sloray/mcm-26-b
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
q3-bayes
mcm-26-b/docs/B题问题3-4相关论文列表.md
T
sloray 12da6aafd2 Tex 配方预设/论文列表
2026-09-11 02:33:19 +08:00

15 KiB
Raw Permalink Blame History

2026 高教社杯 B 题（无线电干扰源快速自动定位与清除）问题 3、4 相关论文列表

排序原则：与问题 3/4 直接应用方案越相关，排名越靠前。 标注：【Q3】主要支撑问题 3（全向干扰源：搜索→交会定位→逼近清除的整体策略）；【Q4】主要支撑问题 4（定向干扰源、方向未知）；【Q3·Q4】两者通用。

一、无线电信号源的移动机器人搜索与定位（与赛题任务框架最直接对应）

  1. Simultaneous Localization of Multiple Unknown and Transient Radio Sources Using a Mobile Robot 【Q3】 D. Song, C. Y. Kim, J. Yi. IEEE Transactions on Robotics, 2012（被引 75） 移动机器人沿路径采集 RSS，在线同时定位多个未知无线电源——与问题 3“干扰源个数未知、机器狗边走边测”的设定几乎同构，可直接借鉴其多源数据关联与定位框架。 https://ieeexplore.ieee.org/abstract/document/6145760/ ｜ PDF

  2. Cooperative Search of Multiple Unknown Transient Radio Sources Using Multiple Paired Mobile Robots 【Q3】 C. Y. Kim, D. Song, Y. Xu, J. Yi, X. Wu. IEEE Transactions on Robotics, 2014（被引 67） 上文的协同多机器人版本：成对机器人搜索多个未知瞬态无线电源，含**源匿名（信号不可区分）**处理——对应本题不同频道区分信号的思路对照。 https://ieeexplore.ieee.org/abstract/document/6857360/ ｜ PDF

  3. RSS Gradient-Assisted Frontier Exploration and Radio Source Localization 【Q3·Q4】 J. N. Twigg, J. R. Fink, L. Y. Paul, B. M. Sadler. ICRA, 2012（被引 77） 用 RSS 梯度引导前沿探索（frontier exploration），让机器人高效逼近信号源而避免盲目遍历——可直接支撑问题 3/4 中“初探→逼近”的两阶段搜索策略设计。 https://ieeexplore.ieee.org/abstract/document/6225059/

  4. Radio Source Localization Using Sparse Signal Measurements from Uncrewed Ground Vehicles 【Q3】 A. Perera, V. P. Tran, S. Anavatti, K. Kasmarik, et al. arXiv:2312.03493, 2023 地面无人车（与机器狗同类平台）在室外区域以稀疏采样定位无线电源，含完整仿真评估流程——与用模拟器演练测试的实验设计直接可参照。 https://arxiv.org/abs/2312.03493 ｜ PDF

  5. Particle Filter Based Localization of Access Points Using Direction of Arrival on Mobile Robots 【Q3·Q4】 R. Parashar, R. Parasuraman. IEEE VTC, 2020（被引 13） 移动机器人利用到达方向（DOA，即示向度）+ 粒子滤波递推定位无线电源——对应本题“多次测向→逐步缩小定位区域”的序贯定位算法。 https://ieeexplore.ieee.org/abstract/document/9348813/

  6. Online Methods for Radio Signal Mapping with Mobile Robots 【Q3】 J. Fink, V. Kumar. ICRA, 2010（被引 166） 移动机器人边走边在线构建信号场强地图并估计源位置，可支撑本题“场强仅随距离衰减”假设下的快速粗定位与路径在线修正。 https://ieeexplore.ieee.org/abstract/document/5509574/

  7. Distributed Algorithms for Stochastic Source Seeking with Mobile Robot Networks 【Q3】 N. A. Atanasov, J. Le Ny, et al. ASME JDSMC, 2015（被引 117） 随机源搜索的分布式算法，以无线电源定位为应用背景，理论保证强，可作为逼近清除阶段的收敛性依据。 https://arxiv.org/pdf/1402.0051

