Localization using Angle-of-Arrival Triangulation
Institute for Clarity in Documentation(清晰文档研究所);Inria Paris-Rocquencourt(巴黎- Rocquencourt 国家信息与自动化研究所);Rajiv Gandhi University(拉贾·甘地大学);Tsinghua University(清华大学);Palmer Research Laboratories(帕勒尔研究实验室);Amazon Lab126(亚马逊实验室126)
本文提出GCC+方法,通过扩展GCC-PHAT估计到达角并结合三角测量,利用多个智能设备实现无需校准和用户配合的室内说话者定位,在真实环境中达到2.2度AoA误差和1.25米定位误差。
2025-08-23 cs.HC cs.NI cs.SD
Sampling Free TDOA Localization in Millimeter Wave Networks
到达时间差(TDOA)是一种广泛使用的技术,用于根据多个接收机处的信号到达时间差来定位无线电发射机。为了使TDOA工作,各个接收器必须精确地估计相应的信号到达时间,这需要以其最高频率内容的速率(通常称为奈奎斯特速率)的至少两倍对信号进行采样。这种采样对于包括30-300 GHz范围内的频率的毫米波频带是不太实际的。在本文中,我们提出了一个能量检测架构,准确地估计从一个单一的皮秒高斯脉冲的到达时间,这使得TDOA定位,而无需在接收机采样。我们推导了估计到达时间的封闭形式的表达式,并通过仿真验证。我们证明了所提出的无采样TDOA定位毫米波发射机作为传统的采样为基础的TDOA准确。
2019-02-05 eess.SP
MASSLOC: A Massive Sound Source Localization System based on Direction-of-Arrival Estimation
MASSLOC 系统利用稀疏二维阵列和互补 Zadoff-Chu 序列实现大规模声源定位与识别,在强混响环境下对多达 14 个同时声源实现 55.7 毫米中位定位误差,展示了良好的可扩展性与鲁棒性。
2025-08-16 eess.AS eess.SP
Robust time-of-arrival localization via ADMM
本文针对不可靠TOA测量下的源定位问题,提出一种基于鲁棒损失函数和ADMM的非凸优化方法,在脉冲噪声环境中以更低计算复杂度实现更接近CRLB的定位精度。
2024-01-17 eess.SP
DCASE 2021 Task 3: Spectrotemporally-aligned Features for Polyphonic Sound Event Localization and Detection
Nanyang Technological University(南洋理工大学)
声事件定位与检测包括声事件检测和到达方向估计两个子任务。虽然声音事件检测主要依赖于时间-频率模式来区分不同的声音类别,但到达方向估计使用麦克风之间的幅度或相位差来估计源方向。因此,通常难以同时联合训练这两个子任务。我们提出了一种新的功能称为空间线索增强对数谱图(SALSA)与信号功率和源到达方向之间的精确时频映射。该特征包括与估计的直达混响比和频谱图上的每个时频点处的空间协方差矩阵的主特征向量的归一化版本一起堆叠的多通道对数频谱图。在DCASE 2021数据集上进行的声音事件定位和定向干扰检测的实验结果表明,在此新功能上训练的基于深度学习的模型的性能大大优于DCASE挑战基线。我们结合了几个架构略有不同的模型,这些模型在新功能上进行了训练,以进一步提高DCASE声音事件定位和检测挑战的系统性能。
2021-06-29 cs.AI cs.LG cs.SD
Majorization-Minimization based Hybrid Localization Method for High Precision Localization in Wireless Sensor Networks
Department of Electrical and Computer Engineering, University of Iowa(美国爱荷华大学电气与计算机工程系)
针对无线传感器网络混合源定位问题,提出基于MM原理的统一迭代定位框架,支持TOA/TDOA/RSS/AOA任意组合测量,仿真验证其在含NLOS的多场景下精度优于异质测量方案。
2025-10-06 eess.SP
Decentralized Gaussian Filters for Cooperative Self-localization and Multi-target Tracking
