Improving Channel Charting using a Split Triplet Loss and an Inertial Regularizer
信道制图是一种新兴技术，其通过对在基础设施基站或接入点处被动收集的大的信道状态信息（CSI）数据库执行降维来实现用户设备的自监督伪定位。在本文中，我们介绍了一种新的降维方法，专门设计用于信道制图使用一种新的分裂三重损失，它利用物理信息在CSI采集过程中。此外，我们提出了一种新的正则化，利用惯性的物理概念，这显着提高了学习的通道图的质量。我们提供了一个实验验证我们的方法，使用合成和真实世界的测量CSI数据集，我们证明了我们的方法是能够超越国家的最先进的通道制图的基础上的三重损失。
2021-10-21 cs.IT eess.SP math.IT
Uncertainty-Aware Dimensionality Reduction for Channel Charting with Geodesic Loss
针对基于相异度度量的信道制图在非凸结构下的距离失配问题，提出测地线损失与不确定性概率建模，支持多度量融合及惯性动态约束，并在实测数据集上验证定位性能提升。
2024-12-02 cs.IT eess.SP math.IT
A Signature Based Approach Towards Global Channel Charting with Ultra Low Complexity
本文提出基于签名变换的信道图谱方法，通过紧凑特征映射和新颖距离度量，以超低复杂度同时保持局部与全局几何结构，并在合成与实测数据集上验证了有效性。
2024-03-29 cs.IT eess.SP math.IT
Channel Charting: Locating Users within the Radio Environment using Channel State Information
我们提出了信道制图（CC），一种新的框架，其中多天线网络元件学习在其周围区域的无线电几何图形的图表。通道图捕获区域的局部空间几何形状，使得在空间上接近的点在通道图中也将接近，反之亦然。CC以完全无监督的方式工作，即，学习仅基于信道状态信息（CSI），所述信道状态信息是在空间中的单个点处被动收集的，但是是随时间从该区域中的多个发射位置收集的。然后，该方法提取表征无线信道的大尺度衰落特性的信道特征。最后，使用降维、流形学习和深度神经网络工具生成通道图。执行CC的网络元件可以是例如蜂窝系统中的多天线基站和服务小区中的图表区域。与发射机的位置和运动有关的逻辑关系，例如，小区中的用户设备（UE）然后可以通过将测量的无线电信道特性与信道图进行比较而直接推断。CC的无监督性质使得能够在UE定位、网络规划、用户调度、多点连接、切换、小区搜索、用户分组以及依赖于CSI和UE相对于基站的移动的其他认知任务中实现一系列新的应用，而不需要来自全球导航卫星系统的信息。
2018-08-21 cs.IT eess.SP math.IT
Global Scale Self-Supervised Channel Charting with Sensor Fusion
EURECOM（欧洲通信研究院）；Northeastern University（东北大学）
针对6G射频感知定位精度不足的问题，提出融合TRP到达时间、位置及激光扫描数据的自监督信道图谱方法，实现90%情况下亚米级定位并优于现有方法。
2024-05-07 cs.AI cs.IT math.IT
Angle-Delay Profile-Based and Timestamp-Aided Dissimilarity Metrics for Channel Charting
提出融合角域信息与时间戳的新型不相似性度量方法，通过深度学习与流形学习提升 sub-6GHz 大规模 MIMO 信道图表绘制性能，在非视距条件下优于现有方法。
2023-09-07 cs.IT eess.SP math.IT
CSI2Vec: Towards a Universal CSI Feature Representation for Positioning and Channel Charting
本文提出CSI2Vec自监督框架，通过跨场景和硬件设置学习通用CSI向量嵌入，在不依赖位置标签和CSI重建的情况下实现高效定位与信道图绘制。
2025-06-05 cs.IT eess.SP math.IT
Leveraging the Doppler Effect for Channel Charting
针对现有信道图谱构建方法对基站相位、时间同步或角域信息要求过高的问题，提出基于多普勒效应的损失函数，仅需频率同步，经室内数据集验证仅用4根天线即可实现可行的全局定位且性能更优。
