Cooperative Sensing in Cell-free Massive MIMO ISAC Systems: Performance Optimization and Signal Processing
本文针对无小区大规模MIMO ISAC系统中的多节点协同感知挑战,提出了联合AP部署与天线资源优化方案以最小化感知Cramér-Rao下界,并设计了基于符号级融合的多动态目标感知方案,使定位和速度估计精度分别提升44%和41.4%。
2025-06-30 eess.SP
Integrated Sensing and Communication enabled Multiple Base Stations Cooperative UAV Detection
本文提出一种基于MUSIC的多基站符号级融合方法,通过单基站预处理与格点搜索实现高精度无人机定位与速度估计,仿真验证其优于基准方法。
2024-04-19 eess.SP
Formation Control for CRLB-Optimal Cooperative Sensing in Low-Altitude Wireless Networks
Southern University of Science and Technology(南方科技大学);The Education University of Hong Kong(香港教育大学);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));Liaoning Petrochemical University(辽宁石油化工大学);Shenzhen University(深圳大学)
本文提出了一种分布式编队控制策略,用于低空无线网络中实现CRLB最优的协同感知,通过优化无人机编队几何结构提升感知精度。
2026-02-27 eess.SP
Deep Learning-based Cooperative LiDAR Sensing for Improved Vehicle Positioning
本文提出CLS-MPNN数据驱动协同LiDAR感知框架,融合3D目标检测、MPNN数据关联与ICP定位,在两个仿真场景中显著优于GNSS及协同SLAM方法。
2024-02-26 eess.SP
Cooperative Multi-Satellite ISAC Networks: Centralized vs. Distributed Sensing
POSTECH(浦项科技大学);Korea University(韩国大学);Princeton University(普林斯顿大学)
本文提出集中式与分布式协同感知框架,通过优化波束成形和功率分配,提升多卫星ISAC网络的感知与通信性能。
2026-08-05 eess.SP
AI-Empowered Low-Altitude Economy: Cooperative Sensing With Fixed Wireless Access
本文提出一种基于AI的两阶段协同感知方法,利用FWA设备的上行CSI实现无人机检测与定位,实验表明该方法能有效降低误检概率并满足3GPP要求。
2026-05-08 eess.SP
Performance Analysis of Cooperative Integrated Sensing and Communications for 6G Networks
本文提出基于随机几何的协作式ISAC网络建模框架,推导通信覆盖概率与雷达信息速率的解析表达式,并通过蒙特卡洛仿真揭示协作基站数、部署密度及天线数对性能的影响规律。
2025-05-14 eess.SP
3D Cooperative User Tracking for Distributed Integrated Sensing and Communication
Lund University(隆德大学);Peking University(北京大学)
本文面向分布式通感一体化系统的协同用户跟踪需求,提出融合全局PHD滤波器与视场感知AP管理策略的跟踪框架,经实测验证可实现厘米级跟踪精度,且无需持续激活所有AP。
2025-11-17 eess.SP
Real-Time Prediction for Fine-Grained Air Quality Monitoring System with Asynchronous Sensing
由于严重的空气污染问题,对空气质量的监测和预测变得越来越必要。为了在城市地区提供实时精细的空气质量监测和预测,我们在北京大学建立了自己的物联网传感系统。由于传感器的能量约束,优选的是传感器以异步模式交替地唤醒,这导致稀疏感测数据集。本文提出了一种基于异步感知的实时细粒度空气质量预测方法。稀疏数据集和时空气象关系被建模为相关图,以这种方式,预测程序是精心设计的。我们的空气质量监测系统收集的数据集,所提出的解决方案比现有的优势进行评估。
2018-11-06 eess.SP
Integrated Sensing, Communication, and Computation Over-the-Air in OFDM Systems
本文针对上行OFDM系统中的ISCC场景,通过联合优化发射向量与聚合向量最小化计算MSE,并提出两阶段迭代算法求解非凸问题,仿真验证了其有效性。
2025-06-30 eess.SP
Deep Cooperation in ISAC System: Resource, Node and Infrastructure Perspectives
本文从单节点内多域资源处理、多节点协作和大规模基础设施协作三个层面系统研究了ISAC系统中的深度协作感知方法,并通过仿真验证了多节点多资源协作感知的优越性。
2024-09-03 eess.SP
