Distributed Spatio-Temporal Information Based Cooperative 3D Positioning in GNSS-Denied Environments
针对GNSS拒止环境下的无线网络3D定位需求，提出分布式时空信息协作定位算法STICP，采用缩放无迹变换高精度逼近因子图非线性项并引入增强锚点升级机制避免冗余迭代，在实现更优定位性能的同时降低计算复杂度。
2022-08-25 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
Stop Line Aided Cooperative Positioning of Connected Vehicles
School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院）
提出了一种停车线辅助的互联车辆协同定位框架，利用停车线的位置信息，通过车对车（V2 V）通信实现交叉口场景下车辆自组网（VANET）的定位增强。首先，提出了一种基于停车线信息的首停车辆自定位校正方案，对GNSS/INS定位结果进行校正。然后，利用扩展卡尔曼滤波器（EKF）将每辆车的局部观测值与其他车辆的位置估计值和车间距离测量值进行融合。通过这种方式，第一个停止的车辆的好处扩展到整个VANET。这种协同惯性导航（CIN）框架可以大大提高VANET的定位性能。最后，在北京的实验结果表明了该停车线辅助协同定位框架的有效性.
2021-12-26 cs.RO eess.SP
High precision indoor positioning by means of LiDAR
Technische Hochschule Ingolstadt（英戈尔施塔特应用科学大学）；GeneSys Elektronik GmbH（吉内斯电子有限公司）；Universidad de Castilla-La Mancha（卡斯蒂利亚-拉曼恰大学）
自动驾驶的趋势和汽车领域的持续研究，如高级驾驶员辅助系统（ADAS），要求在任何情况下都能准确定位。车辆状态的准确估计是任何故障规划算法的基本要求。尽管如此，即使GPS L5波段的引入保证了车道精度，但仍然必须解决屋顶区域的覆盖限制问题。在这项工作中，提出了一种使用激光雷达进行高精度室内定位的方法。该方法基于运动模型与LiDAR测量的组合，并使用基础设施元素作为定位参考。这允许估计车辆在局部切平面（LTP）参考系中的方向、地面上的速度和位置。当所提出的方法的输出相比，汽车动态运动分析仪（ADMA），平均误差为1度，0.1米/秒和4.7厘米分别获得。该方法可以通过使用LiDAR传感器作为独立单元来实现。英特尔i7- 6820 HQ CPU上的平均运行时间为40.77 us，表明了实时处理的可能性。
2020-05-14 cs.RO 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
Pseudorange Rigidity and Solvability of Cooperative GNSS Positioning
本文提出适用于伪距测量的新型刚性理论，证明伪距刚性是底层无向图的通有属性，表征刚性伪距图的构成，为GNSS定位所需最少卫星数提供新见解，并可应用于协同接收机网络定位与编队控制。
2024-06-25 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
Integrated Positioning and Communication for Cooperative Multi-LEO Uplink Communications: A Dual-Timescale Kalman Filter-Aided Approach
University of British Columbia（不列颠哥伦比亚大学）
针对LEO卫星上行通信中CSI获取难的问题，提出双时间尺度卡尔曼滤波辅助的一体化定位与通信框架，结合UKF定位跟踪与卡尔曼滤波信道估计，通过EM算法联合处理信道估计与协作数据检测，性能优于传统基线。
2025-11-18 eess.SP
Cooperative Multi-Target Positioning for Cell-Free Massive MIMO with Multi-Agent Reinforcement Learning
针对无蜂窝大规模MIMO中传统指纹定位计算复杂度高的问题，提出结合协同加权K近邻的多智能体强化学习联合定位校正框架，在平衡复杂度的同时有效提升定位性能。
2024-10-09 cs.IT eess.SP math.IT
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
Distributed Cooperative Positioning in Dense Wireless Networks: A Neural Network Enhanced Fast Convergent Parametric Message Passing Method
针对密集无线网络中带环因子图建模的分布式协同定位收敛难、速度慢的问题，提出结合切比雪夫多项式近似与图神经网络的GNN--FCPMP方法，提升了高密度环路场景下的定位精度与收敛速度。
2024-12-22 eess.SP
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