智能体协作自定位(CS)和多目标跟踪(MTT)的可扩展和分散算法在许多应用中是重要的。在这项工作中,我们解决的问题,同时合作自定位和多目标跟踪(SCS-MTT)下的目标数据关联的不确定性,即,测量和目标轨迹之间的关联是未知的。现有的CS和跟踪算法要么假设没有数据关联的不确定性,要么采用硬决策规则的测量到目标的关联。我们提出了一种新的分散的SCS-MTT方法的未知和时变的目标数量下关联不确定性。代理和目标的边缘后验密度是由一个有效的信念传播(BP)为基础的计划,而数据关联处理边缘化所有目标测量关联概率。基于平均一致性方案提供了分散的单高斯和高斯混合实现,其仅需要与一跳邻居通信。一个额外的新颖性是一个分散的吉布斯机制,有效地评估产品的高斯混合物。数值实验表明,与传统的定位和跟踪分离的方法相比,CS和MTT性能得到了改善。
2020-04-15 eess.SP
A State-of-the-Art Survey on Multidimensional Scaling Based Localization Techniques
当前和未来的无线应用强烈依赖于精确的实时定位。智能城市、物联网(IoT)、医疗服务、汽车工业、水下勘探、公共安全和军事系统等许多应用都需要可靠准确的定位技术。通常,最流行的定位/定位系统是全球定位系统(GPS)。GPS在室外环境中工作良好,但在室内和恶劣环境中失败。因此,许多其他的无线本地定位技术被开发基于地面无线网络,无线传感器网络(WSNs)和无线局域网(WLAN)。此外,存在融合两种或更多种技术以找出用户的位置的定位技术,也称为基于机会信号的定位。大多数定位技术需要测距测量,诸如到达时间(ToA)、到达时间差(TDoA)、到达波达方向(DoA)和接收信号强度(RSS)。也有考虑邻近信息并且不需要实际测距测量的无测距定位技术。距离无关定位算法中的距离降低技术是一种著名的方法。多维标度(MDS)是近年来在无线网络定位中广泛使用的降维技术之一。本文对无线传感器网络、物联网、认知无线电网络和5G网络中的MDS和基于MDS的定位技术进行了全面的综述。
2019-06-09 eess.SP
Exploring Dual-Sniffer Passive Localization: Algorithm Design and Experimental Results
本文提出双嗅探器被动定位系统,设计基于ToA和TDoA的定位方案,通过最小二乘算法解析估计UE位置,仿真与实验验证了TDoA方案提升了被动定位精度。
2024-10-16 eess.SP
SVD-PHAT: A Fast Sound Source Localization Method
Massachusetts Institute of Technology(麻省理工学院)
本文介绍了一种新的定位方法SVD-PHAT。SVD-PHAT方法依赖于SRP-PHAT投影矩阵的奇异值分解。还提出了一种k-d树,以加快搜索最可能的声音到达波达方向。我们表明,这种方法的准确执行SRP-PHAT,同时显着减少所需的计算量。
2019-02-11 cs.SD eess.AS eess.SP
Robust Localization in Wireless Networks From Corrupted Signals
Uppsala University(乌普萨拉大学)
我们解决的问题,基于时间的定位在无线网络中,当一个未知的部分数据被损坏的非理想信号条件。虽然基于时间的技术能够实现准确的定位,但它们对这种损坏的数据也很敏感。我们开发了一个强大的方法,适用于一系列的定位技术,包括到达时间,到达时间差和基于时间表的传输时间差。该方法是非参数的,只需要一个上限的部分损坏的数据,从而避免了分布假设的破坏噪声分布。数值实验证明了该方法的鲁棒性。
2021-03-01 cs.IT cs.LG eess.SP
UAV-Assisted 3-D Localization for IoT Networks Using a Simple and Efficient TDOA-AOA Estimator
Department of Electrical Engineering, Sharif University of Technology(谢里夫理工大学电气工程系)
本文提出一种利用单个TDOA-AOA测量对和闭式加权最小二乘估计器的代数解,实现无人机辅助物联网中基于单地面站的三维信源定位,性能接近CRLB。
2025-10-09 eess.SP
Neurodynamic TDOA localization with NLOS mitigation via maximum correntropy criterion
本文利用最大相关熵准则(MCC)对非视线(NLOS)传播条件下传统的到达时间差(TDOA)定位估计器进行了鲁棒性研究。为了统计效率,基于相关性的鲁棒损失施加在底层的到达时间组成通过联合估计的源位置和起始时间,而不是在传感器收集的时间戳的后处理中产生的TDOA对应。然后,我们采用神经动力学优化方法来解决高度非凸MCC制定。此外,我们研究了相应的投影型神经网络模型的平衡点的局部稳定性。在代表性的NLOS传播情况下的仿真研究表明,我们的神经动力学鲁棒TDOA定位解决方案是能够优于现有的几个计划的定位精度。
