time Data Streaming
本文提出一种由32个发射器和62个麦克风组成的大规模超声MIMO阵列系统，通过随机相位多正弦激励扩展虚拟孔径，仿真验证其相比单发射器配置能提升反射体分离与定位精度。
2025-09-01 eess.AS eess.SP
Hybrid Near-field and Far-field Localization with Holographic MIMO
本文针对HMIMO系统中近场与远场用户混合定位问题，提出一种RIS辅助的联合定位与相移优化方法，通过联合估计用户位置解决信道耦合，并推导误差界以优化RIS相移，仿真验证其性能优于纯近场和纯远场方法。
2025-07-22 eess.SP
Near-Field User Localization and Channel Estimation for XL-MIMO Systems: Fundamentals, Recent Advances, and Outlooks
本文围绕6G基石技术XL-MIMO，阐述近远场传播差异及近场电磁特性，梳理其给用户定位与信道估计带来的挑战，综述相关解决算法，并指明未来关键研究方向。
2024-07-14 cs.IT eess.SP math.IT
A Relaxed Energy Function Based Analog Neural Network Approach to Target Localization in Distributed MIMO Radar
模拟神经网络在解决优化问题方面具有很好的效果，已被用于分布式多输入多输出（MIMO）雷达的目标定位。针对分布式MIMO雷达目标定位问题，设计了一种新的基于松弛能量函数的神经网络。我们从最大似然（ML）目标定位与一个复杂的目标函数，它可以转化为一个易于处理的等式约束，通过引入一些辅助变量。与现有的拉格朗日规划神经网络（LPNN）方法不同，我们进一步放松了目标定位的优化问题，不再需要拉格朗日乘子项，从而得到一个具有更好凸性的放松的能量函数。基于松弛的能量函数，实现了结构简单、收敛速度快的RNF神经网络。此外，RNFNN方法扩展到存在发射机和接收机定位误差的定位。结果表明，所提出的定位方法的性能实现了Cramér-Rao下限（CRLB）在更宽的信噪比（SNR）的范围内。与最先进的方法进行了广泛的比较，证明了所提出的方法在性能改善和计算复杂性（或收敛速度）方面的优势。
2022-10-19 cs.IT eess.SP math.IT
Integrated Communications and Localization for Massive MIMO LEO Satellite Systems
针对6G万物互联对全球通信与无缝定位的需求，本文构建宽带大规模MIMO低轨卫星系统，通过分析信号传播特性、推导定位性能界，设计混合模拟/数字预编码，实现了下行链路中通信与定位的一体化支持。
2024-03-12 cs.IT eess.SP math.IT
Machine Learning-based Near-field Emitter Location Sensing via Grouped Hybrid Analog and Digital XL-MIMO Receive Array
本文针对部分连接混合模数与数字XL-MIMO阵列的近场辐射源定位问题，提出分组PC-HAD结构将近场DOA估计分解为多个远场问题，并开发聚类与RegNet等机器学习方法以消除相位模糊，实现接近CRLB的定位性能。
2025-04-10 eess.SP
Localization in Dynamic Indoor MIMO-OFDM Wireless Systems using Domain Adaptation
针对动态室内NLoS环境变化导致无线指纹分布偏移、定位性能下降的问题，提出一种利用神经网络对齐变化前后指纹分布的域自适应框架，从而在新环境中实现可靠的UE位置预测。
2024-08-27 eess.SP
Privacy Preservation in MIMO-OFDM Localization Systems: A Beamforming Approach
针对上行MIMO-OFDM定位中未授权基站窃听用户导频导致的隐私风险，本文提出一种基于惩罚对偶分解的波束成形优化方法，通过最小化合法定位CRB并限制未授权定位CRB，有效保护了用户位置隐私。
2025-03-03 cs.IT eess.SP math.IT
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
Target Localization with a Coprime Multistatic MIMO Radar via Coupled Canonical Polyadic Decomposition Based on Joint EVD
针对带互质L形接收阵列的多基地MIMO雷达目标定位问题，提出将信号建模为耦合规范多向分解张量、结合联合特征值分解的半代数定位方法，降低了计算复杂度，性能优于现有张量类方法。
2025-01-25 cs.SY eess.SP eess.SY