Privacy-Preserving Cooperative Visible Light Positioning for Nonstationary Environment: A Federated Learning Perspective
Xiamen University（厦门大学）
可见光定位技术作为一种很有前途的室内定位技术，已经引起了人们的广泛关注。然而，在非平稳环境中，VLP的性能是有限的，因为高度时变信道。为了提高非平稳环境下的定位精度和泛化能力，提出了一种基于联邦学习的协作VLP方案。利用FL框架，一个适应环境变化的全局模型可以由用户共同训练，而无需共享用户的私有数据。此外，一个合作的可见光定位网络（CVPosNet）的建议，以加快收敛速度，提高定位精度。仿真结果表明，该方案优于基准方案，特别是在非平稳环境。
2023-03-11 cs.AI cs.IT cs.LG
Cooperative Differential GNSS Positioning: Estimators and Bounds
Northeastern University（东北大学）；German Aerospace Center (DLR)（德国航空航天中心）
本文提出协作差分GNSS定位方法，通过统一的估计框架和Fisher信息矩阵分析，研究大规模用户协作如何提升DGNSS精度并减少参考站噪声影响。
2026-01-09 eess.SP stat.AP
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
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
LIDAR Data for Deep Learning-Based mmWave Beam-Selection
毫米波通信系统可以利用来自传感器的信息来减少与链路配置相关联的开销。LIDAR（光探测和测距）是一种广泛用于自动驾驶的传感器，用于高分辨率测绘和定位。本文展示了如何激光雷达数据可以用于视线检测，并减少开销在毫米波波束选择。在所提出的分布式架构中，基站广播其位置。联网车辆利用其LIDAR数据来建议通过深度卷积神经网络选择的一组波束。在车辆到基础设施（V2I）场景中，通信和LIDAR的联合仿真证实了LIDAR可以帮助配置毫米波V2I链路。
2020-01-13 eess.SP
Plane Constraints Aided Multi-Vehicle Cooperative Positioning Using Factor Graph Optimization
School of Electronic and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院）
本文提出一种平面约束辅助的多车辆协同定位方法，利用车辆位置构建道路平面约束，结合因子图优化与GNSS和测距数据，以抵抗测距中断，提升定位性能。
2023-10-10 cs.RO cs.SY eess.SP
Improved Sensing and Positioning via 5G and mmWave radar for Airport Surveillance
本文探讨了一种综合的方法，用于改善传感和定位与空中交通管理（ATM）和先进的地面运动制导和控制系统（A-SMGCS）的应用。该集成方法包括3D矢量天线与新颖的到达时间和到达角估计方法的协同作用，以实现精确定位，并结合在6 GHz以下和毫米波频谱上的感知，以增强非合作监视。对于定位范围，研究了上行链路和下行链路5G参考信号，并评估了它们的性能。对于非合作感知范围，提出了一种新的基于5G信号的成像函数，并通过真实机场无线电传播模型进行了验证，并研究了基于人工智能的目标跟踪和运动识别。基于5G的成像和基于毫米波雷达的检测可以融合在一起，以加强机场的监控。这项工作是在欧洲资助的项目NewSense中完成的，它深入研究了未来ATM解决方案的5G，Vector Momnas和mmWave功能。
2022-02-28 eess.SP
Cooperative Multi-Point Vehicular Positioning Using Millimeter-Wave Surface Reflection (Extended version)
多点车辆定位是自动驾驶车辆的一项基本操作。然而，依赖于来自目标的反射信号（即，雷达和激光雷达），不能在没有视线的情况下工作。此外，环境扫描和物体识别需要大量时间，可能会导致检测不准确，特别是在复杂的城市环境中。最近一些涉及自动驾驶汽车的致命事故进一步暴露了这种局限性。在本文中，我们的目的是克服这些限制，提出了一种新的相对定位方法，称为合作多点定位（COMPOP）。如果存在LoS路径，则COMPOP在目标车辆（TV）和感测车辆（SV）之间建立协作，其中TV通过发送定位波形明确地让SV知道TV的存在。这种合作使得消除耗时的扫描和目标识别过程成为可能，从而促进实时定位。协作的一个先决条件是一对TV和SV之间的时钟同步。为此，我们使用基于相位差的方法来从接收到的信号中去除TV-SV时钟差。利用时钟差校正，可以通过基于傅立叶变换（FT）的算法构建的3D功率谱上的峰值检测来获得TV的位置。对于没有LoS路径的情况，COMOP算法还将附近车辆在不知道其位置的情况下加入到上述协作中，并通过对实际信道参数的仿真验证了COMOP算法的有效性.