2024-04-15 cs.IT eess.SP math.IT
Supervised Device Charting with CSI Measurements from Commercial 5G NR User Equipments
ETH Zurich（苏黎世联邦理工学院）
本文提出监督设备图表化，利用5G NR CSI指纹生成低维可视化图表，通过NLER评估，实现设备识别与分布偏移分析。
2026-09-22 cs.IT eess.SP math.IT
Improving Channel Charting with Representation-Constrained Autoencoders
最近已经提出了信道制图（CC），以使得能够仅根据信道状态信息（CSI）在多天线基站的邻域中对用户设备（UE）进行逻辑定位。CC依赖于高维CSI特征的降维，以便构造捕获空间和无线电几何形状的信道图，使得空间上接近的UE在信道图中接近。在本文中，我们证明了自动编码器（AE）为基础的CC可以增加边信息，在CSI采集过程中获得。更具体地说，我们建议将成对表示约束纳入AE，目标是提高学习的信道图的质量。我们表明，这种表示约束的AE恢复了学习的信道图的全局几何形状，这使得CC能够在没有全球导航卫星系统或依赖于广泛而昂贵的测量活动的监督学习方法的情况下执行近似定位。
2019-08-07 cs.IT eess.SP math.IT
CSI Compression using Channel Charting
Univ Rennes（雷恩大学）；INSA Rennes（雷恩国立应用科学学院）；CNRS（法国国家科学研究中心）；IETR-UMR 6164（雷恩电子与电信研究所）；Mitsubishi Electric R&D Centre Europe（三菱电机欧洲研发中心）
本文研究将无监督降维方法信道图谱用于FDD系统中的CSI压缩，利用图谱位置作为CSI的低维表示，并在真实感合成数据上与基线方法对比，验证了该方法的有效性。
2024-12-16 cs.IT cs.LG eess.SP
CSI-Based User Positioning, Channel Charting, and Device Classification with an NVIDIA 5G Testbed
ETH Zurich（苏黎世联邦理工学院）；NVIDIA（英伟达）
本文发布三个真实世界5G NR上行信道的CSI数据集，用于神经UE定位、信道成图和设备分类，展示了高精度的实验结果。
2025-12-11 cs.IT eess.SP math.IT
CSI Obfuscation: Single-Antenna Transmitters Can Not Hide from Adversarial Multi-Antenna Radio Localization Systems
University of Stuttgart（斯图加特大学）
针对单天线发射机通过信号混淆保护位置隐私的局限性，本文提出一种基于盲多信道识别的CSI恢复方法，使多天线接收机无视信号内容可靠定位用户，并通过真实测量验证了其有效性。
2025-08-04 cs.IT cs.LG eess.SP
Model-based Deep Learning for Beam Prediction based on a Channel Chart
Univ Rennes（雷恩大学）；INSA Rennes（雷恩国立应用科学学院）；CNRS（法国国家科学研究中心）；Mitsubishi Electric R&D Centre Europe（三菱电机欧洲研发中心）；Aalto University（阿尔托大学）
本文提出基于模型的神经网络架构，利用信道图位置作为低维信道状态信息表示，使多个基站无需完整信道估计即可直接预测波束，并在合成信道上验证了其有效性。
2023-12-04 cs.AI cs.IT cs.LG
Primary User Localization and Online Radio Cartography via Structured Tensor Decomposition
本文研究了利用多路频谱表示进行声源定位和无线电制图的问题。提出了一个矩阵分解和张量分解的联合问题，并使用迭代算法求解。多路测量的频谱被组织在张量中，并且通过传播张量和信道增益矩阵的乘法来建模。张量指示随着时间的推移来自每个位置和每个频率的传播功率，并且信道矩阵将传播张量链接到感测到的频谱。我们利用频谱的稀疏性和其他固有特性来确定所提出的问题的解决方案。此外，所提出的框架的在线实施的结果在在线无线电制图，这是一个强大的工具，有效的频谱意识和利用。仿真结果表明，我们的算法是一个很有前途的技术，动态主用户定位和在线无线电制图。