2021-11-09 eess.SP
Distributed Target Tracking based on Localization with Linear Time-Difference-of-Arrival Measurements: A Delay-Tolerant Networked Estimation Approach
本文提出一种分布式单时间尺度目标跟踪方法,基于TDOA测量并容忍异构延迟,通过本地LMI反馈增益确保误差稳定性,降低网络连通性与通信速率要求。
2024-12-22 cs.SI cs.SY eess.SP
Experimental Study on Probabilistic ToA and AoA Joint Localization in Real Indoor Environments
在本文中,我们研究了概率到达时间(ToA)和到达角(AoA)联合定位在真实的室内环境。为了减轻多径传播的影响,联合定位算法结合到似然函数高斯混合模型(GMM)和Von Mises-Fisher分布模型的时间偏差误差和角度的不确定性,分别。我们评估的算法性能使用专有的原型部署在室内工厂环境中的基础设施接收器在每个四个角落的天花板上的10米乘20米的部分。现场测试结果表明,我们的联合概率定位算法显着优于基线,仅使用ToA或AoA测量,并达到2-D亚米级精度在90%-ile。我们还数值证明,联合定位算法是更强大的同步误差比基线使用ToA测量。
2021-03-31 cs.NI eess.SP
Optimal Sensor Placement Using Combinations of Hybrid Measurements for Source Localization
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);University of Nottingham(诺丁汉大学)
本文针对TDOA、RSS、AOA和TOA混合测量下的静态源定位问题,基于克拉美罗界和A-最优性准则系统提出最优传感器布设策略,并通过仿真验证其有效性。
2025-04-09 cs.RO eess.SP
LocaGen: Sub-Sample Time-Delay Learning for Beam Localization
LocaGen通过子采样时延学习提升低功耗嵌入式系统中音频波束的定位精度,减少DOA误差达67%
2025-11-27 cs.SD eess.AS eess.SP
A cooperative localization-aided tracking algorithm for THz wireless systems
提出了一种适用于太赫兹(THz)无线系统的协作辅助定位与跟踪方法。它结合了到达角(AoA)跟踪算法和双向到达时间方法,以精确跟踪用户设备(UE)的位置,减少跟踪算法估计误差造成的耳聋。该算法可以由一个基站(BS)使用来估计UE位置,或者由多个BS使用,多个BS彼此协作以增加估计的准确性以及成功估计的概率并保证低估计开销。该算法的效率进行评估的耳聋和成功的AoA估计的概率,并与快速信道跟踪算法的相应性能进行比较。
2019-10-18 eess.SP
A Novel Method for Determining DOA from Far-Field TDOA or FDOA
通常使用到达时间差(TDOA)测量、到达频率差(FDOA)测量、到达波达方向(DOA)测量或所有这些的组合来执行被动源定位。对于远场中的源,由于在远场近似中出现的简化,可以从TDOA和FDOA测量中提取DOA。本文提出了这种关系式和相应的DOA估计方法。利用TDOA和FDOA测量来计算信号DOA仅需要线性求解,这使得相应的源定位技术非常有效。此外,该方法提供了接收器测量的固有去噪,因为它们被投影到接收器差分矩阵的范围上。
2018-08-14 eess.SP
Design and Experimental Evaluation of a Bluetooth 5.1 Antenna Array for Angle-of-Arrival Estimation
物联网(IoT)领域的应用是在基于卫星的全球定位不可行的特定应用环境中实时定位资产。已经评估了许多依赖于无线传感器网格系统的定位方法,但是最近的基于到达角(AoA)的蓝牙低功耗(BLE)5.1测向功能为该应用提供了低成本的解决方案。在本文中,我们提出了一个基于BLE 5.1的圆形天线阵列的实现,并进行了两个实验评估从阵列采样的检索数据的质量。具体而言,我们检索恒定音调扩展的相位值的样本,该恒定音调扩展通过计算天线对之间的相位差来实现测向功能。我们评估的采样相位数据在消声室的质量,并在现实世界的环境中使用的设置组成的四个BLE信标。
