Dynamic Radar Networks of UAVs
在未来几年,低空空间将被无人机(UAV)所占据,它们将提供不同的服务。在这种预期的背景下,一个新出现的问题是检测和跟踪未经授权的或恶意的小型/微型UAV。与目前主要基于固定地面雷达的解决方案相比,本文将提出一种由无人机组成的动态雷达网络(DRN)的想法,该网络能够智能地调整其编队导航控制,以实时、高精度和分布式的方式最好地跟踪恶意无人机。为此,将描述一些技术解决方案和用于目标检测和跟踪的主要方法。此外,一个优化的导航方案将根据信息搜索的方法。最后将提出一些模拟结果和未来工作方向的例子,强调动态和可重构网络的优势,静态的。
2019-10-28 eess.SP
3D Radar Imaging from the UAV Nadir
Interuniversity Micro-Electronics Center (IMEC)(互大学微电子中心);Vrije Universiteit Brussel (VUB)(布鲁塞尔自由大学)
针对无人机天底视角的三维雷达成像问题,本文提出基于低成本MIMO毫米波雷达的InSAR框架及PGA相位误差补偿方法,经仿真与实验验证了算法的有效性。
2026-09-07 eess.SP
UAV-Assisted Weather Radar Calibration: A Theoretical Model for Wind Influence on Metal Sphere Reflectivity
针对风致悬挂金属球偏移导致无人机辅助天气雷达标定反射率偏差的问题,建立一维振动影响的理论模型,为移动雷达标定提供依据。
2024-06-20 eess.SP
A Survey on Detection, Tracking, and Classification of Aerial Threats using Radars and Communications Systems
近年来,用于不同应用的无人驾驶飞行器(UAV)的使用增加了许多倍。无人机有望改变未来的空中作战。然而,也存在UAV可用于恶意目的的情况。无人机的检测、跟踪和分类与有人驾驶飞行器(MAV)相比是具有挑战性的,主要是由于无人机尺寸小、形状复杂、能够靠近地形飞行以及以集群自主飞行模式飞行。在本调查中,我们将讨论当前和未来的空中威胁,并概述雷达系统,以应对此类威胁。我们还研究了雷达系统的性能参数的检测,跟踪和分类的无人机相比,微型飞行器。除了专用雷达系统外,我们还审查了联合通信雷达(JCR)系统的使用,以及对公共通信信号变化的被动监测,例如,提供了FM、LTE和可以从UAV辐射的任何传输,用于UAV的检测、跟踪和分类。最后,雷达系统的局限性和与其他技术,不依赖于雷达的检测,跟踪和分类的空中威胁的比较。
2022-11-18 eess.SP
GreenScatter: Through-Canopy Soil Moisture Sensing with UAV-Mounted Radar
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);The Aerospace Corporation(航空航天公司)
本文提出GreenScatter框架,利用无人机雷达通过冠层传感土壤含水率,通过微波辐射传输模型和雷达散射截面估计方法,实现不同冠层条件下的高精度土壤含水率估算。
2026-04-10 eess.SP
Measurement Testbed for Radar and Emitter Localization of UAV at 3.75 GHz
本研究提出一种基于商用现货设备的3.75GHz无人机雷达与辐射源定位测试平台,实现纳秒级同步与厘米级定位,经16平方公里城区实测验证了两类场景的性能,支撑ISAC下无人机 surveillance 集成研究。
2023-01-26 eess.SP
Non-Linear Signal Processing methods for UAV detections from a Multi-function X-band Radar
本文研究了压缩感知(CS)、主成分分析(PCA)、迭代自适应方法(IAA)和多输入多输出(MIMO)等非线性处理技术在便携式雷达系统增强无人机检测中的应用。该组合方案具有许多优点,并且具有更好的检测和分类精度的潜力。这里讨论的一些好处是考虑到相控阵平台,敏捷射频系统(ARS)的新型便携式相控阵雷达(PWR),它提供象限输出。由于目标多普勒频率的稀疏性,CS和IAA在应用于雷达回波的微多普勒处理时都显示出有希望的结果。这显示出减少停留时间和增加可以询问体积的速率的前景。随着基于GPU的图形处理硬件的出现,利用迭代和非线性解决方案对目标信息进行实时处理现在是可能的。模拟结果显示了良好的效果。