Integrated Sensing and Communication enabled Multiple Base Stations Cooperative Sensing Towards 6G
本文针对6G单基站感知范围和精度的局限,提出了通感一体化使能的多基站协同感知框架,详细介绍了统一性能指标、信号设计优化、干扰管理和协同算法等关键技术,并通过性能评估验证了其有效性。
2023-11-24 cs.NI eess.SP
Toward ISAC-empowered subnetworks: Cooperative localization and iterative node selection
University of Pisa(比萨大学)
针对ISAC赋能子网的单静态目标定位感知-通信权衡问题,本文提出低复杂度迭代节点选择算法,可在资源约束下优化感知子网集,经仿真验证能以低迭代次数实现高精度定位,同时量化了感知与通信的性能权衡关系。
2025-11-15 eess.SP
Cooperative Multi-Static ISAC Networks: A Unified Design Framework for Active and Passive Sensing
Rocket Force University of Engineering(火箭军工程大学);School of Information and Communication Engineering, Xi’an Jiaotong University(西安交通大学信息与通信工程学院);Department of Electronic Engineering, Shanghai Jiao Tong University(上海交通大学电子工程系)
针对多基地ISAC系统,提出联合主动与被动感知(JAPS)的统一设计框架,通过交替优化联合优化波束成形、接收滤波器和功率分配,在保证感知需求下最大化上下行总速率,并验证了性能提升。
2025-10-08 eess.SP
Position Error Bound for Cooperative Sensing in MIMO-OFDM Networks
本文研究了JSC网络中目标位置估计精度的极限,推导了基于Fisher信息的通用框架来评估任意协作BS数量和几何配置下的定位精度,并数值验证了BS协作对提升定位精度的作用。
2024-05-30 eess.SP
Cooperative Coherent Multistatic Imaging and Phase Synchronization in Networked Sensing
本文研究车载雷达网络中的协作相干多站成像,证明其能提升弱目标检测与分辨率,并提出三步相位同步程序以保障相干处理精度。
2023-11-13 eess.SP
Cooperative Sensing of Side Lobes Interference for mmWave Blockages Localization and Mapping
针对毫米波通信易受阻塞导致性能下降的问题,本研究在前期单节点角位置感知机制基础上,提出多实体共享感知数据的协同旁瓣干扰感知方法,可联合定位移动阻塞物并绘制干扰图,数值验证其能更精准估计阻塞物的位置、轨迹等参数。
2024-05-14 eess.SP
Cooperative Integrated Sensing and Communication Networks: Analysis and Distributed Design
针对集成感知与通信场景,提出采用HBF架构的Co-ISACNet及基于近端梯度与交替方向乘子法的分布式优化框架PANDA,在满足雷达波束约束下最大化通信容量,降低复杂度并提升双功能性能。
2025-06-18 eess.SP
Target Localization in Cooperative ISAC Systems: A Scheme Based on 5G NR OFDM Signals
本文提出一种基于5G NR OFDM信号的协作ISAC两阶段目标定位方案,通过2D-FFT提取时延与多普勒信息测量距离,并消除病态测量实现高精度定位,数值结果验证了其有效性与协作增益。
2024-08-22 eess.SP
A Cooperative Spectrum Sensing Scheme Based on Compressive Sensing for Cognitive Radio Networks
提出了一种基于压缩感知的协作频谱感知方案。在该方案中,二级用户(SU)被组织在集群中。在每个集群中,SU将其压缩信号转发给集群头。然后,簇头将本地感知数据报告给融合中心,以做出最终决策。采用模数转换器对接收到的SU信号进行采集。所提出的方案进行评估,使用几个指标,包括检测概率,压缩比,错误的概率,和处理时间。仿真结果与其他合作感知方案进行了比较。该方案的检测概率高达97%,处理时间仅为2 ms,压缩比仅为10%,出错率仅为35%。这些结果表明,我们提出的方法优于频谱感知没有压缩感知。
2019-12-10 cs.IT eess.SP math.IT
Uniform Planar Array Based Weighted Cooperative Spectrum Sensing for Cognitive Radio Networks
针对认知无线电中基于均匀平面阵列(UPA)的协作频谱感知(CSS)研究不足的问题,提出多波束UPA加权CSS框架,通过设计加权因子提升检测可靠性,分析性能并验证其优越性。
2025-04-14 eess.SP
Improved Sensing and Positioning via 5G and mmWave radar for Airport Surveillance