2022-10-21 eess.SP
Time Difference of Arrival Extraction from Two-Way Ranging
本工作提出从双向测距过程中提取到达时间差信息,实现被动监听者的距离估计和可扩展标签定位,无需静态或同步锚点,并正式推导了预期误差。
2024-01-03 cs.IT eess.SP math.IT
Optimal Sensor Placement for Source Localization: A Unified ADMM Approach
声源定位在雷达、无线电和水下通信等领域中起着重要的作用。在各种定位方法中,最流行的是基于到达时间(TOA)、到达时间差(TDOA)和接收信号强度(RSS)的定位方法。由于这些方法的Cramér-Rao下界(CRLB)显式地依赖于传感器的几何形状,传感器放置成为源定位应用中的关键问题。在本文中,我们考虑找到最佳的TOA,TDOA和RSS定位场景的传感器放置。我们首先统一的三个本地化模型的基础上CRLB相关的度量的广义问题制定。结合交替方向乘子法(ADMM)和优化最小化(MM)技术,提出了一个统一的传感器优化布局框架(UTMOST)。与大多数的国家的最先进的作品,建议UTMOST既不近似的设计准则,也不考虑测量中的不相关的噪声。它可以很容易地适应不同的设计标准(即A,D和E-最优性)的框架内略有修改,并产生相应的最佳传感器的位置。大量的数值实验进行展示所提出的框架的有效性和灵活性。
2022-03-04 eess.SP
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
TDOA-based localization with NLOS mitigation via robust model transformation and neurodynamic optimization
研究了非视距(NLOS)传播条件下利用到达时间差(TDOA)测量对信号源进行定位的问题。目前流行的许多基于TDOA定位的NLOS缓解方法倾向于通过凸松弛来解决其优化问题,因此计算效率低下。此外,以往的研究表明,直接操纵的TDOA度量通常会引起复杂的估计。为了克服这些挑战,我们将未知源的起始时间作为优化变量,并对其施加一定的不等式约束,以恢复潜在的到达时间框架,通过$\ell_1$ -范数鲁棒化来减小NLOS误差,最后应用一个基于增广拉格朗日量和投影定理的硬件可实现的神经动力学模型来求解所得到的非凸优化问题不平等的约束。通过大量的仿真验证,该方案可以达到一个很好的平衡之间的定位精度,计算复杂度,先验知识的要求。
2020-08-20 eess.SP
Underwater Source Localization Using TDOA and FDOA Measurements with Unknown Propagation Speed and Sensor Parameter Errors
水下声源定位问题是一个复杂而具有挑战性的问题:a)声源的传播速度往往是未知的,海洋海流的不可预测性可能导致传感器参数的不确定性b)在陆地环境中,水下声信号的传播速度比无线电信号慢得多,从而导致明显严重的多普勒效应; c)迫切需要节能技术,因此有利于具有低计算复杂度的设计。针对这些问题,提出了一种简单有效的基于到达时间差(TDOA)和到达频率差(FDOA)测量的水下声源定位方法,该方法能够处理未知的传播速度和传感器参数误差。所提出的方法减轻了多普勒效应的影响,以准确地推断源参数(即位置和速度)。推导出了这种定位的Cramer-Rao下界(CRLB),分析研究表明,该方法的性能与CRLB非常接近,特别是在小噪声条件下。数值结果不仅证实了上述结论,而且表明我们的方法优于其他竞争的方法。
2018-07-25 eess.SP
Wireless Localization for mmWave Networks in Urban Environments
毫米波(mmWave)技术有望成为5G无线网络的主要组成部分。毫米波信号的超宽带宽以及在发射器和接收器处利用大量天线的可能性允许在时域和角域中准确识别多径分量,使得毫米波系统有利于定位应用。在本文中,我们分析了两步毫米波定位方法的性能,该方法可以利用到达时间,到达角和离开角从多个节点在城市环境中的视线(LOS)和非LOS(NLOS)链路。网络与/不无线电环境映射(REM)被认为是,其中一个网络与REM是能够本地化附近的散射体。由于似然函数中的大量局部最优值,UE位置的估计是具有挑战性的。为了解决这个问题,梯度辅助粒子滤波(GAPF)估计器提出了准确地估计用户设备(UE)的位置以及附近的散射点的位置。蒙特卡罗模拟表明,GAPF估计性能匹配的Cramer-Rao界(CRB)。估计器还用于创建REM。可以看出,通过增加光束方向性或利用REM可以实现显着的定位增益。
