南京信息工程大学 杨博团队最新研究成果在IEEE Transactions on Automation Science and Engineering期刊发表

人工智能学院（未来技术学院）杨博团队在IEEE Transactions on Automation Science and Engineering期刊发表题为“Accurate and Robust UWB Localization with Incomplete Measurements Based on Multi-Modal Diffusion Model”的研究论文。

研究针对复杂室内环境中因信号遮挡与干扰导致超宽带（UWB）定位系统出现测量数据大规模缺失、定位精度严重下降的问题，提出了一种基于多模态扩散模型的UWB定位网络（Diff-ULoc）。该方法将定位过程分解为数据重建与位置回归两个阶段。在数据重建阶段，设计多模态重建模型（Multi-modal Reconstruction Model, MMR），提取并融合距离与接收信号强度指示（RSSI）特征，通过扩散模型从不完整的原始测距数据中重建出较高精度的完整距离测量值。在位置回归阶段，应用CNN-LSTM位置估计模型将重建后的距离数据映射为精确的位置信息。实验表明，Diff-ULoc网络在不同复杂度的真实室内环境（包含视距与非视距场景）下均表现出优异的定位性能，显著优于现有的各类UWB定位方法，证实了该模型在应对UWB大规模测量数据缺失时的强鲁棒性与高估计精度。该研究通过生成式数据重建有效解决了复杂室内环境下信号遮挡导致的大规模数据缺失难题，显著提升了定位系统的鲁棒性与精度，为高可靠室内定位技术提供了全新的研究范式。

图1 基于多模态扩散模型的Diff-ULoc定位网络流程图

文章链接：

https://ieeexplore.ieee.org/document/11373594