本文探讨了一种综合的方法,用于改善传感和定位与空中交通管理(ATM)和先进的地面运动制导和控制系统(A-SMGCS)的应用。该集成方法包括3D矢量天线与新颖的到达时间和到达角估计方法的协同作用,以实现精确定位,并结合在6 GHz以下和毫米波频谱上的感知,以增强非合作监视。对于定位范围,研究了上行链路和下行链路5G参考信号,并评估了它们的性能。对于非合作感知范围,提出了一种新的基于5G信号的成像函数,并通过真实机场无线电传播模型进行了验证,并研究了基于人工智能的目标跟踪和运动识别。基于5G的成像和基于毫米波雷达的检测可以融合在一起,以加强机场的监控。这项工作是在欧洲资助的项目NewSense中完成的,它深入研究了未来ATM解决方案的5G,Vector Momnas和mmWave功能。
2022-02-28 eess.SP
Fundamental Sensing Limits of 6G Cooperative MIMO-ISAC Networks: Joint Position-Velocity CRLB and Decoupling Analysis
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡大学)
研究 6G 协作式 MIMO-ISAC 网络基本传感极限,基于 CRLB 分析,推导完整 FIM 及精确 CRLB,针对复杂度简化 FIM 和 CRLB 并给出判定准则,仿真验证简化 CRLB 可用于一般情况,解释相关参数影响及有效性。
2026-07-10 eess.SP
Air-Ground Integrated Sensing and Communications: Opportunities and Challenges
由无人机(UAV)和地面网络组成的空地通感一体化(AG-ISAC)网络具有独特的能力,需要特殊的设计技术。在这篇文章中,我们提供了一个审查AG-ISAC,通过引入无人机作为“中继”节点的通信和传感,以解决无人机的功率和计算的限制。首先介绍了一个AG-ISAC框架,包括系统结构和协议。然后讨论了四个潜在的用例,分析了AG-ISAC网络的特点和优点。然后讨论了AG-ISAC的几个关键技术的研究。最后,我们提出了我们对AG-ISAC的挑战和未来研究方向的看法,以促进技术的进步。
2023-02-13 eess.SP
Accuracy-Aware Cooperative Sensing and Computing for Connected Autonomous Vehicles
本文提出一种面向网联自动驾驶的精度感知与资源高效的原始级协同感知与计算方案,通过监督学习建模分类精度与数据质量关系,联合优化数据选择、子任务放置与资源分配,实现高精度低成本的协同感知。
2024-03-25 cs.NI eess.SP
Cooperative ISAC for Joint Localization and Velocity Estimation in Cell-Free MIMO Systems
The University of British Columbia(不列颠哥伦比亚大学);Friedrich-Alexander University of Erlangen-Nuremberg(埃尔朗根-纽伦堡弗里德里希·亚历山大大学)
本文提出了一种基于D-VQVAE的协同ISAC框架,用于无基站MIMO系统中实现高精度的目标定位与速度估计,同时显著降低前 haul信令开销。
2026-02-23 eess.SP
Joint Sensing, Communication, and Computation Resource Allocation for Cooperative Perception in Fog-Based Vehicular Networks
为了扩大自主车辆的感知范围和可靠性,协同感知受到了广泛的关注。然而,考虑到大量的共享消息,有限的带宽和计算资源在车辆网络成为瓶颈。在本文中,我们研究如何平衡共享消息和有限的资源在基于雾的车辆网络的体积。为此,我们首先考虑其时空价值和延迟性能的合作感知的总满意度的特征。然后,在满足车辆最大延迟和逗留时间约束的前提下,联合分配感知块消息、通信资源块和计算资源,以最大化协作感知的满意度和.由于其非凸性,我们将原问题解耦成两个独立的子问题,并设计相应的解决方案。仿真结果表明,与现有的基线相比,我们提出的方案可以有效地提高合作感知的总满意度。
2021-12-12 cs.NI eess.SP
Multi-Target Cooperative Visible Light Positioning: A Compressed Sensing Based Framework
提出了一种基于压缩感知(CS)的多目标协同可见光定位(VLP)框架,实现了多目标同时高精度定位。用于照明的发光二极管(LED)用于定位配备有光电检测器的多个目标移动终端。室内区域可以划分为一个由离散点组成的二维网格,目标只位于少数几个网格点上,具有稀疏性。因此,多目标定位问题可以转化为稀疏恢复问题。具体而言,制定了基于CS的框架,利用接收到的可见光信号的叠加在多个目标通过目标间合作定位。然后,它可以有效地解决使用CS为基础的算法。此外,通过对应于不同LED的信号之间的互相关,将锚点间协作引入到基于CS的框架中,即,锚点,这进一步提高了定位精度。该方案采用基于CS的框架和协作机制,能够同时对多个目标进行定位,且定位精度高,计算复杂度低。仿真结果表明,所提出的方案可以实现厘米级多目标定位亚米级精度,优于现有的基准方案。
2023-03-05 eess.SP
Cooperative LEO-Terrestrial Multistatic ISAC: CRLB Analysis, Scaling Laws, and Satellite Selection