2018-05-29 eess.SP
What Makes Sound Event Localization and Detection Difficult? Insights from Error Analysis
Nanyang Technological University(南洋理工大学)
声事件定位与检测(SELD)是一个新兴的研究课题,旨在统一的任务,声音事件检测和到达方向估计。因此,SELD继承了这两项任务的挑战,例如噪声,混响,干扰,复调和声源的非平稳性。此外,SELD通常面临将检测到的声音类别与到达方向之间的正确对应分配给多个重叠声音事件的额外挑战。先前的研究表明,混响环境中的未知干扰往往会导致SELD系统性能的严重下降。为了进一步了解SELD任务的挑战,我们对两个SELD系统进行了详细的错误分析,这两个系统都在DCASE SELD挑战赛的团队类别中排名第二,一个在2020年,一个在2021年。实验结果表明,由于难以检测所有感兴趣的声音事件,复调是SELD的主要挑战。此外,SELD系统倾向于对训练集中占主导地位的复调场景犯更少的错误。
2021-10-02 cs.AI cs.LG cs.SD
Bi-Static Sensing for Near-Field RIS Localization
我们解决了本地化的可重构智能表面(RIS)的单输入单输出多载波系统使用固定的发射机和固定的接收机之间的双基地感测。由于大尺寸RISs的部署,可能会出现近场(NF)场景,特别是对于室内应用,并且是这项工作的重点。我们首先推导出的Cramer-Rao界(CRBs)的RIS位置和方向的估计误差和到达时间(TOA)的路径发射机-RIS-接收机。我们提出了一个多阶段的低复杂度估计RIS本地化的目的。在这个建议的估计器中,我们首先执行线搜索来估计TOA。然后,我们使用NF信号模型的远场近似隐式地估计到达角和离开角在RIS中心。最后,通过拟牛顿法对RIS位置和方向估计进行了改进。仿真结果表明,该估计器可以达到CRB。我们还研究了几个影响因素对所提出的估计的准确性,如RIS的大小,发射功率,系统带宽,和RIS的位置和方向的影响。
2022-07-08 eess.SP
Acoustic Source Localization in Shallow Water: A Probabilistic Focalization Approach
本文提出了一种用于浅海声源被动定位的贝叶斯估计方法。我们的概率聚焦方法通过将到达波达方向(DOA)观测与基于统计模型预测的DOA相关联来估计时变源位置。嵌入式射线追踪使得结合环境参数和表征非线性声波导成为可能。我们证明了我们的方法相比,使用SWellEx-96实验期间收集的数据匹配场处理的性能优势。
2021-09-14 eess.SP
Receiver-Centric TDOA Localization Framework for DAB Signals under Synchronization Impairments
School of Engineering and Natural Sciences, Istanbul Medipol University(伊斯坦布尔医学波利大学工程与自然科学学院)
针对GNSS拒止环境中的同步损伤问题,提出基于DAB信号的接收端中心多通道TDOA定位框架,利用空符号和相位参考符号实现同步,通过双差分、峰值旁瓣比加权和偏差校正提高鲁棒性,并采用CT-EKF滤波提升精度。
2026-05-26 eess.SP
LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning
TU Berlin(柏林工业大学);LMU München(慕尼黑大学)
本文论述了在密集的城市场景中的蜂窝网络中的定位问题。全球导航卫星系统(GNSS)通常在城市环境中表现不佳,在城市环境中视线条件的可能性较低,因此需要替代的定位方法以获得良好的精度。我们介绍LocUNet:一种用于定位的深度学习方法,其仅基于来自基站(BS)的接收信号强度(RSS),与依赖于到达时间或到达角度信息的方法不同,其不需要在用户设备处相对于设备标准操作的计算复杂度的任何增加。在所提出的方法中,待定位的用户将来自BS的RSS报告给可以位于云中的中央处理单元(CPU)。或者,可以在用户处本地执行定位。使用BS的估计路径损耗无线电地图,LocUNet可以以最先进的精度定位用户,并且对无线电地图中的不准确性具有很高的鲁棒性。所提出的方法不需要预先采样的环境,是适合于实时应用,由于RadioUNet,一个基于神经网络的无线电地图估计。我们还介绍了两个数据集,允许在现实的城市环境中的RSS和到达时间(ToA)方法的数值比较。
2022-02-03 cs.LG cs.NI eess.SP
Parametric Models for DOA Trajectory Localization