2023-03-13 eess.SP
Moving Target Detection Method Based on Range? Doppler Domain Compensation and Cancellation for UAV-Mounted Radar
针对无人机载穿墙雷达中强非平稳杂波影响动目标检测的问题,提出距离-多普勒域双通道相位补偿、对消及滤波成像方法,并通过仿真和无人机实验验证其有效性。
2024-07-04 eess.SP
A Survey on Detection, Classification, and Tracking of UAVs using Radar and Communications Systems
本综述探讨了恶意无人机带来的威胁与挑战,系统研究了雷达、通信系统和RF分析仪三种基于射频的无人机检测、分类与跟踪系统及其局限性,并提出了未来研究方向。
2025-03-07 eess.SP
Multi-UAV Enabled Integrated Sensing and Wireless Powered Communication: A Robust Multi-Objective Approach
本文研究多无人机ISAC与WPT系统,提出一种鲁棒多目标优化方法,联合优化无人机轨迹、雷达收发信号及上行功率等参数,并采用交替优化与分数规划等技术求解非凸问题,有效提升了雷达与通信系统的综合性能。
2025-05-30 eess.SP
Cooperative Sense and Avoid for UAVs using Secondary Radar
本文提出一种基于二次监视雷达Mode S操作的无人机协同感知与避让算法,通过仰角估计实现高精度测距和径向速度估计,并利用风险分类机制保障无人机安全导航。
2024-03-24 eess.SP
3GPP-Compliant Radar Cross Section Characterization of Indoor Factory Targets
本文在25–28 GHz频段测量小型/中型UAV、机械臂和AGV,验证并校准符合3GPP的RCS对数正态模型,为InF通感一体信道建模提供实证依据。
2025-05-13 eess.SP
Robust Trajectory and Resource Optimization for Communication-assisted UAV SAR Sensing
本文针对通信辅助的无人机SAR感知任务,提出一种考虑随机轨迹偏差的鲁棒三维轨迹与资源联合优化方法,通过求解非凸MINLP问题最大化雷达地面覆盖,并验证了次优算法接近最优且优于基准方案。
2024-04-01 eess.SP
System Design and Analysis for Energy-Efficient Passive UAV Radar Imaging System using Illuminators of Opportunity
University of Electronic Science and Technology of China(电子科技大学);Oklahoma State University(俄克拉荷马州立大学)
无人机(UAV)可以为现代雷达成像系统提供卓越的灵活性和成本效益,是使用合成孔径雷达(SAR)技术进行高级遥感应用的理想平台。本文首次提出并研究了一种利用机会辐射源的节能无源无人机雷达成像系统。无人机平台配备SAR接收机,被动地重复使用来自外部照明器(例如SAR卫星、GNSS或地面固定商业照明器)的目标场景的后向散射信号,并实现双基地SAR成像和数据通信。该系统可以提供对感兴趣的目标的雷达图像的即时访问与增强的平台隐蔽性,这是一个必要的工具,隐身观察和现场监视。首先给出了任务概念和系统框图,并对系统的优点进行了论证。然后,建立了一套任务性能评估器,对系统的能力进行定量评估,包括无人机导航、被动SAR成像和通信能力。最后,通过数值仿真验证了所提出的性能评估器的有效性。
2021-05-08 cs.AI eess.SP
Deep learning-based UAV detection in the low altitude clutter background