  8. Cooperative Multi-Robot Estimation and Control for Radio Source Localization 【Q3】 B. Charrow, N. Michael, V. Kumar. IJRR, 2014（被引 84） 仅测距射频下的多机器人协同估计与控制，信息论驱动（ mutual information ）选择测量动作——可迁移为“选哪个频道、去哪测”的决策准则。 https://journals.sagepub.com/doi/abs/10.1177/0278364913500542

  9. A Review of Radio Frequency Based Localisation for Aerial and Ground Robots with 5G Future Perspectives 【Q3·Q4】 M. Kabiri, C. Cimarelli, H. Bavle, et al. Sensors, 2022（被引 48） 综述：RSS/AOA 等 RF 定位手段在空地机器人上的比较，适合写论文的“研究现状”部分并帮助选型。 https://www.mdpi.com/1424-8220/23/1/188

二、测向（Bearing-only/AOA）交会定位与观测点优化（第二检测点选择、定位区域收缩）

  1. Gathering Bearing Data for Target Localization 【Q3】 H. Bayram, J. Vander Hook, V. Isler. IEEE Robotics and Automation Letters, 2016（被引 38） 给定若干潜在目标区域与不确定度要求，规划采集方位数据的机器人路径，归结为 TSP with Neighborhoods 的信息路径规划——与问题 3“多个待清除目标 + 逐个交会定位 + 总时间最短”的任务排序高度吻合。 https://ieeexplore.ieee.org/abstract/document/7390217/ ｜ PDF

  2. Relationship Between Error Ellipse and Error Quadrilateral in Bearing-Only Localization 【Q3·Q4】 B. Wang, Y. Hu, C. Yu, et al. IEEE Access, 2026 直接研究双站测向定位的误差四边形（即题目中的“定位区域”）与误差椭圆的关系，论证几何构型与精度的关系——与问题 1 的定位区域、问题 2/3 的测点选择理论完全对口。 https://ieeexplore.ieee.org/abstract/document/11677056/

  3. Bearing-Only Active Target Localization Strategies for a System of Two Communicating Mobile Robots 【Q3】 J. Vander Hook, P. Tokekar. 技术报告, 2013 主动测向定位：规划“去哪测”以最优压缩目标位置不确定性，给出最优双机器人测量构型——第二检测点选择策略的系统性理论。 https://conservancy.umn.edu/items/38693c39-7a3b-400b-8926-f9aa194a8824

  4. Multi-UAV Trajectory Optimization for Bearing-Only Localization in GPS Denied Environments 【Q3】 A. Sciacchitano, L. Mudrik, S. Kragelund, et al. arXiv:2602.11116, 2026 面向测向定位的轨迹优化，在视场等约束下优化测量构型——可借鉴其代价函数与滚动优化框架设计机器狗的测点序列。 https://arxiv.org/abs/2602.11116 ｜ PDF

  5. Optimal Sensor Placement for Multi-Source AOA Localisation with Distance-Dependent Noise Model 【Q3·Q4】 M. Hamdollahzadeh, R. Amiri, et al. IET Radar, Sonar & Navigation, 2019（被引 37） 多源 AOA 定位的最优布点，含递推 CRLB 表示——支撑多干扰源场景下测点位置的全局优化。 https://ietresearch.onlinelibrary.wiley.com/doi/abs/10.1049/iet-rsn.2018.5426

  6. Optimal Sensor Placement for Target Localization Using Hybrid RSS, AOA and TOA Measurements 【Q3】 S. Xu, et al. IEEE Communications Letters, 2020（被引 110） 混合量测下最小化 tr(CRLB) 的最优传感器-目标几何，可用于论证“交会角接近 90°”等构型结论的严谨性。 https://ieeexplore.ieee.org/abstract/document/9097832/

  7. Geometry Influence on GDOP in TOA and AOA Positioning Systems 【Q3·Q4】 X. Lv, K. Liu, P. Hu. ICNSC, 2010（被引 58） 基于 CRLB 分析新增观测点对 GDOP 的影响——回答“再加一个检测点值不值、放在哪”的定量依据。 https://ieeexplore.ieee.org/abstract/document/5480336/