2020-08-21 cs.IT eess.SP math.IT
Joint Beam Scheduling and Beamforming Design for Cooperative Positioning in Multi-beam LEO Satellite Networks
针对多波束LEO卫星协作定位中的波束间干扰与拓扑几何问题，本文提出联合波束调度与波束赋形方案，通过CRLB建模、SDR波束设计和低复杂度调度，显著提升用户定位精度。
2024-04-01 cs.IT eess.SP math.IT
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
Optimal Weight Scheme for Fusion-Assisted Cooperative Multi-Monostatic Object Localization in 6G Networks
本文针对6G网络中协作多单站感知定位问题，提出一种基于对数线性池化函数和蒙特卡洛重要性采样的最优加权融合算法，结合多基站的ToA与AoA似然PDF，有效提升了无偏和有偏场景下的定位精度。
2024-08-29 eess.SP
AI-Empowered Low-Altitude Economy: Cooperative Sensing With Fixed Wireless Access
本文提出一种基于AI的两阶段协同感知方法，利用FWA设备的上行CSI实现无人机检测与定位，实验表明该方法能有效降低误检概率并满足3GPP要求。
2026-05-08 eess.SP
Towards Cooperative VRUs: Optimal Positioning Sampling for Pedestrian Awareness Messages
本文针对行人VAM生成频率，提出最优定位采样算法，在802.11p中降低ETSI采样率超30%，缩短VAM间隔并提升投递率，兼顾行人安全与设备能耗。
2023-12-21 cs.NI eess.SP
Synesthesia of Machines (SoM)-Enhanced Wideband Multi-User CSI Learning With LiDAR Sensing
针对宽带多用户 MIMO-OFDM 系统，提出 LiDAR 增强的 LE-CLN，利用定位、角度测量和注意力机制融合感知与 CSI，提升信道估计精度、频谱效率并减少导频开销。
2025-03-18 eess.SP
Pilot-Based End-to-End Radio Positioning and Mapping for ISAC: Beyond Point-Based Landmarks
面向6G通感一体化定位与建图，提出多基站多用户协作上行链路端到端框架，估计扩展地标并去除遮挡异常值，提升环境地图丰富度。
2025-05-12 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
Capturing vehicular space headway using low-cost LIDAR and processing through ARIMA prediction modeling
本文提出了一种低成本的系统来捕获空间车辆车头时距数据和处理的原始数据，通过过滤离群值使用一种新的过滤过程。多个传感器和模块被集成以形成系统。所使用的传感器结构紧凑、重量轻、成本低且功耗低。单光束一维光探测和测距（LIDAR）用于捕获空间前进数据，全球定位系统（GPS）用于绘制每个数据点的时间戳和位置，以及摄像机用于捕获实时覆盖日期，时间，距离和速度的视频数据。滤波技术利用自回归综合移动平均（ARIMA）预测建模和均值滤波。捕获的数据存储在Raspberry Pi模块中。随后通过使用滤波技术处理数据以获得最少的离群值。整个系统能够以非常低的成本捕获车辆的空间车头时距数据和速度，并且所获得的数据可用于车辆跟随模型分析和速度密度分析。
2019-08-13 eess.SP
Cooperative Maximum Likelihood Target Position Estimation for MIMO-ISAC Networks
本文研究MIMO-OTFS通信感知一体化网络中的目标位置估计，提出协作最大似然框架直接在公共参考系统中估计目标位置，数值结果表明该方法能随协作基站数量增加显著降低定位均方根误差。
2025-03-03 eess.SP
Cooperative Multi-Modal Localization in Connected and Autonomous Vehicles
协同定位预计将在互联和自动驾驶汽车（CAV）领域的各种应用中发挥至关重要的作用。未来的5G无线系统预计将实现具有成本效益的V2X系统，使CAV能够与网络的其他实体共享他们收集和测量的数据。通常针对该问题部署的典型测量模型是来自全球定位系统（GPS）的绝对位置、从光探测和测距（LIDAR）或无线电探测和测距（RADAR）传感器提取的到相邻车辆的相对距离和方位角。在本文中，我们提供了一种合作定位方法，执行多模态融合之间的互联车辆，通过表示一个车队的连接的汽车作为一个无向图，编码每个车辆相对于其相邻车辆的位置。该方法基于：i）拉普拉斯处理，一种图形信号处理工具，其允许捕获车辆的无向图形的内在几何形状，而不是它们在全局坐标系上的绝对位置，以及ii）由于移动车辆的运动模式而引起的时间相干性。