无人机(UAV)由于其低成本和多功能性而被广泛使用,但它们也构成安全和隐私威胁。因此,对低空无人机进行可靠的探测是一个重要的问题。强地杂波使小型无人机的雷达回波淹没在噪声中,导致雷达探测可靠性低。针对上述问题,提出了一种基于深度对比学习的低空无人机检测方法:首先建立了低空杂波干扰下的低空无人机雷达回波模型。根据无人机回波信号的成分特征和多普勒域可识别机理,采用ZAM变换和形态学运算相结合的时频变换方法抑制杂波背景下的模糊问题。然后利用引入对比度学习的特征提取与融合方法抑制非目标地杂波干扰。最后,设计了一种基于语义特征的低空无人机检测器,用于低空无人机的可靠识别。对真实数据和仿真数据的实验表明,该方法能够有效抑制地杂波,可靠地提取无人机的可识别语义特征。该方法与现有方法相比,具有较低的虚警和漏报率,在相同信噪比下,检测精度提高了5%以上,有效提高了检测的可靠性。
2022-02-24 eess.SP
mmHawkeye: Passive UAV Detection with a COTS mmWave Radar
本文提出mmHawkeye,一种利用商用毫米波雷达的无源无人机检测方法,通过周期性微运动信号特征实现远距离检测,结合动态规划、粒子滤波和LSTM进行跟踪与识别,实验检测准确率达95.8%,最远检测距离80米。
2023-08-12 cs.NI eess.SP
A Deep-NN Beamforming Approach for Dual Function Radar-Communication THz UAV
提出一种基于双DNN的预测性波束成形框架,联合优化无人机发射波束成形与地面基站关联,在保证高感知精度的同时提升通信性能,并显著降低计算时间。
2024-05-27 eess.SP
Vision Transformer for Classification of UAV and Helicopters Using Micro-Doppler Spectrograms in Surveillance Radar
Warsaw University of Technology(华沙理工大学);PIT-RADWAR S.A.(PIT-RADWAR 公司)
本文提出使用视觉变换器对不同持续时间的无人机和直升机微多普勒光谱进行分类,通过改进的双树复小波变换提高信号质量,并在实际雷达数据上实现了97.76%的分类准确率。
2025-11-29 eess.SP
3D Reconstruction of Multiple Objects by mmWave Radar on UAV
UMass Boston(马萨诸塞大学波士顿分校)
在本文中,我们探讨了利用安装在无人机上的毫米波雷达传感器来重建空间中多个物体的3D形状的可行性。无人机在太空中的不同位置盘旋,其机载雷达传感器通过合成孔径雷达(SAR)操作扫描太空收集原始雷达数据。雷达数据被发送到深度神经网络模型,该模型输出空间中多个对象的点云重建。我们评估两种不同的模型。模型1是我们最近提出的3DRIMR/R2 P模型,模型2是通过在模型1的处理管道中添加分割阶段而形成的。我们的实验表明,这两种模型是有前途的解决多目标重建问题。我们还表明,模型2,尽管产生更密集,更平滑的点云,可能会导致更高的重建损失,甚至丢失的对象。此外,我们发现,这两个模型是强大的高噪声雷达数据不稳定的SAR操作,由于不稳定或振动的小型无人机悬停在其预定的扫描点。我们的探索性研究表明,毫米波雷达传感在三维物体重建中的应用是一个很有前途的方向。
2022-11-03 cs.AI cs.CV eess.SP
Sensing Accuracy Optimization for Multi-UAV SAR Interferometry with Data Offloading
German Aerospace Center (DLR)(德国航空航天中心)
针对多无人机多基线InSAR感知精度优化问题,提出采用进化算法联合优化无人机编队、速度与通信功率分配,在保障感知与通信QoS的同时最小化DEM高度误差,性能优于多种基线方法,可实现亚分米级垂直精度。
2025-10-06 eess.SP
LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication
School of Information Science and Electronic Engineering, Shanghai Jiao Tong University(上海交通大学信息科学与工程学院)
研究低空综合传感与通信需对齐多模态数据,为此引入LAMBDA数据集,通过高保真数字孪生管道生成,具有多种特性,涵盖多场景多条件,支持多种参数设置,经评估有可靠性与可用性。
2026-07-07 eess.SP
Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar
School of Computer Science, Hangzhou Dianzi University(杭州电子科技大学计算机科学学院);TopXGun Robotics(TopXGun机器人);CARDC;College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院);College of Electronics and Information Engineering, Tongji University(同济大学电子信息工程学院)
本文提出一种低成本旋转毫米波雷达框架,用于提升农业无人机在复杂农田中的地形感知能力,通过扩大空间覆盖范围和改进地形可观察性,实现更准确的地面提取和连续地形估计。
2026-11-11 cs.RO eess.SP
Fusion of Cellular ISAC and Passive RF Sensing for UAV Detection and Tracking
North Carolina State University(北卡罗来纳州立大学)
本文提出了一种融合被动RF传感和雷达的无人机检测与跟踪系统,通过卡尔曼滤波器整合异步观测结果,提升跟踪精度和覆盖范围。
2025-12-16 eess.SP
A MARL Based Multi-Target Tracking Algorithm Under Jamming Against Radar
针对无人机集群雷达跟踪受干扰问题,提出基于多智能体强化学习的有源/无源模式选择算法,并用模拟退火处理约束,仿真验证有效。
2024-12-17 cs.SY eess.SP eess.SY
Sensing Accuracy Optimization for Communication-assisted Dual-baseline UAV-InSAR
针对双基线无人机-InSAR系统感知精度优化问题,联合优化无人机编队与卸载功率,通过加权平均融合DEM,在满足约束下最小化最坏高度估计误差,显著提升感知精度。
2024-11-02 eess.SP
A Framework for UAV-based Distributed Sensing Under Half-Duplex Operation
提出了一种基于无人机的分布式传感框架,该框架采用频分复用(OFDM)波形在半双工工作模式下检测地面目标的位置。将目标所在的感兴趣区域划分为网格单元,由多架无人机联合估计每个网格单元的雷达散射截面(RCS),中心节点作为融合中心,接收所有估计值并进行信息级融合。对于每个无人机的局部估计,使用周期图方法,并假设数字接收波束形成器。融合的RCS估计网格被用来估计单元包含的目标。蒙特卡洛模拟得到的检测概率的建议框架,我们的结果表明,该框架达到了更高的精度比其他OFDM双基地雷达方法在文献中提出的目标检测。
2023-02-21 eess.SP
UAV-Borne Digital Radar System for Coherent Multistatic SAR Imaging
本文提出一种搭载于无人机、采用OFDM波形的L波段数字雷达系统,通过主发射节点与无源接收节点保持快慢时间相干,并经静态测量和双基地SAR实验验证其高分辨率多基地成像能力。
2025-07-28 cs.SY eess.SP eess.SY
Multi-Sensor Fusion for UAV Classification Based on Feature Maps of Image and Radar Data
Information Technologies Institute(信息科技研究所);Centre for Research & Technology – Hellas(希腊研究中心);Thessaloniki, Greece(塞萨洛尼基,希腊)
提出一种融合热成像、光电和雷达数据特征的多传感器深度学习网络,通过堆叠图像特征提高无人机分类精度。
2026-10-02 cs.AI eess.SP
Transparentize A Shallow Cryosphere: High-Resolution Subsurface Imaging using UAV-Borne GPR A review and prospective
本文综述了无人机载探地雷达在浅层冰冻圈地下成像中的系统架构、操作策略和数据处理方法,并通过东南极莫愁湖案例验证了其高精度(冰厚误差0.03米),指出了未来挑战。
2026-09-22 eess.SP
Multi-Target ISAR Imaging of UAV Swarms Using Fast Reweighted Atomic Norm Denoising
School of Electrical Engineering, IHU University, Tehran, Iran(伊朗大学电气工程学院)