  8. 定向交叉定位配站问题与定位精度分析（中文）【Q3·Q4】 张艳花. 《电讯技术》, 2008（被引 2） 中文文献，专门讨论测向交叉定位的配站（交会角）与精度关系，便于直接引用“交会角 90° 最优、30°~150° 可用”类结论。 （《电讯技术》2008 年刊，可通过知网/万方检索全文）

  9. Trajectory Planning for Multiple Robots in Bearing-Only Target Localisation 【Q3】 C. Leung, S. Huang, G. Dissanayake, et al. IROS, 2005（被引 16） 早期经典：以定位精度为目标做测向机器人轨迹规划，适合作为主动定位问题的建模起点引用。 https://ieeexplore.ieee.org/abstract/document/1545322/

  10. Observer Path Planning for Bearings-Only Localization Considering Limited Field of View 【Q3】 A. Nayebi Astaneh, N. Pariz, M. O. Naghibi Sistani. Journal of Control, 2014 考虑传感器视场约束的观测者实时路径规划——对应测向机需旋转天线搜索示向度的过程约束。 https://joc.kntu.ac.ir/browse.php?a_id=37&sid=1&slc_lang=en&ftxt=1

三、多目标搜索理论与任务规划（10–16 个未知目标的区域搜索框架）

  1. Multi-Vehicle Bayesian Search for Multiple Lost Targets 【Q3·Q4】 E. M. Wong, F. Bourgault, T. Furukawa. ICRA, 2005（被引 193） 多目标贝叶斯搜索经典：概率图 + 贝叶斯更新 + 搜索资源分配——问题 3“干扰源个数未知、需确保全部清除”的终止判据与覆盖率论证可由此构建。 https://ieeexplore.ieee.org/abstract/document/1570598/

  2. MPC-Based Cooperative Multiagent Search for Multiple Targets Using a Bayesian Framework 【Q3】 H. Xiao, R. Cui, D. Xu, Y. Li. Journal of Field Robotics, 2024（被引 9） 模型预测控制 + 贝叶斯框架的多目标搜索路径规划，滚动时域决策——适合借鉴为本题“边测边重规划”的在线策略。 https://onlinelibrary.wiley.com/doi/abs/10.1002/rob.22382

  3. Multi-Agent Informed Path Planning Using the Probability Hypothesis Density 【Q3·Q4】 J. Olofsson, G. Hendeby, T. R. Lauknes, T. A. Johansen. Autonomous Robots, 2020（被引 27） 用 PHD（随机有限集）表示目标个数与位置均未知的场景并做信息路径规划——与“干扰源总数 10–16 但具体未知”的设定直接对应。 https://link.springer.com/article/10.1007/s10514-020-09904-1 ｜ PDF

  4. Probabilistic Search for Tracking Targets: Theory and Modern Applications 【Q3·Q4】 E. Kagan, I. Ben-Gal. Wiley, 2013（被引 27） 搜索论专著：最优搜索策略、马尔可夫决策模型，为搜索策略提供理论根基（Stone 最优搜索理论的应用版）。 https://onlinelibrary.wiley.com/doi/abs/10.1002/9781118596593

  5. Efficient Multi-Robot Search for a Moving Target 【Q3】 G. Hollinger, S. Singh, J. Djugash, A. Kehagias. IJRR, 2009（被引 254） 多机器人高效搜索路径规划（ESPP）并提出可证明性能的近似算法；本题目标虽静止，其“最大化截获概率”的建模与保证思路可迁移。 https://journals.sagepub.com/doi/abs/10.1177/0278364908099853

四、定向干扰源定位（问题 4 特有：覆盖角 180°、方向未知）

  1. UAV-Based Efficient Joint Estimation of Directional Emitter Position and Transmission Orientation 【Q4】 T. Ruan, Y. Huang, L. Zhou, Q. Wu, et al. IEEE Wireless Communications Letters, 2024（被引 2） 联合估计定向发射源的位置与发射方向（RSS-AOA 混合量测）——问题 4“定向方向未知”的最直接对应文献。 https://ieeexplore.ieee.org/abstract/document/10802920/