Integrated Communication, Localization, and Sensing in 6G D-MIMO Networks
本文研究6G D-MIMO网络中的通信感知一体化，通过分析不同架构与部署方式揭示冲突与协同，并结合仿真演示阐明实现ISAC的机遇与挑战。
2024-03-28 cs.IT eess.SP math.IT
DyLoc: Dynamic Localization for Massive MIMO Using Predictive Recurrent Neural Networks
University of Central Florida（中佛罗里达大学）
本文提出了一种数据驱动的定位框架，具有高精度的时变复杂的多径环境，如密集的城市地区和室内，GPS和基于模型的定位技术的不足。我们考虑角度延迟分布（ADP），信道状态信息（CSI）的线性变换，在大规模MIMO系统中，并显示ADP保存用户的运动时堆叠的时间。我们讨论，给定一个静态的环境中，ADP时间序列的未来帧是可预测的，采用视频帧预测算法。我们表示可以采用深度卷积神经网络（DCNN）来学习背景静态散射环境。为了检测环境中的前景变化，对应于路径阻塞或添加，我们引入了一种利用训练的DCNN的算法。此外，我们提出了DyLoc，一个数据驱动的框架来恢复由于前景变化而失真的ADP，并获得精确的位置估计。我们评估了DyLoc在几个动态场景中的性能，这些场景采用DeepMIMO数据集来生成室内和室外环境的地理标记CSI数据集。我们表明，以前的基于DCNN的技术未能在动态环境中以理想的精度执行，而DyLoc追求精确定位。此外，模拟表明，随着环境在多径数量方面变得更加丰富，DyLoc对前景变化变得更加鲁棒。
2021-01-22 cs.CV eess.SP
Channel Estimation for Extremely Large-Scale Massive MIMO: Far-Field, Near-Field, or Hybrid-Field?
超大规模多输入多输出（XL-MIMO）是未来6 G通信的重要技术，但现有的远场或近场信道模型与实际系统中的混合场信道特性不匹配，无法直接利用现有的远场和近场信道估计方法对混合场XL-MIMO信道进行精确估计。针对这一问题，本文通过精确建模XL-MIMO信道，提出了一种有效的混合场信道估计方法，首先揭示了XL-MIMO信道的混合场信道特性，即不同散射点可能位于远场或近场区域，然后提出了一种混合场信道模型，该模型同时包含了远场和近场路径分量。最后，我们提出了一种混合场信道估计方案，其中分别估计远场和近场路径分量。仿真结果表明，该方案的性能优于现有的方案。
2021-11-22 cs.IT eess.SP math.IT
CSI-Based Data-driven Localization Frameworking using Small-scale Training Datasets in Single-site MIMO Systems
针对单站点大规模 MIMO 用户定位，本文提出 FC-AE-GPR 框架，用全连接自编码器压缩 CSI 并由 GPR 回归位置，从而在小样本场景下优于 CNN 且便于迁移。
2023-04-22 eess.SP
Device-Free Localization Using Multi-Link MIMO Channels in Distributed Antenna Networks
Graduate School of Science and Technology, Niigata University（新潟大学科学技术研究科）；Honda Motor Company Ltd.（本田技研工业株式会社）；JUKI industrial Equipment Technology Corp.（杰崎工业设备技术株式会社）
本文提出基于分布式天线网络的新型设备无关定位框架，利用多链路MIMO通道的空间和时间多样性实现高精度定位，并通过软件定义无线电在子6GHz频段开发原型系统，验证了在复杂多径环境中亚米级定位精度和鲁棒性。
2025-07-21 eess.IV eess.SP
Joint Initial Access and Localization in Millimeter Wave Vehicular Networks: a Hybrid Model/Data Driven Approach
当考虑混合毫米波MIMO系统时，高分辨率压缩信道估计为车辆定位提供信息。然而，当需要高精度定位时，复杂性和存储器要求可能成为瓶颈。另一个挑战是需要路径顺序信息来应用信道路径参数与车辆、RSU和散射体位置之间的适当几何关系。本文提出了一种基于多维正交匹配追踪的低复杂度的出发角和到达时间差信道估计策略。我们还设计了一个深度神经网络，它可以预测通道路径的顺序，因此只有LoS和一阶反射用于定位。通过光线跟踪产生的真实车辆信道的仿真结果表明，亚米精度可以达到50%的用户，而不诉诸完美的同步假设或不可行的全数字高分辨率MIMO架构。
2022-04-04 eess.SP