2019-05-10 cs.IT eess.SP math.IT
A Guide of Fingerprint Based Radio Emitter Localization using Multiple Sensors
位置信息对于各种应用程序都是必不可少的。无线分布式传感器是物联网的关键技术之一，对环境的检测是其中最重要的环节之一。基于指纹的方法是将预先采集到的位置唯一指纹与从目标上测量到的指纹进行比较，近年来引起了学术界和工业界的广泛关注。本文从实际应用的角度出发，介绍了基于指纹的无线电辐射源定位系统的四种典型方法，并给出了四种典型应用：用于考试中的反作弊的LTE智能电话的定位、Wi-Fi终端的室内定位、使用占用者的位置信息的BEMS中的局部化光控制，以及室外环境中的非法无线电定位。基于不同的实际应用场景，不同的解决方案，旨在提高定位性能，进行了详细的讨论。据作者所知，这是第一篇从指纹选择、硬件结构设计和算法改进等方面为读者提供指纹定位系统的指导的论文
2018-04-06 cs.IT eess.SP math.IT
Clock and Orientation-Robust Simultaneous Radio Localization and Mapping at Millimeter Wave Bands
提出了一种基于稀疏多径信道估计的无线电同步定位与测绘（radio-SLAM）方案。通过利用稀疏信道估计方案在毫米波波段，即高分辨率估计的多径到达角（AoA），到达时间差（TDoA），和出发角（AoD），我们开发了一个无线电SLAM算法，操作没有任何要求的时钟同步，接收机方向的知识，多个锚点，或双向协议。由于通过信道的压缩感知（CS）获得的AoD信息，所提出的方案可以从单个锚点传输估计接收器时钟偏移和方向，从而在现实的典型信道仿真中实现亚米级精度。
2022-12-27 cs.IT eess.SP math.IT
Radio Localization and Sensing -- Part II: State-of-the-art and Challenges
这封信是关于无线电定位和传感的两封信教程的一部分，重点是移动无线电系统，即，5G及以后在第一部分的基础上，重点介绍了基础知识，在这里，我们将更深入地了解最先进的技术进步以及6 G，涵盖与建模，覆盖范围和准确性相关的推动因素和挑战。
2022-09-01 cs.IT cs.SY eess.SP
Radio Localization and Sensing -- Part I: Fundamentals
这封信是关于无线电定位和传感的两封信教程的一部分，重点是5G毫米波及以上的移动无线电系统。第一部分介绍了基本原理，包括相关文献的概述，以及定位和传感问题的不同方面。然后，不同的性能指标，这是重要的方法的评估。方法在这封信的最后一部分有详细说明。因此，第一部分为第二部分深入探讨更具前瞻性的问题提供了必要的背景。
2022-09-03 cs.IT cs.SY eess.SP
Model-based Implicit Neural Representation for sub-wavelength Radio Localization
本文提出基于模型的神经网络改进指纹定位，实现亚波长精度，降低内存需求，提升复杂NLoS环境下的定位准确性。
2026-03-16 cs.AI cs.IT cs.LG
MmWave 6D Radio Localization with a Snapshot Observation from a Single BS
精确和无处不在的定位对于各种应用至关重要，例如物流，导航，智能交通，监控，控制以及通信。在5G和5G以后的系统中利用毫米波（mmWave）信号可以在有限的基础设施下提供准确的定位。我们考虑单基站（BS）定位问题，并将其扩展到非同步多天线用户设备（UE）的三维位置和三维方向估计，使用下行链路多输入多输出正交频分复用（MIMO-OFDM）信号。通过Fisher信息分析，我们表明，该问题往往是可识别的，只要有至少一个多径分量除了视线（LoS），即使相应的入射点（IP）的位置是先验未知的。随后，我们提出了一个最大似然（ML）估计问题，联合估计的3D位置和3D方向的UE以及几个滋扰参数（UE的时钟偏移和IP的位置对应于多径）。ML问题是一个高维的非凸优化问题，其目标是欧氏流形和非欧氏流形的乘积。为了避免复杂的穷举搜索程序，我们提出了一个几何初始估计的所有参数，这减少了问题的一维搜索在有限的时间间隔。数值结果表明，所提出的ad-hoc估计的效率，其差距的Cramér-Rao界（CRB）收紧使用ML估计。