波达方向(DOA)估计或源定位在许多应用中是一个重要的问题,已经提出了许多算法。大多数定位方法使用块级处理,其结合多个数据快照来估计块内的DOA。假设DOA在块持续时间内是恒定的。然而,这些假设往往违反由于源运动。在本文中,我们提出了一个信号模型,捕获块内的DOA的线性变化。我们采用传统的波束形成(CBF)算法,该模型估计线性DOA轨迹。此外,我们制定了建议的信号模型作为一个块稀疏模型,随后推导出稀疏贝叶斯学习(SBL)算法。仿真结果表明,该线性参数DOA模型和相应的算法比传统的信号模型和方法更准确地捕获运动源的DOA轨迹。
2022-04-20 eess.AS eess.SP
Cooperative Cellular Localization with Intelligent Reflecting Surface: Design, Analysis and Optimization
针对蜂窝网络多目标定位中回波微弱和测量关联复杂的问题,提出利用智能反射面(IRS)辅助定位,通过联合优化目标关联、IRS相移和驻留时间来最小化最大CRLB,并推导了单目标定位的闭式解与性能下界。
2024-01-05 cs.IT eess.SP math.IT
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
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
Utilizing acceleration measurements to improve TDOA based localization
本文提出一种基于改进扩展卡尔曼滤波器的定位算法,融合UWB系统的TDOA结果与单加速度计测量数据,并通过仿真和实验验证其有效性。
2024-03-28 eess.SP
Noise Suppression for Time Difference of Arrival: Performance Evaluation of a Generalized Cross-Correlation Method Using Mean Signal and Inverse Filter
Institute for Rural Engineering, National Agriculture and Food Research Organization (NARO)(国立农业食品研究组织农村工学研究所)
本文提出GCC-MSIF方法,通过引入均值信号和逆滤波器,提升低信噪比环境下时差估计的鲁棒性和准确性。
2025-12-05 eess.AS eess.SP
A Probabilistic Focalization Approach for Single Receiver Underwater Localization
针对浅水环境下单移动接收机的被动声学声源定位存在测量来源不确定性的问题,提出一种结合概率数据关联的概率聚焦贝叶斯估计方法,可匹配TDOA观测与模型预测以估计时变声源位置,且经真实声学数据验证了性能。
2024-06-24 eess.SP
Nanosecond-precision Time-of-Arrival Estimation for Aircraft Signals with low-cost SDR Receivers
飞机和无人机信号的精确到达时间(TOA)估计对于包括飞机/无人机跟踪、空中交通数据验证或自定位在内的广泛应用非常重要。我们在这项工作中的重点是TOA估计方法,可以运行在低成本的软件定义无线电(SDR)接收器,广泛部署在模式S / ADS-B众包传感器网络,如OpenSky网络。我们评估实验经典的TOA估计方法,这是基于与重建的消息模板的互相关,并发现这些方法是不是最佳的,这样的信号。我们提出了两种替代方法,为低成本SDR接收器捕获的真实世界的模式S / ADS-B信号提供卓越的结果。最好的方法实现了1.5 ns的标准偏差误差。
2018-02-20 cs.NI eess.SP
Optimal Sensor Placement for Hybrid Source Localization Using Fused TOA-RSS-AOA Measurements
结合混合测量的源定位技术提高了位置估计的可靠性和准确性。给定一组可以收集组合的到达时间(TOA)、接收信号强度(RSS)和到达角(AOA)测量的混合传感器,可以通过优化设计混合传感器的布置来进一步提高定位精度。在本文中,我们提出了一个最佳的传感器放置方法,这是基于优化-最小化(MM)的原则,混合定位技术。我们首先推导出混合测量模型的Cramer-Rao下界(CRLB),并使用A-最优准则制定设计问题。接下来,我们引入一个辅助变量来重新制定的设计问题成一个等价的鞍点问题,然后构建简单的代理函数(具有封闭形式的解决方案)的原始和对偶变量。MM在本文中的应用是不同于传统的MM(通常是开发的原始变量),我们相信,MM框架开发的本文可以用来解决许多优化问题。与大多数现有的最先进的算法(本质上主要是分析性的)相比,我们的方法的主要优点是它能够同时处理测量中的不相关和相关噪声。我们还讨论了基于D和E最优准则的最优布局设计的算法的扩展。最后,在不同噪声条件和不同的设计参数下,研究了所提出的方法的性能。