2021-07-16 eess.SP
Position Error Bound for Cooperative Sensing in MIMO-OFDM Networks
本文研究了JSC网络中目标位置估计精度的极限，推导了基于Fisher信息的通用框架来评估任意协作BS数量和几何配置下的定位精度，并数值验证了BS协作对提升定位精度的作用。
2024-05-30 eess.SP
Joint Beamforming and Dynamic Relay Positioning for mmWave Urban Communications
将毫米波（mmWave）频谱用于商业无线通信预期将提供每秒千比特数量级的数据速率，从而能够支持诸如车辆到车辆或车辆到基础设施通信的未来应用。然而，特别是在城市环境中，毫米波信号传播对周围物体的阻挡很敏感，导致显著的信号衰减。减轻衰减影响的一种方法是在中继的帮助下通过多跳通信。利用毫米波介质的独特特性，我们考虑一个单一的源/目的地$2$跳系统，其中一个集群的空间分布和可重构的中继用于合作放大和转发源信号到目的地。我们的系统演变的时隙，在此期间，不仅是最佳的波束成形权重集中确定，而且未来的中继位置为后续时隙的最佳选择，共同最大限度地提高预期的信号干扰噪声比在目的地。最佳的预测中继定位是通过制定一个2阶段的随机规划问题，这是有效地近似通过一个有条件的样本平均近似代理，并在一个纯粹的分布式方式解决跨继电器。所提出的近最优定位策略的功效通过与随机中继定位策略的比较来证实，清楚地证实了其优越性。
2020-02-18 eess.SP
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
Machine Learning-Aided Cooperative Localization under Dense Urban Environment
针对密集城市中可靠测量缺失及集中式定位难以扩展的问题，本文提出机器学习增强的去中心化多车协同定位方法，并通过真实地图虚拟测试平台验证其可行性与性能增益。
2024-04-05 cs.IT eess.SP math.IT
3-D Positioning and Environment Mapping for mmWave Communication Systems
毫米波（mmWave）云无线电接入网络（CRAN）为精确的协作定位提供了新的机会，其中大带宽、大天线阵列和增加的基站密度允许其无与伦比的延迟和角分辨率。将定位技术与通信技术相结合，设计同时定位与地图构建（SLAM）算法是一个具有挑战性的问题。本研究考虑三维毫米波CRAN架构中的联合位置和速度估计以及环境映射问题。本文首先将协作定位嵌入到通信中，建立了时延和角度混合测量的联合估计和映射模型。然后，我们提出了一个封闭形式的加权最小二乘（WLS）的联合估计和映射问题的解决方案。所提出的WLS估计被证明是渐近无偏的，并通过模拟确认为有效的实现克拉美-罗下限（CRLB）和所需的分米级精度。此外，我们提出了一个基于WLS网络的SLAM算法，通过嵌入神经网络到建议的WLS估计，以取代线性近似。该方法既具有神经网络强大的学习能力，又具有几何模型的鲁棒性，并通过集成学习进一步提高了定位精度。在模拟中使用公共射线跟踪数据集来测试基于WLS网络的SLAM算法的性能，该算法被证明在达到厘米级精度方面是快速有效的。
2019-08-12 cs.IT eess.SP math.IT
All-Weather sub-50-cm Radar-Inertial Positioning
The University of Texas at Austin（得克萨斯大学奥斯汀分校）
在阳光充足和干燥的气候范围之外部署自动地面车辆将需要基于无线电波而不是近可见光辐射的子车道级定位技术。与人类视觉一样，激光雷达和相机在低能见度条件下表现不佳。本文开发并演示了一种基于全天候传感器的鲁棒亚50厘米精度城市地面车辆定位的新技术。该技术将计算效率高的全局最优雷达扫描批量配准算法集成到更大的估计管道中，该管道融合了来自商用低成本汽车雷达、低成本惯性传感器、车辆运动约束以及精确GNSS测量（如果可用）的数据。性能评估广泛和现实的城市数据集。与地面实况的比较表明，在德克萨斯州奥斯汀市中心60分钟的GNSS拒绝驾驶期间，该技术在水平位置保持低于50 cm的第95百分位误差，在航向保持0.5度。
2020-10-15 cs.RO cs.SY eess.SP
High Precision Indoor Navigation for Autonomous Vehicles