2022-12-01 cs.IT eess.SP math.IT
Joint Scatterer Localization and Material Identification Using Radio Access Technology
几十年来，蜂窝网络技术和雷达传感技术一直在并行发展。与开发两种单独的技术不同，预计6G蜂窝网络将自然地支持通信和雷达功能，并共享硬件和载波频率。在这方面，基于无线电接入技术（RAT）的散射体定位系统是联合通信和感测系统（JCAS）的重要方面之一，其使用收发器之间的通信信号来确定传播路径中和周围的散射体的位置。在这篇文章中，我们首先确定了基于RAT的散射体定位系统的挑战，然后提出了室内环境中三种常见建筑材料的单次和多次反弹反射损耗（RL）模拟结果。我们还提出了两种新的方法来联合定位和识别的散射体的类型在一个丰富的散射环境。
2021-10-08 cs.IT math.IT
RadioDiff-v2: Generative Angular Radio Maps for Multi-Beam Selection and Localization
State Key Laboratory of ISN and School of Telecommunications Engineering, Xidian University（信息与通信工程国家重点实验室和西安电子科技大学电信工程学院）
研究6G网络中角度无线电地图相关问题，提出双分支一维扩散变压器RadioDiff-v2，经流匹配训练，结合多种技术，在零样本测试中各指标领先基线，实现多波束选择和接收器定位。
2026-07-10 cs.IT cs.LG eess.SP
Real-time Localization Using Radio Maps
TU Berlin（柏林工业大学）；University of Tromsø（特罗姆瑟大学）
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。全球导航卫星系统通常在城市环境中表现不佳，当设备和卫星之间没有视线时，因此通常需要替代的定位方法。我们提出了一个简单而有效的方法定位的基础上的路径损耗。在我们的方法中，要定位的用户报告从具有已知位置的一组基站接收的信号强度。对于每个基站，我们在地图中每个位置都有一个很好的路径损耗近似值，由RadioUNet提供，RadioUNet是城市环境中基于深度学习的有效路径损耗函数模拟器，类似于射线跟踪。使用所有基站的路径损耗函数和报告的信号强度的近似值，我们能够提取用户的位置的非常准确的近似值。
2020-06-09 cs.IT cs.LG eess.SP
Optimal Fronthaul Quantization for Cloud Radio Positioning
借助于云无线电接入网络（C-RAN）实现的无线定位系统可以提供成本有效的解决方案，特别是对于室内定位。在C-RAN中，基于通过有限容量前传链路从RU接收的量化基带信号，在集中控制单元（CU）处执行包括定位的基带处理。在本文中，最大化的定位精度在前传量化/压缩的问题，制定通过采用Cramér-Rao界（CRB）的定位精度作为性能指标的兴趣和信息理论界的压缩率。该分析通过稳健的或最坏情况的优化公式明确说明了CU处参数的不确定性。该算法利用Charnes-Cooper变换和差分凸（DC）规划，并通过数值结果进行验证。
2016-01-05 cs.IT math.IT
Source Localization and Tracking for Dynamic Radio Cartography using Directional Antennas
利用定向天线是一种有效的频谱感知和精确的源定位和跟踪的解决方案。配备定向天线的频谱传感器应不断扫描空间，以跟踪发射源并发现感兴趣区域的新活动。在本文中，我们提出了一种新的配方，统一接收信号强度（RSS）和波达方向（DoA）的压缩感知（CS）的框架。底层CS测量矩阵是传感器的波束成形向量的函数，并且被称为传播矩阵。与全向天线的情况相比，我们采用的传播矩阵提供了更多的非相干投影，这是压缩感知理论中的一个重要因素。基于新的公式，我们优化天线波束，提高频谱感知效率，跟踪活跃的主用户准确和监测频谱活动在一个感兴趣的区域。在许多实际场景中，没有融合中心来整合来自频谱传感器的接收数据。我们提出了分布式版本的算法，这种情况下。实验结果表明，在源定位精度的显着改善，相比的情况下，当传感器配备全向天线。动态无线电制图的建议框架的适用性。此外，将估计的动态RF图随时间与地面实况进行比较，证明了我们提出的方法用于精确信号估计和恢复的有效性。
2019-05-21 cs.IT eess.SP math.IT
