利用信号和环境稀疏性的联合多用户通信和感知
通过联合感知和通信网络,多个基站通过融合中心合作,实现了对感知环境的信息交换,同时与一组用户设备建立通信连接。利用卷积神经网络对目标进行分类,采用自适应聚类算法更有效地分组检测到的目标,并应用多目标跟踪算法估计目标状态,该框架在保持通信服务 10% 至 20% 的通信容量降低的条件下,提供了显著的感知性能。
Oct, 2023
本研究提出了具有聯合通信和雷達 / 無線感測(JCAS)能力的感知型移動網絡(PMN)的概念以及該網絡的動機、方法、挑戰和研究機遇,包括系統和技術的綜合調查及其在智能應用方面的潛在應用。
Jun, 2020
本文提出了一种 LS-SM-MIMO 方案用于上行通信,该方案通过聚合多个用户的 SM 信号以增加 UL 吞吐量,并使用压缩感知和多用户检测以实现效率高、低复杂度的检测性能。
Nov, 2015
本文研究了利用无人机(UAV)作为通信和感知的双重功能接入点,以实现高效的综合感知和通信(ISAC)。作者提出了两种场景的最优化方案,分别考虑了准静止和运动的 UAV 情况,并设计了相应的束形成和优化策略。在数值仿真中证实了所提出的方法的优越性。
Oct, 2021
本研究介绍了一种深度学习方法,利用多模态图像和频谱数据相结合,实现动态频谱访问,并识别潜在的发射器。通过使用边缘设备上的摄像头拍摄潜在对象(例如可能携带发射器的车辆),我们提出了一种协作系统,其中边缘设备与可信接收器之间进行有选择的信息通信并作出决策,以确定潜在的发射器是否存在。通过任务导向的通信,在发射器上使用编码器进行联合源编码、信道编码和调制,从而高效传输用于对象分类的精简维度的重要信息。同时,发送的信号可能会反射到物体并返回到发射器,从而实现目标感知数据的收集。然后,在发射器上对收集到的感知数据进行第二轮编码,通过任务导向的通信将降维后的信息传回融合中心。在接收端,解码器通过联合感知和任务导向的通信,执行识别发射器的任务。发射器的两个编码器以及接收器的解码器进行联合训练,实现了图像分类和无线信号检测的无缝集成。通过 AWGN 和 Rayleigh 信道模型,我们展示了所提出方法的有效性,在各种信道条件下取得了发射器识别的高准确性,并保持低延迟的决策过程。
Dec, 2023
本文提出一种应对网络安全攻击的战术通信系统的通道感知、协作和传输算法,通过节点感知、合作和选择疑似未被攻击的信道来提高网络频谱知识和减少受到攻击的传输频率。
Mar, 2020
本论文全面阐述了基于信号处理理论的 JCR 系统从发射器和接收器两个角度的三种类型特点和优化,该系统整合了通信和雷达感知两种功能,通过共享信号处理模块与单个发射信号,可显着提高频谱效率,降低设备成本和功耗。
Feb, 2021
提出了一种基于结构化压缩感知的时空联合通道估计方案,通过利用时延域 MIMO 通道的时空公共稀疏性来降低所需的导频开销,利用非正交导频和自适应结构子空间追踪算法,提高估计的准确性,并通过利用时域通道相关性,提出了空时自适应导频方案。
Dec, 2015