本文提出了两种基于信息熵和互信息准则的高效信息论路径规划方法，可以改进高斯过程模型中异性场的主动感知性能，并优化时间效率。该算法在实际应用中可以比现有技术更有效，计算时间较短。

Feb, 2013

优化传感器部署在目标定位中至关重要，本文提出了一种方案，利用雷达参数和雷达目标距离的范围测量模型以及模型预测路径积分控制，有效管理复杂环境障碍和动态约束，通过与常规雷达和简化的范围测量模型进行对比，结果表明该方案在目标定位方面表现优异，平均均方根误差（RMSE）降低 38-74%，90% 最高密度区间（HDI）上尾巴的降幅为 33-79%，可在认可后公开代码。

May, 2024

该论文提出了一种基于频谱调查的移动机器人测量方法，使用两种算法进行地图估计和信息度量，以及一个动态规划方法规划机器人路径，实现在短时间内在最具信息量的位置进行测量，从而快速构建准确的无线电地图。

Jan, 2022

本文研究在大量设备与基站间的疏散通信场景下，通过利用随机签名序列和用户活动模式的稀疏性，将用户检测和信道估计问题建模为压缩感知单测量向量问题或多测量向量问题，利用近似消息传递算法高效求解，并开发了利用通道统计信息进行 AMP 算法设计的最小均方误差去噪器。同时，通过 AMP-MMV 算法和研究多天线的部署，量化了其优点。

Jan, 2018

基于射频信号和几何特征的多路复信道机制关联定位的 SLAM 算法，将模糊传播和 PC 特征关联抽象为虚拟锚点和物理锚点，并用贝叶斯模型和因子图表示定位问题，实现了对移动体和虚拟锚点位置的联合估计。该算法具有低计算复杂度和良好的规模性，并在室内环境中的实验中表现出优秀的性能。

Jan, 2018

利用传感信息，基于机器学习的框架在真实场景下对车联网基础设施间通信的波束预测问题进行研究，通过利用视觉和位置数据，成功预测了优化波束指标，高达 95% 的准确率，为减少毫米波 / 太赫兹通信系统的波束训练开销提供了有前景的方法。

Aug, 2023

本文提出了一种新的基于压缩感知和序列近似传递算法的大规模机器型通信系统的无授权随机接入策略，以提高活动用户检测和信道估计的性能。

Feb, 2021

通过利用长短时记忆网络和深度神经网络的方法，本研究提出了一种改进的主动感知设计，旨在解决上行定位问题，其中基站通过可重构智能表面（RISs）帮助定位远程用户。在实验中，我们说明了这种主动感知设计相较于非主动感知方法的优势，同时研究还表明，在具备多个 RISs 的情况下，一个基站的网络性能可以超过使用多个基站的情况。

Dec, 2023

本文提出了一种基于压缩感知的自适应主动用户检测和信道估计方案，可支持出现突发流量的大规模连接用户设备和大规模 MIMO 信道的虚拟角度域稀疏，实现高效可靠的大规模信道接入。

Jun, 2019

本文提出了一种针对城市道路网络的分散数据融合和主动感知算法，可以有效、可扩展地预测交通现象，实证评估结果表明该算法具有显著的时间效率和可扩展性，并且预测性能与最先进的集中式算法相当。

Aug, 2014