Uncertainty-Aware GP Bayesian Optimization for UAV-Based Closed-Loop RSSD Interference Localization

doi:10.1109/lwc.2026.3723274

Uncertainty-Aware GP Bayesian Optimization for UAV-Based Closed-Loop RSSD Interference Localization

2026-08-12

0

PRE

AI

DOI：10.1109/lwc.2026.3723274

原文链接

原文求助

摘要

En 中文

基于无人机的干扰源定位在密集的5G-Advanced和新兴的6G网络中日益重要，其中未知干扰源会降低通信可靠性并影响基于测量的信道建模。然而，由多径、遮挡和非视距（NLOS）传播引起的传播不确定性使得测量与位置之间的关系高度非线性且时变，这限制了传统定位方法的可靠性。为解决此挑战，我们提出了一种单无人机定位框架，利用沿自适应飞行轨迹收集的空间接收信号强度指示器（RSSI）测量值来定位主导干扰源。一种鲁棒的信道感知定位算法同时估计源位置及其相关的不确定性。高斯过程（GP）贝叶斯优化方法通过最大化定位不确定性的预期减少来选择航路点。通过整合信道感知定位与不确定性感知航路点选择，所提出的闭环接收信号强度差（RSSD）干扰定位框架能够迭代更新源估计并规划后续航路点。在多径传播条件下，信噪比为20 dB时，与基准方法相比，所提出的框架在给定定位均方根误差（RMSE）的情况下将飞行距离减少了约60%，在给定飞行距离的情况下将定位RMSE降低了约70%。

Keyword:

Interference source localization

channel-aware localization

Bayesian optimization

Gaussian process

RSSD

Uncertainty-Aware GP Bayesian Optimization for UAV-Based Closed-Loop RSSD Interference Localization

摘要

期刊

机构

引用论文