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

该研究提出了一种基于压缩感知框架的直接定位方法，通过联合处理分布式大规模 MIMO 基站获得的观测值来区分 LOS 和非 LOS 信号路径，以实现用户位置的高精度定位。

Jul, 2016

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

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

针对基于位置相关射频测量和利用关于本地区域的侧面知识（例如城市计划、地形高度、网关位置）的接收信号强度图的重建问题，本文采用神经架构搜索找到最佳神经网络模型的最佳架构，并证明使用附加的侧面信息提高了三个现实城市的接收信号强度图重建的最终准确性，特别是在通常观察到平均接收信号功率变化较大的门附近的子区域。

Jun, 2023

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。

Apr, 2023

分析利用毫米波技术的二步式定位方法在城市环境下利用到达时间、到达角度和离开角度从多个节点获得的信号，以及利用具有无线电环境映射（REM）的网络定位附近散射体的性能，并提出梯度辅助粒子滤波（GAPF）估计器来解决 UE 位置估计中的问题，该估计器的性能与 Cramer-Rao bound（CRB）相匹配。

May, 2018

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

本研究使用毫米波技术，在室内常见的大型办公室环境下，通过使用基站和构建 3D 环境图，结合精确的到发射角信息和时间信息，开发出一种精度达到 12.6 cm 至 16.3 cm 的射线跟踪定位方法，并通过增加基站数量提高室内非视距环境下的平均位置定位精度至 5.5 cm。

Aug, 2019

该论文提出了一种基于收到的信号强度（RSS）的基站的卷积、端到端训练的神经网络（NN）LocUNet，可在城市环境中实现用户的定位，并展示了其在现实城市环境中优于现有竞争方法的性能。

Jun, 2021