論文の概要: RL-Aided Cognitive ISAC: Robust Detection and Sensing-Communication Trade-offs
- arxiv url: http://arxiv.org/abs/2511.02672v1
- Date: Tue, 04 Nov 2025 15:49:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 18:47:06.098972
- Title: RL-Aided Cognitive ISAC: Robust Detection and Sensing-Communication Trade-offs
- Title（参考訳）: RL-Aided Cognitive ISAC:ロバスト検出と通信トレードオフ
- Authors: Adam Umra, Aya M. Ahmed, Aydin Sezgin,
- Abstract要約: 本稿では,統合型センシングとコミュニケーションのための強化学習支援型認知フレームワークを提案する。
ウォルド型検出器は非ガウス的クラッタ下でのロバストな目標検出に使用される。
SARSAに基づくRLアルゴリズムは、事前の環境知識を使わずに目標位置の適応的推定を可能にする。
- 参考スコア（独自算出の注目度）: 4.7199341867016456
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a reinforcement learning (RL)-aided cognitive framework for massive MIMO-based integrated sensing and communication (ISAC) systems employing a uniform planar array (UPA). The focus is on enhancing radar sensing performance in environments with unknown and dynamic disturbance characteristics. A Wald-type detector is employed for robust target detection under non-Gaussian clutter, while a SARSA-based RL algorithm enables adaptive estimation of target positions without prior environmental knowledge. Based on the RL-derived sensing information, a joint waveform optimization strategy is formulated to balance radar sensing accuracy and downlink communication throughput. The resulting design provides an adaptive trade-off between detection performance and achievable sum rate through an analytically derived closed-form solution. Monte Carlo simulations demonstrate that the proposed cognitive ISAC framework achieves significantly improved detection probability compared to orthogonal and non-learning adaptive baselines, while maintaining competitive communication performance. These results underline the potential of RL-assisted sensing for robust and spectrum-efficient ISAC in next-generation wireless networks.
- Abstract（参考訳）: 本稿では,一様平面アレイ(UPA)を用いたMIMOベース統合センシング通信(ISAC)システムのための強化学習(RL)支援認知フレームワークを提案する。
その焦点は、未知およびダイナミックな外乱特性を持つ環境でのレーダーセンシング性能の向上である。
SARSAに基づくRLアルゴリズムは, 環境知識を必要とせず, 目標位置の適応推定を可能にする。
RLに基づくセンシング情報に基づいて、レーダセンシング精度とダウンリンク通信スループットのバランスをとるために、結合波形最適化戦略を定式化する。
得られた設計は、解析的に導出された閉形式解による検出性能と達成可能な和率との適応的なトレードオフを提供する。
モンテカルロシミュレーションにより,提案した認知ISACフレームワークは,競争力のある通信性能を維持しつつ,直交・非学習適応ベースラインに比べて検出確率が有意に向上することを示した。
これらの結果は、次世代無線ネットワークにおけるロバストかつスペクトル効率の高いISACのためのRLアシストセンシングの可能性を示している。
関連論文リスト
- Security-Aware Joint Sensing, Communication, and Computing Optimization in Low Altitude Wireless Networks [83.84711311344918]
I SCCは低高度無線ネットワーク(LAWN)の中核部の一つである。
本稿では,通信の秘密性を考慮したI SCCの連成性能最適化について検討する。
進化的最適化の目的に応じて進化的演算子を適応的に選択する深層Q-network(DQN)に基づく多目的進化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-11-03T11:06:41Z) - Green Learning for STAR-RIS mmWave Systems with Implicit CSI [53.03358325565645]
再構成可能なインテリジェントサーフェス (STAR-RIS) 支援ミリ波放送システム (mmWave) を同時に送信し, 反射するグリーンラーニング (GL) ベースのプリコーディングフレームワークを提案する。
本研究は,将来の6Gネットワークにおける環境持続可能性を重視し,複数のユーザが同一情報を共有し,スペクトル効率を向上し,冗長伝送と電力消費を低減させるシナリオに,トランスミッションフレームワークを採用する。
論文 参考訳（メタデータ） (2025-09-08T15:56:06Z) - Anti-Jamming Sensing with Distributed Reconfigurable Intelligent Metasurface Antennas [11.159180009266489]
従来のRFセンシング手法の感度は、フェーディングやノイズなどの送信機から受信機への負の伝搬チャネルの影響を受けやすい。
本稿では,分散再構成可能な知的メタアンテナ(RIMSA)を用いてオブジェクトの存在と位置を検出することを提案する。
本稿では,最適なビームフォーミングパターンの計算を目的とした深部強化学習(DRL)アルゴリズムと,受信した信号を知覚結果に変換するニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2025-08-07T01:33:38Z) - Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
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。
論文 参考訳（メタデータ） (2025-07-12T17:11:06Z) - Towards Smarter Sensing: 2D Clutter Mitigation in RL-Driven Cognitive MIMO Radar [8.674241138986925]
このシステムは平面配列構成を採用し、伝送波形とビームフォーミングパターンを適用して検出性能を最適化する。
堅牢なウォルド型検出器はSARSAベースのRLアルゴリズムと統合されており、レーダーは複雑な乱雑な環境を学習し適応することができる。
論文 参考訳（メタデータ） (2025-02-07T14:31:58Z) - A Memory-Based Reinforcement Learning Approach to Integrated Sensing and Communication [52.40430937325323]
本稿では、送信機が受信機に送信した信号をメモリ付きチャネル上で送信するISACシステムについて考察する。
オンライン方式でセンシングを行う場合,ISAC問題に対するキャパシティ・歪みトレードオフを定式化する。
論文 参考訳（メタデータ） (2024-12-02T03:30:50Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Rethinking the Tradeoff in Integrated Sensing and Communication:
Recognition Accuracy versus Communication Rate [21.149708253108788]
ISAC(Integrated Sensistance and Communication)は、バンド利用効率を向上させるための有望な技術である。
センシング性能と通信性能の間にはトレードオフがある。
本稿では、認識精度と通信データレートを同時に最大化する多目的最適化問題を定式化し、解決する。
論文 参考訳（メタデータ） (2021-07-20T17:00:35Z) - Deep Reinforcement Learning Control for Radar Detection and Tracking in
Congested Spectral Environments [8.103366584285645]
レーダは、他のシステムとの相互干渉を軽減するために、その線形周波数変調(LFM)波形の帯域幅と中心周波数を変化させることを学ぶ。
DQLベースのアプローチを拡張して、ダブルQ-ラーニングとリカレントニューラルネットワークを組み込んで、ダブルディープリカレントQ-ネットワークを形成する。
実験結果から,提案手法は集束スペクトル環境におけるレーダ検出性能を大幅に向上させることが示された。
論文 参考訳（メタデータ） (2020-06-23T17:21:28Z) - 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) - A Reinforcement Learning based approach for Multi-target Detection in
Massive MIMO radar [12.982044791524494]
本稿では,MMIMO(Multiple input Multiple output)認知レーダ(CR)におけるマルチターゲット検出の問題点について考察する。
本稿では,未知の外乱統計の存在下での認知的マルチターゲット検出のための強化学習(RL)に基づくアルゴリズムを提案する。
定常環境と動的環境の両方において提案したRLアルゴリズムの性能を評価するため, 数値シミュレーションを行った。
論文 参考訳（メタデータ） (2020-05-10T16:29:06Z)
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。