本文提出并实施了一种新颖的低功耗、适应信道特性的动态频率下行到达差异时间测距算法，通过基于卷积神经网络（CNN）的 NLOS 概率预测器、动态测距频率控制模块和基于 IMU 传感器的测距滤波器，实验证明该算法在 NLOS 条件下的准确度比先前研究的基准方法提高了 50%，在 LOS 条件下的功耗降低了 46%。

Feb, 2024

室内定位系统中提出了一种自适应锚点对选择算法，通过最小化门口定位误差选择最有利的锚点对，以考虑用户身体遮挡之后利用 Extended Kalman 滤波算法计算 TDOA 值并定位用户在公寓内移动，实验结果表明自适应选择锚点对能提高用户的定位准确性，平均轨迹误差约为 0.32 米。

Apr, 2024

利用低成本的 Ultra-Wide Band（UWB）传感器和深度学习网络，我们提出了一个人类状态估计框架，能够在室内环境中无需特定设备的情况下估计人的位置和活动，实现精确的定位和活动识别。

Dec, 2023

基于 Ultra-wideband（UWB）技术的室内定位系统由于其提供厘米级定位精度的能力而受到认可。然而，这些系统经常面临密集多径衰落导致的定位误差挑战。为了解决这个问题，在本信中我们提出了一种利用深度嵌入聚类（DEC）的无监督锚节点选择的新方法。我们的方法在聚类之前使用自动编码器（AE），从而更好地将 UWB 特征分为可分离的 UWB 输入信号聚类。我们进一步研究如何基于聚类质量对这些聚类进行排序，从而能够去除不可靠的信号。实验结果显示了我们提出的方法的效率，相比不排除锚点，平均绝对误差（MAE）显著减少了 23.1%。尤其在密集多径区域，我们的算法实现了更显著的改进，将 MAE 减少了 26.6%，将 95th 百分位误差减少了 49.3%。

Apr, 2024

通过利用惯性传感器，记录人体动作的摄像机捕捉系统以稳定为标准，但基于稀疏可穿戴传感器的基于学习的追踪系统越来越受欢迎。文章提出了一种新颖的三维全身姿势估计方法，通过用于测距的超宽带无线电技术对传感器之间的距离进行约束，从而限制了惯性追踪中的漂移和抖动。我们的方法通过轻量级嵌入式追踪器，将这些传感器之间的距离与每个传感器估计的三维状态进行融合，并使用基于图的机器学习模型处理这些三维状态和距离，从而估计人体的三维全身姿势和平移。实验证明，我们的方法在位置误差和抖动方面具有领先的性能。

Apr, 2024

提出了一种名为 UWB 辅助安全步行（UASW）的新颖实时辅助系统，旨在通过障碍物检测并提醒用户实时情况来确保道路上行人的安全，该系统利用了嵌入在智能手机中的脉冲无线超宽带（IR-UWB）雷达，通过使用短脉冲提供出色的距离分辨率和高抗噪性，借助基于规则的障碍物检测和基于人工神经网络（ANN）的障碍物分类将复杂的通道冲击响应（CIR）数据融合在一起，通过实时采集的数据分析了提出的 UASW 系统的性能，结果表明该系统实现了高达 97% 的障碍物检测准确率和高达 95% 的障碍物分类准确率，推进了 UASW 在帮助分散注意力的行人和提高他们的情境意识方面的有效性。

Nov, 2023

通过使用专有的 UWB 雷达传感器技术，本文提出了一个强大的基于 UWB 的静态手势识别框架。我们通过大量数据收集建立了包含五种常用手势的数据集。我们的方法包括全面的数据预处理流程，其中包括异常值处理、保持纵横比缩放和伪彩色图像转换。我们在处理后的图像上训练了 CNN 和 MobileNet 模型。令人惊讶的是，我们的最佳模型达到了 96.78% 的准确率。此外，我们还开发了一个用户友好的 GUI 框架，用于评估模型的系统资源使用情况和处理时间，结果显示低内存占用率和不到一秒的实时任务完成时间。这项研究在使用 UWB 技术提高静态手势识别方面迈出了重要的一步，可以在各个领域中实现实际应用。

Oct, 2023

该研究探讨了在非直观传输环境下基于超宽带技术的测距方法，提出了一种基于核主成分分析的新型测距方法，经实际测试证明，该方法表现优异。

Nov, 2015

提出了一种新颖的 Fine-Tuned attribute Weighted Naive Bayes (FT-WNB) 分类器以用于室内定位系统中的 UltraWide Bandwidth 信号的 Line-of-Sight (LoS) 和 Non-Line-of-Sight (NLoS) 的识别，其性能比现有的最先进的机器学习方法在该场景下显著更好。

Apr, 2023

本文以 Linkoping 大学的地下隧道对频谱的复数脉冲响应进行了测量研究，重点阐述了 TOA 测距技术在建立基于距离的定位系统中的应用，并提供了 NLOS 识别误差和传播参数分析结果。

Dec, 2013