定位方法对比：融合曲线贴左上角
横轴是误差，纵轴是累计比例。紫色 Hybrid 把潜向量、原始特征和学习空域拼起来再精排，中位 20.7 m、P90 55.2 m。AOA 多站 Bartlett 中位 342.2 m，直接回归坐标也不如匹配。
返回实习经历CDF：K=3，hold-out 3000 
箱线：关键方法误差（隐去离群点） 
SIONNA RT：慕尼黑场景与基站
Project · Ambient IoT
Ambient IoT 广域指纹定位
基于表征学习与生成式模型的 Ambient IoT 智能定位方法
窄带观测又低维又稀疏。多基站 CSI 先编成可分的场面特征，条件扩散补未采样点，匹配时真实指纹优先。
20.7 m
Hybrid 中位误差
K=3，hold-out 3000；潜向量 WKNN 为 26.3 m
55.2 m
Hybrid P90
同设置下潜向量 WKNN 为 76.9 m，原始 F0 为 105.4 m
SIONNA RT
慕尼黑城市场景
街道采样 UE，按 A-IOT 3GPP 加噪
已受理
发明专利
国家自然科学基金支持
误差分布与慕尼黑射线追踪场面
箱线是同一套 K=3 的误差分布。右侧是 SIONNA RT 慕尼黑俯视，红点是基站。街道采 UE，射线追踪后再按 A-IOT 协议加噪，用来建原始指纹库。
01
项目背景
场景与任务
窄带物联网和 Ambient-IoT 要管海量低功耗终端。终端加 GNSS 贵、费电，也不方便网络侧集中管。定位走网络侧被动：基站解析上行，终端不上报坐标。
工作阶段
2025.02—05 实习做链路：LTE 基站联调、指纹采数、PyQt 演示。后面把场面特征增强写成方法，用 SIONNA 在慕尼黑城市场景评估，专利已受理。组会 2026.07.02。
为什么难
- 窄带、单子载波，可观测维度低。幅度跟着功率漂，相位有硬件偏移，单一指纹分不开位置。
- 多基站、天线、时间、频点各带各的信息。简单拼接或平均会丢掉空间结构，还容易过拟合。
- 参考点采不起，指纹库空间稀疏。插值和乱加噪声画不出多径和遮挡，生成结果对不上物理场面。
- 几何法（TDOA / 角度）在低带宽下分辨率不够；小区 ID / RSSI 太粗。指纹更合适，但低维加稀疏会把匹配打穿。
02
系统架构
系统四层：多基站把上行收成 CSI 张量；特征层做幅相稳定化和分维编码；生成层用条件扩散补未采样点；推理层真实指纹优先，不够再并生成库。
编码器按维处理：时频用注意力压波动，天线用卷积加注意力保阵列结构，基站用跨站注意力融合。对比学习让空间近的点特征也近。扩散冻住编码器再训。匹配不再另训定位头。
终端只发上行。多基站做信号分集，核心网存指纹、训模型，在线匹配后把位置送出去。仿真用 SIONNA RT 慕尼黑城市场景，按 A-IOT 3GPP 加噪，Hold-out WKNN 评估。
03
核心系统设计
多基站 CSI 张量：把场面收成一块
问题：单站、单维指纹不稳定。公共相位、发射功率一变，同一地点对不上。
改动：B 个基站协同收上行，张量是基站 × 时间 × 频点 × 天线。先相对参考天线归一化，幅度按天线相对化，相位拆成 sin / cos，再除 Frobenius 范数。指纹里同时记下各站坐标。
效果：特征对功率和公共相位不那么敏感，多站、多天线、跳频被放进同一块张量里。
分维编码 + 对比学习：空间近则特征近
问题：时频主要是统计冗余，天线和基站才带空间结构。一视同仁地压，判别信息会丢。
改动：局部 3 维幅相先映到高维。时频用注意力加权聚合；天线走一维卷积再自注意力；基站拼上位置编码后做跨站注意力。预训练用空间距离划正负样本，对比损失加邻域一致。
效果：仿真里 SupCon 好于 triplet / MoCo / 1D-CNN / 坐标回归；正样本半径 15 m 最好。编码方案取 raw F0 + flat MLP + soft SupCon。
条件扩散：用环境先验补未采样点
问题：参考点采不起，库是稀的。不看基站几何和遮挡就生成，对不上多径场面。
改动：在潜空间学 z | 位置、基站距离、环境占用图。位置和站距用特征调制管全局传播，占用图用注意力管局部遮挡。生成点取条件期望，不拿单次随机采样。
效果：未采样区域能补上与传播约束一致的虚拟指纹，库在空间上更连续。
分层匹配：真实指纹优先
问题：生成指纹能补洞，但不该和实测库混成一锅，差的生成点会把结果拉偏。
改动：在线观测走同一套编码得到 z*。先在真实库里 WKNN；最近邻小于阈值就只信真实点。不够再并进生成库做加权。默认 K=3，粗召回 N=30。
效果：SIONNA 慕尼黑、hold-out 3000 点：Hybrid（潜向量 + 原始 + 学习空域）中位 20.7 m、P90 55.2 m，好于潜空间 WKNN、原始 F0、空域扁平特征和 AOA。
04
个人职责
主责
实习主责 PyQt 演示平台：Socket 解析、地图、CDF、多进程采数。参与频谱仪 / RTK / USRP 联动和指纹库版本，LTE RRU / BBU 联调，并在 BBU DSP 上解析 RSRP。后续完成场面特征增强四步、SIONNA 评估和专利交底。
合作
组内对齐 3GPP A-IOT 信道和仿真协议。导航栈、机械臂不在本页。