2022-04-13 eess.SP
Feasibility of GNSS-free Localization: A TDoA-based Approach Using LoRaWAN
LoRaWAN由于终端节点的低功耗、长距离、高抗多径性、低成本以及使用免许可的sub-GHz频段而引起了极大的关注。因此,LoRaWAN正在逐渐取代Wi-Fi和蓝牙在物联网应用中的地位,包括公用事业计量、智能城市和本地化。特别地,由于GNSS的室内覆盖差和高功耗,在室内和低功率域中,基于Wi-Fi、蓝牙、超宽带、5G等的全球导航卫星系统(GNSS)的替代品已经激增。由于本地化的需求只会随着密集的物联网部署而激增,LoRaWAN被视为在此背景下有前途的解决方案。实际上,已经进行了采用诸如到达时间(ToA)、到达时间差(TDoA)和接收信号强度指数(RSSI)的各种技术的许多尝试,以使用LoRaWAN来实现定位。然而,这种情况下的一个显著缺点是缺乏关于路径损耗和信号传播建模的广泛数据,特别是在印度的城市景观中。另一个缺点是,在某个阶段使用全球导航卫星系统主要是为了网关的时间同步。在这项工作中,我们试图消除基于LoRaWAN的本地化的这两个缺点。这项工作的第一部分介绍了LoRaWAN传输的实验数据在一个典型的城市建筑物内研究信号传播和路径损耗。后一部分提出了一种使用LoRaWAN的独立无GNSS本地化方法,该方法通过应用基于TDoA的协作方法来实现。在网络中引入了一个额外的固定节点,以允许在没有GNSS的情况下实现网关的同步。最后,在一个三角形的网关的定位误差的分布和定时分辨率的影响,空…
2021-07-30 cs.NI eess.SP
Common-Transmitter Multipath-Aware TDoA Localization for Acoustic Backscatter-Enabled IoUT Networks
United Arab Emirates University(阿联酋大学)
针对水下物联网网络中无源/半无源标签定位难题,提出无时钟共发射机TDoA框架,通过接收机端差分消除相关延迟,用加权非线性最小二乘估计器结合多种因素,仿真显示该方法能降低误差、提高成功概率。
2026-07-28 eess.SP
Multi-Agent Reinforcement Learning for Base Station Placement in TDOA-Based Localization
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡大学)
针对TDOA定位的基站部署问题,提出射线追踪辅助的MARL框架,在校园数据集上训练PPO智能体,其定位精度与传统GDOP方法相当,可选择性降低定位误差。
2026-07-31 eess.SP
On the Dilution of Precision for Time Difference of Arrival with Station Deployment
本文旨在揭示运动目标跟踪算法的性能和跟踪锚(站)部署之间的关系。研究了锚点布设对到达时间差(TDoA)测量精度的影响。线性估计器和非线性估计器用于TDoA算法。研究结果如下:对于线性估计器,当其他锚点分散在中心锚点周围时,DoP获得较低的值;对于非线性估计器,当锚点分散在目标标签周围时,DoP是最优的。针对定位精度与锚点部署相关的问题,结合超宽带实时定位系统中的运动目标跟踪实际情况,采用卡尔曼滤波器(KF)对两种算法进行了实验。这项工作为在基于UWB的跟踪系统中部署锚点提供了指导。
2021-12-10 eess.SP
Unified Constrained Geometric Configuration Optimization for Source Localization Systems: A Riemannian Manifold-Based Approach
College of Information Science and Engineering, Hohai University(河海大学信息科学与工程学院);School of Information and Communication Engineering, Hainan University(海南大学信息与通信工程学院)
本文提出基于黎曼流形的统一约束几何构型优化算法(RM-CGCOA),用于优化五种源定位系统的传感器几何构型,在满足距离和角度约束下显著降低位置误差界并提升运行效率。
2026-09-14 eess.SP