A Message Passing based Adaptive PDA Algorithm for Robust Radio-based Localization and Tracking
我们提出了一个消息传递算法的定位和跟踪在多路径倾向的环境中，隐含地考虑视线受阻的情况。建议的自适应概率数据关联算法推断的位置，移动代理使用多个锚通过利用延迟和幅度的多径分量（MPC），以及它们各自的不确定性。通过采用一个非均匀的杂波模型，我们使算法，以促进MPC中包含的位置信息，以支持估计的代理位置，而无需确切的知识的环境几何形状。我们的算法以在线方式适应于每个锚点的时变信噪比和视线（LOS）存在概率。在一个数值分析，我们表明，该算法是能够可靠地运行在强多径传播的环境中，即使所有锚点的临时障碍同时发生。
2021-03-25 cs.IT math.IT
SymNetPro: LOS-Aware Directional Multi-Transmitter Localization from Sparse Radio Observations
SymNetPro通过LOS感知注意力偏置和发射器丢弃增强，在稀疏观测下提升定向多发射器定位精度，显著降低OSPA。
2026-10-07 cs.CV cs.IT math.IT
UAV-aided Wireless Node Localization Using Hybrid Radio Channel Models
EURECOM（欧洲通信学院）
研究了基于无人机接收信号强度测量的地面用户定位问题。将无人机-用户链路信道模型参数和无人机天线辐射方向图作为未知量进行估计。提出了一种混合信道模型，该模型由传统的路径损耗模型和近似无人机天线增益函数的神经网络组成。利用该模型和一组离线RSS测量，估计未知参数。然后，我们采用粒子群优化（PSO）技术，利用学习的混合信道模型以及三维地图的环境，以准确地定位地面用户。所开发的算法的性能进行评估，通过模拟和现实世界的实验。
2022-05-06 cs.AI cs.IT math.IT
Fundamental Bounds on Radio Localization Precision in the Far Field
本文从实验和理论上研究了远场接收信号强度（RSS）测量无线电定位精度的基本界限。RSS测量与功率流测量成比例，功率流测量在与辐射的相干时间相比长的周期上时间平均。我们的实验是在一个新的本地化设置使用2.4GHz的准单色辐射，这对应于12.5厘米的平均波长。我们的实验和理论表明，RSS测量是互相关的最小距离，接近衍射极限，这等于一半的平均波长的辐射。我们的实验表明，测量RSS超过一个样本每一半的平均波长的采样密度不增加本地化精度，作为根均方误差（RMSE）渐近收敛到大约一半的平均波长。这增加了衍射极限确定（1）定位精度的下限和（2）提供最佳定位精度的采样密度的证据。我们通过实验验证了Fisher信息，Cramér-Rao下限（CRLB）和不确定性之间的理论关系，其中不确定性是由相干性和散斑理论导出的衍射下界。当我们将Fisher信息与衍射相协调时，CRLB与实验结果的准确度为97- 98%。
2016-02-23 cs.IT math.IT physics.class-ph
Positioning via Direct Localization in C-RAN Systems
云无线电接入网络（C-RAN）是用于5G无线蜂窝系统的突出架构，其基于在控制单元（CU）处集中用于多个分布式无线电单元（RU）的基带处理。在这项工作中，提出了利用C-RAN架构来实现从分布式RU处的接收信号直接定位移动设备的位置。在CU和RU之间具有理想连接的情况下，已知直接定位优于传统的间接定位，由此根据在RU处估计的中间参数来估计源的位置。然而，在具有容量受限前传链路的C-RAN系统中，直接定位的优点可能被RU处接收信号的量化所引起的失真抵消。在本文中，直接定位的性能进行了研究，占前传量化的影响，有或没有抖动。一个近似的最大似然（ML）本地化。在此基础上，推导了基于量化观测的直接定位方法的定位误差平方的克拉美-罗界。最后，通过数值计算比较了有无抖动的直接定位和间接定位的性能。
2017-05-18 cs.IT math.IT
Cramer-Rao Bounds for Joint RSS/DoA-Based Primary-User Localization in Cognitive Radio Networks
