論文の概要: Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework
- arxiv url: http://arxiv.org/abs/2507.09354v1
- Date: Sat, 12 Jul 2025 17:11:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:22.977805
- Title: Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework
- Title（参考訳）: Backscatter Device-Aided Integrated Sensing and Communication: Pareto Optimization Framework
- Authors: Yifan Zhang, Yu Bai, Riku Jantti, Zheng Yan, Christos Masouros, Zhu Han,
- Abstract要約: 統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。
本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
- 参考スコア（独自算出の注目度）: 59.30060797118097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrated sensing and communication (ISAC) systems potentially encounter significant performance degradation in densely obstructed urban and non-line-of-sight scenarios, thus limiting their effectiveness in practical deployments. To deal with these challenges, this paper proposes a backscatter device (BD)-assisted ISAC system, which leverages passive BDs naturally distributed in underlying environments for performance enhancement. These ambient devices can enhance sensing accuracy and communication reliability by providing additional reflective signal paths. In this system, we define the Pareto boundary characterizing the trade-off between sensing mutual information (SMI) and communication rates to provide fundamental insights for its design. To derive the boundary, we formulate a performance optimization problem within an orthogonal frequency division multiplexing (OFDM) framework, by jointly optimizing time-frequency resource element (RE) allocation, transmit power management, and BD modulation decisions. To tackle the non-convexity of the problem, we decompose it into three subproblems, solved iteratively through a block coordinate descent (BCD) algorithm. Specifically, the RE subproblem is addressed using the successive convex approximation (SCA) method, the power subproblem is solved using an augmented Lagrangian combined water-filling method, and the BD modulation subproblem is tackled using semidefinite relaxation (SDR) methods. Additionally, we demonstrate the generality of the proposed system by showing its adaptability to bistatic ISAC scenarios and MIMO settings. Finally, extensive simulation results validate the effectiveness of the proposed system and its superior performance compared to existing state-of-the-art ISAC schemes.
- Abstract（参考訳）: 統合センシング・通信システム(ISAC)は、密集した都市・非視界シナリオにおいて大きな性能劣化に直面する可能性があり、実用的な展開においてその有効性を制限している。
これらの課題に対処するため,本研究では,基盤環境に自然に分散した受動型BDを利用した後方散乱装置(BD)を用いたISACシステムを提案する。
これらの環境装置は、追加の反射信号経路を提供することで、感覚精度と通信信頼性を高めることができる。
本システムでは、相互情報(SMI)と通信レートのトレードオフを特徴付けるパレート境界を定義し、その設計の基本的な洞察を提供する。
この境界を導出するために、時間周波数リソース要素(RE)割り当て、送信電力管理、BD変調決定を共同最適化することにより、直交周波数分割多重化(OFDM)フレームワーク内の性能最適化問題を定式化する。
非凸性に対処するため、3つのサブプロブレムに分解し、ブロック座標降下(BCD)アルゴリズムにより反復的に解いた。
具体的には、REサブプロブレムを逐次凸近似(SCA)法で処理し、拡張ラグランジアン複合水充填法によりパワーサブプロブレムを解き、半定緩和法(SDR)法によりBD変調サブプロブレムに取り組む。
さらに,ISACシナリオやMIMO設定への適応性を示すことで,提案方式の汎用性を実証する。
最後に,既存のISAC方式と比較して,提案方式の有効性と性能を検証した。
関連論文リスト
- Beamforming and Resource Allocation for Delay Optimization in RIS-Assisted OFDM Systems [28.300241782442566]
本稿では、ダウンリンク再構成可能なインテリジェントサーフェス(RIS)アシスト直交周波数分割多重化(OFDM)システムにおける相設計と資源配分問題について検討する。
混合作用空間を扱い, 状態空間次元を低減するために, ハイブリッド深部強化学習(DRL)手法を提案する。
シミュレーションの結果、提案アルゴリズムは平均遅延を著しく低減し、資源配分効率を向上し、ベースライン法と比較してシステムロバスト性と公正性が優れていることが示された。
論文 参考訳（メタデータ） (2025-06-04T05:33:33Z) - Modeling and Performance Analysis for Semantic Communications Based on Empirical Results [53.805458017074294]
終端計測とSNRの関係をモデル化するためのAlpha-Beta-Gamma (ABG) 式を提案する。
画像再構成タスクでは、提案されたABG公式は、SCUNetやVision Transformerといった一般的なDLネットワークに適合する。
我々の知る限りでは、これはエンドツーエンドのパフォーマンス指標と意味コミュニケーションのためのSNRの間の最初の理論的表現である。
論文 参考訳（メタデータ） (2025-04-29T06:07:50Z) - Deep-Unfolded Massive Grant-Free Transmission in Cell-Free Wireless Communication Systems [16.359317035378638]
グラントフリー伝送とセルフリー通信は、大規模機械型通信のカバレッジと品質向上に不可欠である。
本稿では,セルフリー無線通信システムにおける大規模許可不要伝送のための,共同アクティブユーザ検出,チャネル推定,データ検出(JACD)の新たな枠組みを提案する。
論文 参考訳（メタデータ） (2025-02-19T03:04:10Z) - Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳（メタデータ） (2025-02-12T18:54:10Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - STAR-RIS-Assisted-Full-Duplex Jamming Design for Secure Wireless Communications System [38.44290756174189]
本稿では,重要で機密性の高いデバイスを盗聴者から保護するためのセキュアな通信方式を提案する。
ESRISのFDビームシフト係数をモード選択として最大化し,MSRISの共振器振幅と位相シフト係数を求める。
論文 参考訳（メタデータ） (2023-09-08T19:36:02Z) - Multi-Resource Allocation for On-Device Distributed Federated Learning
Systems [79.02994855744848]
本研究は,デバイス上の分散フェデレーション学習(FL)システムにおいて,レイテンシとエネルギー消費の重み付け和を最小化する分散マルチリソース割り当て方式を提案する。
システム内の各モバイルデバイスは、指定された領域内でモデルトレーニングプロセスを実行し、それぞれパラメータの導出とアップロードを行うための計算と通信資源を割り当てる。
論文 参考訳（メタデータ） (2022-11-01T14:16:05Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。