基于机器学习的非直射地面通信定位方法：输入表示和不确定性估计

MMApr, 2023

基于机器学习的非直射地面通信定位方法：输入表示和不确定性估计

ML-based Approaches for Wireless NLOS Localization: Input Representations and Uncertainty Estimation

Rafayel Darbinyan, Hrant Khachatrian, Rafayel Mkrtchyan, Theofanis P. Raptis

TL;DR本文探讨了非直线视距（NLOS）定位中使用三种不同的输入表征（单无线电路径特征、无线电链路特征和基于图像的表征）以及两种卷积神经网络，并测量了各种特征的可用性对模型性能的影响。该研究的收获在于激发了未来构建更高效神经网络的工作，并提供了对 NLOS 定位有用的应用特征。

Abstract

The challenging problem of non-line-of-sight (NLOS) localization is critical for many wireless networking applications. The lack of available datasets has made NLOS localization difficult to tackle with ML-driven methods, but recent developments in synthetic dataset generation have pro

non-line-of-sight localization synthetic dataset generation convolutional neural networks prediction outputs angles of signal departure and arrival

发现论文，激发创造

基于 Transformer 增强 LSTM 网络的 GNSS 观测非 LOS 检测和不确定性预测

通过分析全球导航卫星系统 (GNSS) 观测数据，本研究提出了一种基于深度学习的方法来检测非直射路径接收与预测 GNSS 伪距误差，并构建了类似 Transformer 的注意机制来提高模型性能和泛化能力，实验结果表明相比其他模型，该方法在车辆定位中具有更好的准确性和召回率，能够避免轨迹偏离问题。

Sep, 2023

基于特征的广义高斯分布方法在超宽带（UWB）室内定位系统 NLoS 检测中的应用

提出了一种基于特征的高斯分布和广义高斯分布 Non-Line-of-Sight 检测算法，可用于改善所提供的数据库中 NLoS 和 LoS 信号不平衡造成的定位不精确度问题，比 SVM、DT、NB 和 NN 算法效果更好。

Apr, 2023

路径探索者：基于注意力的动态非直视追踪与移动机器人

非直视成像是一个活跃的研究领域，在动态环境中基于移动相机实现非直视成像一直是一个未解决的问题。本研究提出了一种数据驱动的非直视成像方法，PathFinder，可以通过在小型、功耗受限的移动机器人上安装标准 RGB 相机来使用。我们使用一个基于注意力机制的神经网络来处理连续帧序列的线视 ideo，从中提取包含多个垂直平面的图像，并选择提取获得最大非直视成像信息的平面。我们使用无人机进行视频采集，并验证了该方法在野外场景中的有效性，从而实现了低成本的动态非直视成像。

Apr, 2024

基于无线信号的机器学习定位全面调查

本文探讨了基于射频信号的机器学习定位系统，涵盖了架构、输入特征、机器学习方法和数据集等方面，对该领域中近 400 篇论文进行了分类和概述。

Dec, 2020

基于深度学习的大规模 MIMO 室内用户定位

本文研究了在现有 OFDM MIMO 系统中，仅基于正交频分复用（OFDM）复杂频道系数的深度神经网络在多输入多输出（MIMO）用户定位方面的可用性，提出了一种两步训练流程来减少所需的训练点数量。

Apr, 2018

NLOS UWB 通道中直接路径组件缺失的检测

本文提出了一种新颖的非直视（NLOS）识别技术，通过支持向量机（SVM）算法基于不同的信号特征进行 NLOS 识别，并介绍了实验结果。

Apr, 2024

街角探测：使用多普勒雷达在野外进行非直射线探测和跟踪

该研究使用多普勒雷达技术进行非直达测距，利用时序多普勒速度和位置信息进行 NLOS 检测与跟踪，成功实现对动态环境中隐藏物体的检测、分类和追踪，适用于大规模的汽车场景且成本低廉。

Dec, 2019

基于首个路径组件功率的非直视传播抑制技术在 UWB 定位系统中的应用

该论文描述了一种用于 UWB 定位系统的 NLOS（非直射视线）抑制方法，该方法将定位对象与构成系统基础设施的锚定点之间的传播条件分类为 LOS（直射视线）、NLOS 和严重 NLOS。通过首次信号成分功率测量进行非直射视线检测，并据此估计每个类别的平均 NLOS 到达时间偏差和偏差标准差。使用基于扩展卡尔曼滤波器（EKF）的算法来定位标签，NLOS 抑制方法通过纠正在 NLOS 条件下获得的测量结果并降低其在标签位置估计过程中的重要性。该论文包括了该方法的描述以及进行的实验结果。

Mar, 2024

利用 NLOS 成分在 5G 毫米波 MIMO 系统中进行位置和方向估计

本研究旨在探讨基于 5G 技术中的 NLOS 组成部分在位置和方向估计中的作用，并基于 Fisher 信息的概念表明在具有足够高的时间和空间分辨率时，NLOS 组成部分始终提供位置和方向信息，并且这些信息对估计的准确性产生积极影响。此外，通过研究得知当利用窄束照射的方式去照亮反射镜或散乱器时，NLOS 组成部分对移动终端的位置和方向估计信息最为有效。

Dec, 2017

5G V2X 通信中 NLOS 毫米波的机器学习算法

本文介绍了一种采用 5G 车到车（V2X）通信实现的无人驾驶和半自动驾驶技术，利用毫米波技术在通信方面广泛应用于车辆网络应用。文章提出了一种结合机器学习的中继机制来实现基于毫米波基站的广播信息传输，包括通过 LOS 节点中继机来将信息传输到 NLOS 的车辆。通过在信号覆盖区域内实现机器学习，实现更快速的信息传输，更广泛的带宽覆盖范围，提高了在 NLOS 区域内车辆的收益。

Dec, 2020