In dieser Arbeit wird ein tieflernbasierter Schätzansatz für ein IRS-unterstütztes integriertes Sensorik- und Kommunikationssystem (ISAC-System) vorgestellt. Der Ansatz umfasst zwei verschiedene Tiefneuronetzwerk-Architekturen, um die Sensorik- und Kommunikationskanäle effizient zu schätzen.
Für die Sensorikkanalschätzung wird ein Tiefneuronetz (SE-DNN) am ISAC-Basisstation eingesetzt. Für die Kommunikationskanalschätzung wird ein zweites Tiefneuronetz (CE-DNN) jedem Downlink-Nutzergerät zugewiesen. Die Eingabe-Ausgabe-Paare für das Training der Netze werden sorgfältig entworfen, um die Schätzgenauigkeit zu verbessern. Außerdem wird der Trainingsdatensatz durch Datenerweiterung angereichert.
Die Simulationsergebnisse zeigen, dass der vorgeschlagene Ansatz im Vergleich zu einem Benchmark-Schema unter verschiedenen Signal-Rausch-Verhältnis-Bedingungen und Systemparametern deutliche Verbesserungen der Schätzgenauigkeit erzielt.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Yu Liu,Ibrah... ב- arxiv.org 04-09-2024
https://arxiv.org/pdf/2402.09439.pdfשאלות מעמיקות