Distributed ToA Localization of Acoustic Sources with Unknown Time of Emission via Operator Splitting
Institute for Systems and Robotics (ISR), LARSyS, Instituto Superior Técnico (IST), University of Lisbon, Portugal(里斯本大学高等技术学院系统机器人研究所(ISR),LARSyS)
针对非合作声源被动定位中发射时间未知的问题,提出将定位重构为ToA问题,采用基于边的分布式ADMM求解,推导闭式更新并证明收敛性,仿真验证有效性。
2026-09-10 cs.SY eess.SP eess.SY
Data-Driven Nonlinear TDOA for Accurate Source Localization in Complex Signal Dynamics
针对传统TOA、TDOA方法因假设传播速度恒定导致复杂动态信号源定位不准的问题,提出数据驱动的非线性TDOA方法,联合学习传播速度与源位置,在医疗、灾害场景下少量测量即可实现精准定位与传播预测。
2024-08-12 cs.SY eess.SP eess.SY
Bluetooth Low Energy Dataset Using In-Phase and Quadrature Samples for Indoor Localization
本文构建并验证了一个基于BLE同相和正交样本的室内定位数据集,结合TI PDoA验证AoA真值标签,并用高斯过程回归实现距离估计。
2024-12-02 cs.LG eess.SP
Cramer-Rao Bound for Angle of Arrival Estimates in True-Time-Delay Systems
本文推导了真时间延迟系统中到达角估计的CRB,并通过数值评估分析其性质,利用ML和已建立的估计器方法解决角度估计问题。
2026-01-07 eess.SP
Mobility-Aware Localization in mmWave Channel: Adaptive Hybrid Filtering Approach
University of Rwanda(卢旺达大学);Hanyang University(汉阳大学);University of Novi Sad(诺维萨德大学)
针对毫米波信道中移动用户定位误差随速度增大的问题,提出自适应混合滤波框架,按速度选择扩展或无迹卡尔曼滤波,结合噪声缩放、卡方门控与平滑,实现30-60%精度提升。
2025-10-08 eess.SP
Compressed-Sensing-Based 3D Localization with Distributed Passive Reconfigurable Intelligent Surfaces
在本文中,可编程信号传播范例,使可重构智能表面(RISs),利用高精度$3$ -维(3D)用户定位与一个单一的多天线基站。利用无源RISs的可调反射能力,我们提出了一种利用多反射无线环境的两阶段用户定位方法。在第一阶段,我们部署了一个离网压缩感知的方法,这是基于原子范数最小化,用于估计与每个RIS,这是其次,在第二阶段,由最大似然位置估计初始化的最小二乘线相交技术的到达角。数值结果显示了所提出的三维定位方法的高精度,验证了我们的理论Cramér Rao下限分析。
2022-10-27 eess.SP
Kalman filter based localization in hybrid BLE-UWB positioning system
本文提出一种以BLE的RSS定位为主、周期利用UWB的TDOA测量进行校正的混合定位系统,并基于卡尔曼滤波算法实现高能效定位,仿真与实验验证了其有效性。
2024-04-02 eess.SP
CLEAR: A Closed-Form Minimal-Sensor TDOA/FDOA Estimator for Moving-Source IoT Localization
本文提出名为CLEAR的闭式两阶段定位估计器,仅用N+1个传感器融合TDOA/FDOA测量实现N维移动源定位,经仿真验证精度接近CRLB,优于基线方法,适用于功率受限的分布式物联网场景。
2025-10-05 eess.SP
Acoustic, VOC, and Multimodal Stress Source Localization in the Internet of Plants
Koç University(科奇大学);University of Cambridge(剑桥大学)
提出一种两阶段粗到细定位流程,结合声学到达时间差多边定位和VOC弥散格林函数模型,实现植物网络中胁迫源的空间定位。
2026-06-16 eess.SP