A Unified Distributed Algorithm for Hybrid Near-Far Field Activity Detection in Cell-Free Massive MIMO
The University of Hong Kong（香港大学）；Great Bay University（大湾区大学）；State Key Laboratory of Scientific and Engineering Computing, Institute of Computational Mathematics and Scientific/Engineering Computing, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院计算数学与科学工程计算研究所、计算数学与科学工程计算国家重点实验室）
针对无小区MIMO系统中混合近远场活动检测问题，提出一种基于协方差建模的分布式算法，通过本地检测与结果交换降低复杂度，并理论证明近场信道比例增加可提升检测性能。
2026-05-26 eess.SP
HoloTrace: a Location Privacy-Preserving Framework for mmWave MIMO-OFDM Systems
Politecnico di Milano（米兰理工大学）；Chalmers University of Technology（查尔姆斯理工大学）；Autonomous University of Barcelona（巴塞罗那自治大学）
针对6G蜂窝网络中UE定位的位置隐私问题，提出HoloTrace框架，通过用户侧欺骗定位相关特征，无需协议修改和网络支持。将欺骗公式化并求解，仿真验证其能使UE欺骗基站，产生定位误差，是6G网络实用的隐私保护方案。
2026-11-03 eess.SP
Enhancing Spatial Multiplexing and Interference Suppression for Near- and Far-Field Communications with Sparse MIMO
本文研究收发端均采用稀疏阵列的 MIMO，揭示其近场 EDoF 与速率缩放规律，提出稀疏度选择策略，并证明其可增强空间复用且抑制多用户 IUI。
2024-08-04 eess.SP
On Deep Learning-based Massive MIMO Indoor User Localization
我们研究了深度神经网络用于多输入多输出（MIMO）用户定位的可用性，该定位仅基于正交频分复用（OFDM）复信道系数。与其他室内定位系统（IPS）相比，所提出的方法不需要任何额外的导频开销或通信系统本身的任何其他变化，因为它被部署在现有的OFDM MIMO系统之上。在实际测量的支持下，我们主要对更具挑战性的非视距（NLoS）场景感兴趣。然而，已知梯度下降优化需要大量数据点用于训练，即，与传统方法相比，所需的数据库将太大。因此，我们提出了一个两步训练过程，在第一步中对模拟视线（LoS）数据进行训练，在第二步中对测量的NLoS位置进行微调。这减少了所需的测量训练位置，从而减少了数据采集的工作量。
2018-04-13 cs.IT eess.SP math.IT
Discrete-Time CRLB-based Power Allocation for CF MIMO-ISAC with Joint Localization and Velocity Sensing
University of Leicester（莱斯特大学）；Institute for Communication Systems (ICS) of University of Surrey（萨里大学通信系统研究所）；Institute for Communication Systems and Measurement of China（中国通信与测量研究所）；KTH Royal Institute of Technology（瑞典皇家理工学院）；School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院）
本文提出基于CRLB的功率分配方法，用于CF MIMO-ISAC中联合定位和速度感知，通过优化通信SINR和感知约束提升整体性能。
2026-03-04 eess.SP
Deep Learning Based Near-Field User Localization with Beam Squint in Wideband XL-MIMO Systems
针对6G宽带XL-MIMO系统中波束倾斜影响近场用户定位的问题，推导CRBs评估CBS潜力，提出结合CBS与波束训练的方案，并设计基于ConvNeXt的方案，实现厘米级定位精度。
2024-12-02 cs.IT eess.SP math.IT
Robust Phantom-Assisted Framework for Multi-Person Localization and Vital Signs Monitoring Using MIMO FMCW Radar
