ASP 课题组论文《Robust Self-Localization of Wireless Acoustic Sensor Networks in the Presence of TDoA Outliers》发表于 IEEE Transactions on Mobile Computing
======
近日，计算机学院（软件学院）、人工智能学院 ASP 课题组论文 《Robust Self-Localization of Wireless Acoustic Sensor Networks in the Presence of TDoA Outliers》 发表在国际顶级期刊 IEEE Transactions on Mobile Computing。该刊是传感网络与移动计算领域的国际旗舰期刊，也是 CCF-A 类期刊，最新影响因子为 9.2。本次成果发表充分展示了团队在 无线声学传感器网络（WASN） 与 节点自定位（Self-Localization） 方向的最新研究进展。
与传统麦克风阵列相比，声传感器网络（也称声物联网）具有 拓扑结构灵活、空间覆盖范围大、支持分布式计算 等显著优势，因此被认为是下一代智能声信号处理的重要平台。然而，在实际复杂环境中，到达时间差（Time Difference of Arrival, TDoA）观测往往会受到异常值（outliers）、噪声和混响等因素的影响，从而严重降低节点自定位的精度与稳定性。
为此，论文针对 TDoA 异常值存在情况下的 WASN 节点自定位问题，对异常观测的产生概率进行了数学建模，并在此基础上提出了 集中式 与 分布式 两种鲁棒节点自定位方法，用以提升复杂声学环境下的定位精度与系统稳定性。
方法主要创新点
1. TDoA 异常值概率建模（TDoA Outlier Probability Modeling）
针对复杂环境中常见的 TDoA 异常观测问题，论文从概率建模角度刻画了异常值的产生机制，为后续鲁棒定位算法设计提供了理论基础。2. 集中式鲁棒自定位方法（Centralized Robust Self-Localization）
在全局观测条件下，利用异常值建模结果构建新的鲁棒几何优化框架，从而有效减弱异常 TDoA 对节点位置估计的影响。3. 分布式鲁棒自定位方法（Distributed Robust Self-Localization）
结合 WASN 的分布式计算特点，提出无需集中式处理的节点协作定位策略，使各节点在局部信息交互下实现稳定的自定位估计。4. 强鲁棒性与高精度（Robustness and Accuracy）
所提方法在存在 TDoA 异常值、复杂噪声和混响条件下仍能保持较高定位精度，为实际部署中的 WASN 自校准提供了有效方案。
实验结果表明：在复杂声学环境下，所提集中式与分布式方法均能显著提升节点自定位性能，节点定位误差可稳定控制在 10 cm 以内。
图示说明
该论文由 内蒙古大学 ASP 课题组 独立完成，作者包括：
呼德研究员（通讯作者）、王旭（2024级博士研究生）
研究得到国家自然科学基金青年基金、地区基金，内蒙古自治区本级引进高层次人才科研支持、内蒙古大学“骏马计划”高层次人才引进等项目的支持。