  2. Efficient Localization of Directional Emitters via Joint Beampattern Estimation 【Q4】 F. Williams, A. Pemasiri, D. Jayalath, T. Martin, et al. arXiv:2411.04364, 2024 联合波束方向图估计实现定向发射源高效定位，并分析波束宽度/朝向对定位的灵敏度（CRLB）——可支撑定向源需从侧向多点探测的策略设计。 https://arxiv.org/abs/2411.04364 ｜ PDF

  3. Location Errors of Directional Emitters in AOA System for Non-Line-of-Sight Conditions 【Q4】 J. M. Kelner, C. Ziółkowski, et al. SPIE, 2019 分析发射天线朝向对 AOA 示向度误差的影响——定向干扰源场景下误差建模的参考。 https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11055/110551G/Location-errors-of-directional-emitters-in-AOA-system-for-non/10.1117/12.2525060.short

  4. ALRD: AoA Localization with RSSI Differences of Directional Antennas for Wireless Sensor Networks 【Q4】 J. R. Jiang, C. M. Lin, F. Y. Lin, et al. Int. J. of Distributed Sensor Networks, 2013（被引 133） 利用定向天线朝向差分的 RSSI 做定位，对“信号只在 180° 覆盖角内可被接收”的探测盲区分析与补盲路径设计有参考价值。 https://journals.sagepub.com/doi/abs/10.1155/2013/529489

五、信息路径规划方法与综述（通用方法库）

  1. Information-Driven Path Planning 【Q3·Q4】 S. Bai, T. Shan, F. Chen, L. Liu, B. Englot. Current Robotics Reports, 2021（被引 53） 信息驱动路径规划综述，梳理目标函数（信息增益、熵减）与平台约束，适合搭建问题 3 的总体算法框架。 https://link.springer.com/article/10.1007/s43154-021-00045-6

  2. Adaptive Informative Path Planning in Metric Spaces 【Q3】 Z. W. Lim, D. Hsu, W. S. Lee. IJRR, 2016（被引 101） 带自适应性的信息路径规划，具次模性与近似保证——为“总时间越短越好”的目标函数设计提供理论工具。 https://journals.sagepub.com/doi/abs/10.1177/0278364915596378

  3. Informative Path Planning for Active Field Mapping Under Localization Uncertainty 【Q3】 M. Popović, T. Vidal-Calleja, J. J. Chung, et al. ICRA, 2020（被引 62） 不确定性感知的信息路径规划，平衡探索与精度——对应本题“检测耗时 vs 路径耗时”的权衡。 https://ieeexplore.ieee.org/abstract/document/9197034/

  4. 基于深度强化学习的短波自主检测与定位方法（中文）【Q3】 冯祺玥, 唐涛, 张昀普, 王鼎, 吴志东. 《通信学报》, 2026 中文文献：多站测角交会定位 + 深度强化学习自主检测定位，提供国内无线电监测定位的表述与流程范式。 https://www.joconline.com.cn/rc-pub/front/front-article/download/155129217/lowqualitypdf/%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E7%9A%84%E7%9F%AD%E6%B3%A2%E8%87%AA%E4%B8%BB%E6%A3%80%E6%B5%8B%E4%B8%8E%E5%AE%9A%E4%BD%8D%E6%96%B9%E6%B3%95.pdf

使用建议

  • 问题 3 算法主线：以 1、3、10、20、22 为核心——贝叶斯概率图搜索（20/22）确定探测顺序与终止条件，DOA 序贯定位（5）+ 交会几何优化（10/11/15/17）选测点，RSS 梯度逼近（3）完成 20 m 内清除前逼近。
  • 问题 4 增量：在问题 3 框架上叠加 25/26 的“位置 + 方向”联合估计，并用 28 的思路设计覆盖角盲区的补测路径。
  • 论文写作：现状综述引用 9、29、32；精度理论引用 11、14、15、16。
Reference in New Issue View Git Blame Copy Permalink