关于授权主用户（PU）的位置的知识可以使认知无线电（CR）网络中的几个关键功能，包括改进的时空感测，智能位置感知路由，以及协助频谱政策的执行。在本文中，我们认为可实现的精度PU定位算法，联合利用接收信号强度（RSS）和到达方向（DoA）的测量，通过评估克拉美-罗界（CRB）。以前的作品分别评估的CRB的RSS和DoA的定位算法，并假设DoA估计误差方差是一个固定的常数或独立的RSS。我们推导出CRB联合RSS/DoA为基础的PU定位算法的基础上的数学模型的DoA估计误差方差作为RSS的函数，对于一个给定的CR放置。与实际的定位算法和几个关键参数，如节点数，天线和样本数，信道遮蔽方差和相关距离的影响进行了比较，可实现的精度进行了深入的分析和讨论。我们还推导出封闭形式的渐近CRB均匀随机CR放置，并进行理论和数值研究所需数量的CR，使渐近CRB紧密近似的CRB的数值积分为一个给定的位置。
2012-07-05 cs.IT cs.NI cs.PF
Cooperative Mapping, Localization, and Beam Management via Multi-Modal SLAM in ISAC Systems
针对多模态ISAC系统中协作式SLAM的理论建模与通信层集成局限，提出含贝叶斯估计框架、多模态定位策略和感知辅助波束管理的多模态SLAM框架，大幅提升无线电图精度、定位精度及频谱效率。
2025-07-08 cs.IT math.IT
First Results on UAV-aided User Localization Using ToA and OpenAirInterface in 5G NR
本文提出利用无人机收集的ToA测量和GPS估计，通过最小二乘SLAM框架同时定位地面用户并跟踪无人机位置，并通过实际实验验证了算法性能。
2025-03-25 cs.IT math.IT
Connection Between System Parameters and Localization Probability in Network of Randomly Distributed Nodes
本文研究了有界区域内随机分布通信节点网络的定位概率问题。假设表示为L节点的一部分节点具有定位信息，而表示为NL节点的其余节点不具有定位信息。基本模型假设每个节点都有一定的无线电覆盖范围，在该范围内可以进行相对距离测量。我们模拟的情况下，无线电覆盖范围是固定的，无线电覆盖的情况下，在对数正态阴影环境中的信号强度测量确定。我们应用概率的方法来确定NL节点定位的概率作为覆盖区域的功能域面积比和密度的L-节点。我们建立了这种概率的解析表达式和过渡阈值的关键参数，从而观察到显着的变化的概率行为。文中给出的理论结果得到了仿真的支持。
2007-10-27 cs.DM cs.IT cs.NI
Target Localization using Bistatic and Multistatic Radar with 5G NR Waveform
联合通信和传感允许利用公共频谱资源进行通信和定位，从而降低部署成本。通过使用第五代（5G）新无线电（NR）（即，用于5G的第三代合作伙伴计划无线电接入网络）参考信号，该参考信号通常用于通信，本文示出了在毫米波频率下亚米精度定位是可能的。我们推导出精度的双基地雷达配置，一个理论度量，其特征在于如何作为双基地的几何和测量误差的函数的目标位置估计误差变化的几何稀释。我们开发了一个符合5G NR标准的软件测试平台，以表征使用5G NR波形估计到达时间差和到达角时的测量误差。进一步利用测试台来演示在几个室内和室外的双基地和多基地配置的目标定位和速度估计的准确性，并显示平均而言，双基地配置可以实现在25米的双基地范围内的定位精度为10.0厘米，这可以通过部署多基地雷达配置进一步提高。
2021-03-05 cs.IT math.IT
Fundamental Limits of Wideband Localization - Part II: Cooperative Networks
位置信息的可用性在许多商业、政府和军事应用中是非常重要的。定位通常通过使用移动设备（代理）和固定基础设施（锚）之间的无线电通信来实现。然而，代理位置的精确确定是一项具有挑战性的任务，特别是在由于无线电阻塞或有限的锚部署的恶劣环境中。在这些情况下，代理之间的合作可以显着提高定位精度和降低定位中断概率。本文的第一部分提出了一个分析宽带定位基本极限的一般框架。在这里，我们建立在这个框架，并建立宽带合作的位置感知网络的基本限制。我们的分析是基于在节点处接收到的波形，结合Fisher信息不等式。我们提供了一个几何解释的等效Fisher信息的合作网络。这种方法使我们能够简洁地推导出基本的性能限制及其缩放行为，并从定位精度的角度以统一的方式对待锚和代理。我们的研究结果对合作如何以及何时有益产生了重要的见解。
2010-06-04 cs.IT cs.NI math.IT
