แนวคิดหลัก
本論文は、IRS 支援 ISAC システムのチャネル推定問題に取り組み、深層学習フレームワークを提案する。2つの異なる深層ニューラルネットワーク (DNN) アーキテクチャを設計し、センシングチャネルと通信チャネルの推定を行う。入出力ペアの生成も慎重に設計されている。シミュレーション結果は、様々なSNR条件とシステムパラメータの下で、提案手法の優位性を示している。
บทคัดย่อ
本論文は、IRS 支援 ISAC システムのチャネル推定問題を扱っている。
まず、システムモデルを説明する。ISAC基地局は送受信アンテナを持ち、ターゲットの検知と下りリンクユーザとの通信を行う。IRSは受信信号の反射を制御することで、通信性能を向上させる。
次に、提案する深層学習ベースのチャネル推定アプローチを紹介する。
入出力ペアの設計:
センシングチャネルの入力は受信信号、出力は真のチャネル行列
通信チャネルの入力は受信信号、出力は真のチャネル行列
データ拡張を行い、トレーニングデータセットを拡充
推定フレームワーク:
2つのDNNアーキテクチャを設計
1つはISAC基地局でセンシングチャネルを推定
もう1つは各ダウンリンクユーザで通信チャネルを推定
オフラインでDNNをトレーニング
オンラインで入力信号を処理し、チャネルを推定
シミュレーション結果から、提案手法は基準手法に比べて大幅な性能改善を示すことが分かった。特に、センシングチャネルの推定では15 dBのSNR改善、通信チャネルでは5 dBのSNR改善が得られた。チャネル次元の変化に対しても頑健な性能を示した。
สถิติ
センシングチャネルの推定誤差は、提案手法が基準手法に比べて15 dBのSNR改善を示した。
通信チャネルの推定誤差は、提案手法が基準手法に比べて5 dBのSNR改善を示した。