論文の概要: ISAC-NET: Model-driven Deep Learning for Integrated Passive Sensing and Communication

• arxiv url: http://arxiv.org/abs/2307.15074v1
• Date: Fri, 14 Jul 2023 05:21:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-06 11:32:59.706805
• Title: ISAC-NET: Model-driven Deep Learning for Integrated Passive Sensing and Communication
• Title（参考訳）: ISAC-NET:パッシブセンシングとコミュニケーションのためのモデル駆動型ディープラーニング
• Authors: Wangjun Jiang and Dingyou Ma and Zhiqing Wei and Zhiyong Feng and Ping Zhang
• Abstract要約: モデル駆動ディープラーニング(DL)を用いた受動センシングと通信信号検出を組み合わせたISACネットワーク(ISAC-NET)を提案する。 ISAC-NETは受動センシング結果と通信復調シンボルを同時に取得する。 2D-DFTアルゴリズムと比較すると、ISAC-NETはセンシング性能を著しく向上させる。
• 参考スコア（独自算出の注目度）: 17.385081198870417
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Recent advances in wireless communication with the enormous demands of sensing ability have given rise to the integrated sensing and communication (ISAC) technology, among which passive sensing plays an important role. The main challenge of passive sensing is how to achieve high sensing performance in the condition of communication demodulation errors. In this paper, we propose an ISAC network (ISAC-NET) that combines passive sensing with communication signal detection by using model-driven deep learning (DL). Dissimilar to existing passive sensing algorithms that first demodulate the transmitted symbols and then obtain passive sensing results from the demodulated symbols, ISAC-NET obtains passive sensing results and communication demodulated symbols simultaneously. Different from the data-driven DL method, we adopt the block-by-block signal processing method that divides the ISAC-NET into the passive sensing module, signal detection module and channel reconstruction module. From the simulation results, ISAC-NET obtains better communication performance than the traditional signal demodulation algorithm, which is close to OAMP-Net2. Compared to the 2D-DFT algorithm, ISAC-NET demonstrates significantly enhanced sensing performance. In summary, ISAC-NET is a promising tool for passive sensing and communication in wireless communications.
• Abstract（参考訳）: センサ能力の膨大な要求を伴う無線通信の最近の進歩は、パッシブセンシングが重要な役割を果たす統合センシング・アンド・コミュニケーション(isac)技術を生み出した。 パッシブセンシングの主な課題は、通信復調エラーの状況において、高いセンシング性能を達成する方法である。 本稿では、モデル駆動型ディープラーニング(DL)を用いた受動センシングと通信信号検出を組み合わせたISACネットワーク(ISAC-NET)を提案する。 送信されたシンボルを最初に復調し、復調されたシンボルから受動センシング結果を得る既存の受動センシングアルゴリズムと異なり、isac-netは受動センシング結果と通信復調されたシンボルを同時に得る。 データ駆動型DL法と異なり、ISAC-NETを受動的センシングモジュール、信号検出モジュール、チャネル再構成モジュールに分割するブロックバイブロック信号処理法を採用する。 シミュレーション結果から、ISAC-NETはOAMP-Net2に近い従来の信号復調アルゴリズムよりも優れた通信性能を得る。 2D-DFTアルゴリズムと比較すると、ISAC-NETはセンシング性能を著しく向上させる。 まとめると、ISAC-NETは無線通信における受動的センシングと通信のための有望なツールである。

関連論文リスト

• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement [11.793803540713695]
  慣性センサーは様々な携帯機器で広く使われている。 ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。 WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
  論文  参考訳（メタデータ） (2023-12-29T07:44:06Z)
• Joint Sensing and Semantic Communications with Multi-Task Deep Learning [45.622060532244944]
  本稿では,協調センシングとコミュニケーションのための深層学習技術の統合と,セマンティックコミュニケーションの拡張について検討する。 統合システムは、無線チャンネル上で動作し、ノイズやフェーディングを受ける送信機と受信機とを備える。 送信機はディープニューラルネットワーク(DNN)、すなわちエンコーダを使用し、ソース符号化、チャネル符号化、変調のジョイント操作を行う。 受信機は別のDNN、すなわちデコーダを使用して、復調、チャネル復号、ソース復号のジョイント操作を行い、データサンプルを再構築する。
  論文  参考訳（メタデータ） (2023-11-08T21:03:43Z)
• Salient Object Detection in Optical Remote Sensing Images Driven by Transformer [69.22039680783124]
  光リモートセンシング画像(ORSI-SOD)のためのGlobal extract Local Exploration Network(GeleNet)を提案する。 具体的には、GeleNetはまずトランスフォーマーバックボーンを採用し、グローバルな長距離依存関係を持つ4レベルの機能埋め込みを生成する。 3つの公開データセットに関する大規模な実験は、提案されたGeleNetが関連する最先端メソッドより優れていることを示している。
  論文  参考訳（メタデータ） (2023-09-15T07:14:43Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• Multi-Point Integrated Sensing and Communication: Fusion Model and Functionality Selection [99.67715229413986]
  本稿では,複数のISACデバイスからの出力を融合させて高感度化を実現する多点ISAC(MPISAC)システムを提案する。 我々は,仮説テストと最適投票分析により,融合精度を予測する融合モデルを採用する。
  論文  参考訳（メタデータ） (2022-08-16T08:09:54Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Accelerating Edge Intelligence via Integrated Sensing and Communication [37.94664609065957]
  本稿では,統合センシング通信(ISAC)によるエッジインテリジェンスの向上を提案する。 これにより、センサと通信の段階をマージし、データセット生成とアップロードの両目的のために無線信号の最適活用を図る。 グローバル最適解はランク1保証半定緩和によって導出され、ISACゲインを定量化するために性能解析が行われる。
  論文  参考訳（メタデータ） (2021-07-20T15:42:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。