注意力图神经网络

定位误差降37–53%

通过注意力机制自适应学习网络连接，取代固定阈值预设，使大规模网络定位在非视距条件下达到接近理论下界的精度。

Yan, Wenzhong · 尹峰 · Juntao, Wang · Leus, Geert J.T. · Zoubir, Abdelhak M. · Yang, Tian

IEEE Journal on Selected Topics in Signal Processing 2025

参数信息

定位误差降低率

37–53 %

技术优势

去除了敏感阈值

通过邻接学习模块自适应学习节点连接，不再依赖手工预设的固定阈值。

误差降37–53%

相较于原始GCN，在多种非视距噪声配置下定位误差降低约37%至53%。

逼近理论下界

在多种非视距噪声配置下，定位精度逐渐逼近理论误差下界。

应用场景

• 大规模传感器网络定位：无需精细调参即可实现大规模网络高精度定位。
• 5G/6G网络定位：在NLOS等复杂信道下仍保持高精度定位。
• 无人机集群导航：为无人机集群提供鲁棒的位置估计，不依赖阈值调整。
• 机器人群体定位：适配机器人群体协作定位，提升精度并简化部署。