研究无人机群多目标ISAR成像难题,将快速重加权原子范数去噪算法扩展至此场景,构建数学框架,结合加权正则化与二维交替方向乘子法优化,能处理稀疏孔径和噪声,效果优于传统方法。
2026-07-07 eess.SP
RadCloud: Real-Time High-Resolution Point Cloud Generation Using Low-Cost Radars for Aerial and Ground Vehicles
Duke University(杜克大学)
本研究提出RadCloud实时框架,通过低分辨率雷达配置、轻量深度学习模型及chirp抗运动干扰方法,在资源受限的无人机与无人车上实时生成类激光雷达高分辨率点云,验证了其准确性与适用性。
2024-03-09 cs.RO eess.SP
Near-Range Environmental Perception for Inland Waterway Vessels: A Comparative Study of LiDAR and Automotive FMCW RADAR Sensors
本文针对内河船舶近距感知需求,在舱室船上部署四个汽车 FMCW 雷达组成的分布式网络,并与 LiDAR 进行对比实验,验证其在恶劣天气下感知近距静态环境特征以支持自主操纵的可行性。
2024-11-24 eess.SP
Adaptive Digital Twin for UAV-Assisted Integrated Sensing, Communication, and Computation Networks
本文提出基于数字孪生的无人机辅助感知通信计算一体化网络,利用MAPPO框架和Beta策略与注意力机制实现智能卸载决策,在平衡感知与计算性能的同时降低能耗。
2023-10-26 eess.SP
When UAVs Meet ISAC: Real-Time Trajectory Design for Secure Communications
本文研究安全ISAC的实时UAV轨迹设计,提出基于EKF的方法跟踪预测合法用户位置,并开发迭代算法求解非凸轨迹优化问题,以最大化实时保密速率并实现合法与泄漏速率的有效权衡。
2023-06-25 eess.SP
Doors in the Sky: Detection, Localization and Classification of Aerial Vehicles using Laser Mesh
隐身技术和无人机(UAV)有望主导当前和未来的空战。然而,雷达系统在其最大工作范围内并不总是能够检测到隐身和小型无人机,主要是由于其小的雷达横截面和/或低高度。在本文中,提出了一种新的技术作为雷达技术的替代。所提出的方法是基于创建一个网状结构的激光束从空中平台向地面发起。激光网格就像天空中的一张虚拟网。任何扰乱激光束路径的飞行器都会被检测到,随后被定位和跟踪。作为附加特征,波束的转向可以用于增加覆盖范围以及改进定位和分类性能。基于高斯分布,人工创建不同类型的飞行器的数据库。该数据库用于开发几种机器学习(ML)模型,使用不同的算法对目标进行分类。总的来说,我们通过模拟证明,我们提出的模型实现了同时检测,分类,定位和跟踪的目标。
2021-11-14 eess.SP
CDM Based Virtual FMCW MIMO Radar Imaging at 79GHz
本文针对79GHz FMCW MIMO雷达阵元数量受限导致角分辨率不足的问题,首次将CDM方法应用于虚拟阵元扩展,通过虚拟增加收发阵元数量来提升角分辨率。
2024-05-05 eess.SP
Semi-supervised Learning Framework for UAV Detection
监督学习与诸如音频、视觉成像、热感测、雷达和射频(RF)的各种感测技术的使用已经广泛应用于环境中的无人机(UAV)的检测。然而,很少或没有注意到无人机检测的无监督或半监督算法的应用。在本文中,我们提出了一种半监督技术和架构,用于通过利用RF信号(即,在无线推断(例如蓝牙和WiFi)下,UAV与其飞行控制器通信之间的指纹)。通过使用两级小波包变换分解RF信号,我们估计了二阶矩统计量(即,方差)作为特征集。我们开发了一个局部离群因子模型作为无人机检测算法,使用WiFi和蓝牙信号的小波包的系数方差。当检测射频无人机时,在信噪比为30 dB和18 dB时,我们分别获得了96.7 $\%$和86 $\%$的准确度。这种方法的应用不限于无人机检测,因为它可以扩展到检测环境中的流氓RF设备。
2021-04-14 eess.SP
Dynamic Channel Selection in UAVs through Constellations in the Sky