Technische Hochschule Ingolstadt（因戈尔施塔特应用技术大学）；GeneSys Elektronik GmbH（GeneSys电子有限公司）；University of Castilla-La Mancha（卡斯蒂利亚-拉曼恰大学）
自动驾驶是汽车行业的重要趋势。为了开发和测试自动驾驶汽车的功能，对这一目标的持续研究需要在所有情况下精确的参考车辆状态估计。然而，即使当从即将到来的技术（如L5 GPS频带）期望车道精确定位时，在有屋顶的区域中的精确定位的问题，例如，在一个实施例中，隧道或公园房屋，仍然需要解决。本文提出了一种新的参考车辆状态估计方法。该程序包括三个主要部分。第一，纯粹基于来自惯性测量单元的信号的鲁棒静止检测。第二，通过统计滤波的车辆状态估计。第三，基于LiDAR的高精度定位方法，其提供速度、位置和定向校正数据，平均误差分别为0.1 m/s、4.7 cm和1 $^\circ$。在CPU上的测试表明了实时实现的可能性。
2020-05-14 cs.RO eess.SP
Deep Learning Based Joint Channel Estimation and Positioning for Sparse XL-MIMO OFDM Systems
Department of Electronics and Information Engineering, College of Physical Science and Technology, Central China Normal University（电子与信息工程系，物理科学与技术学院，华中师范大学）；Beijing Key Laboratory of Transportation Data Analysis and Mining, Beijing Jiaotong University（交通数据挖掘北京重点实验室，北京交通大学）；Department of Electric and Computer Engineering, Laval University（电气与计算机工程系，拉瓦尔大学）；Faculty of Engineering and Applied Science, Memorial University（工程与应用科学学院，纪念大学）
针对近场稀疏 XL-MIMO OFDM 系统，提出两阶段深度学习框架及 CP-Mamba 架构，利用定位坐标辅助信道估计，性能优于基线且稀疏阵列优势显著。
2025-07-26 cs.AI cs.LG eess.SP
Vehicular Visible Light Positioning for Collision Avoidance and Platooning: A Survey
本文综述车载可见光定位方法，提出一种性能更优的新VLP方案，并通过真实驾驶场景仿真验证其可满足防撞与编队行驶的厘米级、高于50 Hz定位需求。
2023-11-02 cs.SY eess.SP eess.SY
Cooperative Perception with Deep Reinforcement Learning for Connected Vehicles
Carnegie Mellon University（卡内基梅隆大学）；InfoTech Labs, Toyota Motor North America R&D（丰田北美研发公司InfoTech实验室）
基于传感器的车辆感知对于提高道路安全性变得越来越普遍和重要。自动驾驶系统使用摄像头、激光雷达和雷达来检测周围的物体，而人类驾驶的车辆则使用它们来辅助驾驶员。然而，单个车辆的环境感知在覆盖范围和/或检测精度上具有限制。例如，车辆无法检测到被其他移动/静态障碍物遮挡的物体。在本文中，我们提出了一个合作的感知方案与深度强化学习，以提高周围物体的检测精度。通过使用深度强化学习来选择要传输的数据，我们的方案减轻了车载通信网络中的网络负载，提高了通信可靠性。为了设计，测试和验证的合作感知方案，我们开发了一个合作与智能车辆仿真（CIVS）平台，它集成了三个软件组件：交通模拟器，车辆模拟器和对象分类器。我们评估，我们的计划减少数据包丢失，从而提高检测精度高达12%，相比基线协议。
2020-04-23 cs.AI cs.LG cs.RO
Distributed UAV-enabled zero-forcing cooperative jamming scheme for safeguarding future wireless networks
在这项工作中，我们调查的影响，两个合作的无人机（UAV）为基础的干扰机的保密性能的地面无线网络中存在的窃听。为此，我们调查的秘密区域相关的指标，干扰覆盖和干扰效率。此外，我们提出了一种混合度量，所谓的加权秘密覆盖（WSC）和虚拟分布式多输入多输出（MIMO）为基础的迫零预编码方案，以避免干扰的影响，合法的接收机。为了评估这些指标，我们推导出一个封闭形式的基于位置的度量，保密性的改善。数学推导和仿真比较表明，所提出的迫零方案提高了WSC的保密性能，为提高干扰效率提供了条件。它们还显示了合法发射机周围固定轨道上无人机的定位趋势以及最佳保密的功率分配趋势。
2021-09-28 cs.IT eess.SP math.IT
