Alapfogalmak
IRS 지원 다중 사용자 ISAC 시스템에서 두 단계 접근법을 통해 감지 및 통신 채널을 효율적으로 추정하고, 이를 위해 극단적 학습 기계 기반 신경망 프레임워크를 제안한다.
Kivonat
이 논문은 IRS 지원 다중 사용자 ISAC 시스템에서 채널 추정 문제를 다룹니다. 제안된 접근법은 다음과 같습니다:
-
두 단계 채널 추정 접근법:
- 1단계: IRS 비활성화 상태에서 직접 감지 및 통신 채널 추정
- 2단계: IRS 활성화 상태에서 반사 통신 채널 추정
-
채널 추정을 위한 파일럿 전송 정책 설계:
- ISAC 기지국과 상향링크 사용자의 파일럿 신호 설계
- IRS 위상 천이 벡터 설계
-
효율적인 ELM 기반 신경망 프레임워크 제안:
- ISAC 기지국과 하향링크 사용자에서 각각 다른 ELM 구조 사용
- 두 가지 유형의 입출력 쌍 설계
-
채널 추정 성능 및 계산 복잡성 분석:
- 제안 접근법이 기존 접근법 대비 우수한 추정 정확도와 빠른 학습 속도 달성
- 제안 접근법의 계산 복잡성이 기존 접근법과 유사한 수준
Statisztikák
ISAC 기지국에서 추정된 직접 감지 채널 A의 실수부와 허수부
ISAC 기지국에서 추정된 k번째 상향링크 사용자의 직접 통신 채널 bk의 실수부와 허수부
ISAC 기지국에서 추정된 k번째 상향링크 사용자의 반사 통신 채널 Bk의 실수부와 허수부
j번째 하향링크 사용자에서 추정된 직접 통신 채널 dj의 실수부와 허수부
j번째 하향링크 사용자에서 추정된 반사 통신 채널 Dj의 실수부와 허수부
Idézetek
"IRS 지원 ISAC 시스템에서 채널 추정 문제는 감지 및 통신 신호 간 간섭과 수동 IRS의 신호 처리 능력 부재로 인해 어려운 과제이다."
"제안된 두 단계 접근법은 전체 추정 문제를 직접 및 반사 채널 추정 하위 문제로 전환하여 해결한다."
"ELM 기반 신경망 프레임워크는 낮은 계산 복잡성과 빠른 학습 속도를 제공하여 ISAC 기지국과 하향링크 사용자의 저비용 요구사항을 만족시킨다."