无人机(UAV)与地面基站(BS)之间的无线通信容易受到对抗性干扰。在这种情况下,UAV向BS指示新信道是重要的。本文描述了一种创建空间代码的方法,该空间代码将所选信道映射到无人机在空间中的运动和位置,其中后者物理地从给定的所谓“星座点”到另一个空间。这些点在天空中创建图案,类似于经典无线通信中的调制星座,并且在BS处通过毫米波(mmWave)雷达传感器来检测。星座点表示映射到特定信道的不同n比特字段,允许在两端同时进行频率切换而无需任何RF传输。本文的主要贡献是:(i)我们进行实验研究,以证明如何使用COTS无人机和毫米波传感器形成这样的星座,给出现实的感测误差和悬停振动,(ii)我们开发了一个理论框架,将所需的星座设计映射到误差和频带切换时间,再次考虑实际的无人机运动限制,和(iii)我们实验证明干扰弹性通信和验证系统有效吞吐量的无人机安装的软件定义的无线电形成的链接。
2020-02-11 eess.SP
mmWave Radar for Sit-to-Stand Analysis: A Comparative Study with Wearables and Kinect
本研究探索了用60GHz毫米波雷达分析坐立动作的新方法,通过收集45名参与者的点云数据,结合深度学习姿态估计与逆运动学提取特征并与可穿戴设备、Kinect对比,证明了其有效性并提出集成传感器技术的建议。
2024-11-28 cs.ET eess.SP stat.AP
Multi UAV-enabled Distributed Sensing: Cooperation Orchestration and Detection Protocol
本文提出一种基于无人机的半双工OFDM分布式感知框架,通过空间网格和最大似然估计算法联合估计目标RCS,由融合中心进行数据协调与融合,仿真证明其相比单基地无人机提升了精度与分辨率,且比压缩感知方法开销更低。
2023-09-10 eess.SP
Multistatic-Radar RCS-Signature Recognition of Aerial Vehicles: A Bayesian Fusion Approach
Northeastern University(东北大学);University of Pittsburgh(匹兹堡大学);DEVCOM ARL(DEVCOM陆军研究实验室)
针对多基地雷达RATR中融合方法次优的问题,提出结合最优贝叶斯融合与递归贝叶斯分类的全贝叶斯框架,经7种无人机模拟轨迹实验验证,分类准确率显著优于单雷达及次优融合方法。
2024-08-16 cs.CV cs.LG eess.SP
Experimental Evaluation of Moving Target Compensation in High Time-Bandwidth Noise Radar
本文针对高时间带宽积噪声雷达中的运动目标距离单元迁移问题,提出一种面向批处理和实时实现的拉伸处理算法,并通过100 MHz带宽、11 m/s无人机目标的实验验证其可将SINR提升约13 dB,且支持2.5 s相干积分。
2024-05-02 eess.SP
Analysis of Integrated Communication and Sensing in Cylindrical Aerial Corridors
University of Piraeus(比雷埃夫斯大学);National and Kapodistrian University of Athens(雅典国立卡波蒂斯特里安大学);Virginia Tech(弗吉尼亚理工大学)
本文提出综合框架分析圆柱形空中走廊无人机网络的ISAC覆盖概率,推导相关解析表达式,训练DeepSets模型估计参考UAV-BS最优位置,是首个考虑无人机天线方向特性研究该性能的工作。
2026-10-14 eess.SP
Edge-Assisted Multimodal UAV Localization with Resource-Efficient Compression and Robust Fusion
Zhejiang University(浙江大学);University of Illinois Urbana-Champaign Institute, Zhejiang University(浙江大学伊利诺伊大学厄巴纳香槟校区联合学院)
设计多模态无人机定位框架,利用相机、LiDAR和雷达传感模态。通过信息瓶颈压缩等模块应对传感节点资源有限、数据差异大及模态数据退化缺失等挑战,实验表明该框架能准确可靠定位无人机。
2026-10-12 eess.SP