本研究提出一种MIMO FMCW雷达多人定位与生命体征监测鲁棒框架，含定制硬件体模及结合联合稀疏性、抗谐波字典估计与自适应优化的算法，经体模与人体实验验证性能优于现有技术，可用于医疗与物联网场景。
2025-01-12 eess.SP
Near-Far Field Channel Modeling for Holographic MIMO Using Expectation-Maximization Methods
针对全息MIMO中近远场混合信道建模问题，本文提出不预设路径类型的近远场信道模型，并利用期望最大化方法交替优化隐变量与模型参数，仿真验证其在拟合精度上优于传统算法。
2024-01-15 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
Near-Field Beam Prediction Using Far-Field Codebooks in Ultra-Massive MIMO Systems
针对 UM-MIMO 近场波束搜索开销高的问题，提出基于 DFT 的远场码本波束对准及 CI-DFT 参数估计算法，以接近穷举搜索的速率性能将训练开销降低 87.5%。
2025-03-18 eess.SP
NOMA-Based Coexistence of Near-Field and Far-Field Massive MIMO Communications
本文提出利用NOMA原理复用为近场用户预配置的空间波束来服务远场用户，实现近场与远场大规模MIMO通信共存，并证明增加基站天线数可有效提升系统性能。
2023-09-17 cs.IT eess.SP math.IT
Localization Efficiency in Massive MIMO Systems
在下一代无线系统中，Massive MIMO为定位提供了高角度分辨率。由于大量的天线，用户终端（UT）的到达角（AoA）可以被高精度地估计。根据密集多径分量（DMC）信道模型，UT周围的局部散射可以为基站（BS）的每个天线产生不同的多径信号。当考虑多径信号的贡献时，我们得到了多用户情况下Cramer-Rao下界（CRLB）的确定性形式。我们这样做时，多径信号是独立同分布（i.i. d）与任意分布。然后，我们重新定义了一个多用户场景的定位效率函数，并在数值上优化它相对于（w.r. t）的天线数量。我们证明，当只有一个子集的可用天线被使用，CRLB可以被最小化的w.r. t哪一组天线被使用。然后，提出了一种最小化CRLB的天线选择策略。作为一个基准，我们提出的天线选择方案的多信号分类（MUSIC）算法，并研究其效率。数值结果验证了我们的分析的准确性，并显示出显着提高效率时，所提出的天线选择策略。
2021-03-09 cs.IT eess.SP math.IT
Distributed Machine Learning Approach for Low-Latency Localization in Cell-Free Massive MIMO Systems
Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学电子与计算机工程学院）；Department of Agricultural and Biological Engineering and the Department of Agricultural Sciences Education and Communication, Purdue University（普渡大学农业与生物工程系及农业科学教育与交流系）；Qualcomm, Inc.（高通公司）；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）
本文提出一种面向无蜂窝大规模MIMO系统的分布式机器学习定位框架，各接入点独立训练高斯过程回归模型，由用户设备融合概率估计，在降低时延和CPU负担的同时实现与集中式方法相当的定位精度。
2025-07-16 cs.LG eess.SP
Cooperative ISAC for Joint Localization and Velocity Estimation in Cell-Free MIMO Systems
The University of British Columbia（不列颠哥伦比亚大学）；Friedrich-Alexander University of Erlangen-Nuremberg（埃尔朗根-纽伦堡弗里德里希·亚历山大大学）
本文提出了一种基于D-VQVAE的协同ISAC框架，用于无基站MIMO系统中实现高精度的目标定位与速度估计，同时显著降低前 haul信令开销。
2026-02-23 eess.SP
Soft-Coherent Direct Multipath SLAM
Graz University of Technology（格拉茨工业大学）
本文提出了一种可扩展的贝叶斯直接多径SLAM方法，用于D-MIMO/XL-MIMO系统中的相干数据融合，通过联合推断环境实现鲁棒、高精度的直接定位。该方法通过保持相位相干性，避免了非相干处理导致的孔径损失，并结合表面模型实现了分布式基础设施上的地图特征融合。
2026-06-03 eess.SP