Noise reduction in ISAR imaging of UAVs using weighted atomic norm minimization and 2D-ADMM algorithm
针对低信噪比下无人机稀疏孔径ISAR成像噪声问题,提出基于加权原子范数最小化的FRAND算法,并用2D-ADMM加速求解,实验证明其在MSE、PSNR和SSIM上优于MUSIC、Cadzow和SL0。
2024-06-16 eess.SP
Advance and Refinement: The Evolution of UAV Detection and Classification Technologies
Manash Kozybayev North Kazakhstan University(马纳什·科兹巴耶夫北哈萨克斯坦大学)
该综述梳理2020年以来无人机检测与分类技术,比较雷达、射频、光学、声学及传感器融合方法,并总结AI与机器学习对精度、效率和可靠性的提升。
2024-09-09 cs.CV eess.SP
Multi-UAV Tracking Evaluation Using 5G Uplink Signals on an O-RAN ISAC Simulation Testbed
NexVis
本研究在O-RAN ISAC仿真平台上,基于5G上行链路信号,评估多无人机的检测、关联与跟踪性能,明确了影响其跟踪表现的关键因素。
2026-08-12 cs.NI eess.SP
A Robust Super-resolution Gridless Imaging Framework for UAV-borne SAR Tomography
针对无人机载SAR层析成像,提出一种利用慢速平台PRF冗余构建多测量矢量模型,并采用原子范数软阈值算法实现无网格超分辨重建的鲁棒成像框架,经仿真与飞行实验验证有效。
2024-02-02 eess.SP
Reinforcement Learning for Enhancing Sensing Estimation in Bistatic ISAC Systems with UAV Swarms
New York University (NYU) Abu Dhabi(纽约大学阿布扎比分校);NYU Tandon School of Engineering(纽约大学坦登工程学院);Technology Innovation Institute (TII)(技术创新研究所)
针对无人机群双基地ISAC系统的感知增强需求,提出采用集中训练分布式执行的多智能体强化学习框架,结合传输功率自适应技术,在多场景下实现了稳健可扩展的感知性能提升。
2025-01-11 cs.LG eess.SP
Radar Emitter Classification with Attribute-specific Recurrent Neural Networks
Technical University of Munich(慕尼黑工业大学);Airbus Defence and Space(空中客车防务与航天公司);Johns Hopkins University(约翰斯·霍普金斯大学)
雷达脉冲流显示出越来越复杂的时间模式,不能再依靠纯粹基于数值的脉冲属性分析来进行辐射源分类。在本文中,我们采用递归神经网络(RNN)来有效地建模和利用脉冲流内部的时间依赖性。为了提高网络的预测能力,我们引入了两种新的技术:一种是序列归一化,能够挖掘有用的时间模式;另一种是特定属性的RNN处理,能够有效地处理提取的信息。通过消融研究对新技术进行评估,并将提出的解决方案与之前的深度学习(DL)方法进行比较。最后,对相同方法的鲁棒性进行了比较研究,并给出了结果。
2019-11-19 cs.LG eess.SP
Large Language Model Based Multi-Objective Optimization for Integrated Sensing and Communications in UAV Networks
本文针对无人机ISAC网络中通信与感知的权衡问题,提出基于大语言模型的分解式多目标进化算法LEDMA,联合优化无人机部署与功率控制,实验表明其在Pareto前沿和收敛性上优于基准MOEA。
2024-11-26 cs.IT eess.SP math.IT
Covert Communications in MEC-Based Networked ISAC Systems Towards Low-Altitude Economy
针对面向低空经济的MEC网络化ISAC系统,提出联合优化通信、感知、计算资源与UAV轨迹的隐蔽传输方案,通过交替优化最小化总能耗并揭示三方权衡。
2025-07-24 cs.IT eess.SP math.IT