The University of Manchester(曼彻斯特大学)
本文研究LEO卫星辅助地面多基地ISAC网络的三维目标定位,通过PPP和Walker模型推导混合CRLB缩放规律,并提出低复杂度的贪心卫星选择策略,性能接近穷举搜索。
2026-09-10 eess.SP
Trajectory Tracking for MmWave Communication Systems via Cooperative Passive Sensing
本文提出一种毫米波通信协作被动感知框架,利用双波束相控阵分离视距与非视距路径,通过多普勒频率和到达角联合估计移动阻挡物轨迹与发射机位置,实现分米级定位和亚0.1秒阻塞预测。
2024-09-30 eess.SP
SNR Wall for Cooperative Spectrum Sensing Using Generalized Energy Detector
认知无线电是提高频谱利用率的一种很有前途的方案。频谱感知是认知无线电的主要任务之一。协作频谱感知(CSS)用于CR,以提高检测能力。由于其简单性和低复杂度,基于能量检测的感测被称为常规能量检测(CED)而被广泛采用。CED可以通过将接收样本幅度的平方运算改变任意正功率p来推广,称为广义能量检测器(GED)。当存在噪声不确定性(NU)时,GED的性能下降。在本文中,我们研究的性能CSS考虑噪声NU时,所有的二级用户(SU)采用GED。我们推导出的信号噪声比(SNR)墙CSS的硬和软决策组合。所有推导出的表达式进行了验证,使用蒙特卡罗(MC)模拟。
2017-12-19 eess.SP stat.AP
Joint Communication, Sensing and Localization for Airborne Applications
随着自动驾驶和城市空中交通的趋势,自动导航车辆的数量将增加,因为它们预计将用于交付以及自动出租车等应用。为此,大量用于无线通信、环境感测和定位的机载系统将成为强制性的。对于无人驾驶航空器来说尤其如此,因为参与空域需要与现有用户兼容并安全互动。一定数量的系统已经在使用中,并且占据了限定的频谱以及安装空间,这限制了新系统设计的自由度。用于交付服务的无人机等飞行器的小型化进一步降低了自由度,特别是在任何附加设备的尺寸和重量方面。因此,本文讨论了一种无人机联合通信、感知和定位的设计方法。为了实现这一目标,当将自动驾驶提升到第三维时,多模多端口天线和联合波形设计被提出作为解决方案的一部分。
2022-09-22 eess.SP
Air-to-Ground Cooperative OAM Communications
本文针对热点区域设备尺寸受限用户的空地OAM通信难题,提出空地协同OAM通信(ACOC)方案,通过调整腰斑半径并推导最优飞行基站位置闭式解,实现两组协同用户的天线对准,仿真验证了其频谱效率优势。
2024-08-02 cs.IT eess.SP math.IT
Edge-Assisted Accelerated Cooperative Sensing for CAVs: Task Placement and Resource Allocation
本文针对车联网自动驾驶车辆感知任务完成时间长的问题,提出RSU辅助的协同感知方案,通过双层算法优化任务放置与资源分配,在CARLA仿真中验证了其能有效减少总任务完成时间。
2024-11-27 cs.NI eess.SP
Automotive Collision Risk Estimation Under Cooperative Sensing
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提供了一种技术,估计碰撞风险的自动地面车辆从事合作感测。该技术允许量化(i)由于合作而降低的风险,以及(ii)由于合作而增加的风险评估的准确性。如果两者中的任何一个都很重要,则可以将合作视为满足日益自动化的车辆的严格风险预算的理想做法;如果不是,则不需要进行合作--尽管存在各种缺点。基于动态概率占用图和将碰撞相关状态信息映射到成本度量的损失函数,在自我车辆的轨迹上评估碰撞风险。风险评估框架证明使用从两个合作的车辆穿越城市交叉口捕获的真实数据。
2020-04-21 cs.RO eess.SP
Cooperative Sensing and Uploading for Quality-Cost Tradeoff of Digital Twins in VEC
传感技术、无线通信和计算模式的最新进展推动了车辆成为智能和电子消费产品的发展。研究了车辆边缘计算(DT-VEC)中通过协作感知和上传实现数字孪生的问题,首次尝试在DT-VEC中实现质量-成本权衡。首先,提出了一种DT-VEC架构,其中异构信息可以由车辆感知并通过车辆到基础设施(V2 I)通信上传到边缘节点。基于感知信息建立数字孪生模型,形成逻辑视图,反映物理车辆环境的实时状态。其次,考虑数字孪生的实时性和一致性,以及冗余度、感知代价和传输代价,推导了协作感知模型和V2 I上传模型。在此基础上,建立了系统质量最大化和系统成本最小化的双目标优化问题。第三,我们提出了一种基于多智能体多目标(MAMO)深度强化学习的解决方案,其中提出了一个决斗的评论家网络来评估基于状态值和动作优势的智能体动作。最后,给出了综合的性能评估,证明了MAMO的优越性。
2023-01-27 cs.NI eess.SP
Accelerating Multi-UAV Collaborative Sensing Data Collection: A Hybrid TDMA-NOMA-Cooperative Transmission in Cell-Free MIMO Networks
本研究针对多无人机协同感知数据收集场景,采用无蜂窝MIMO网络管控干扰,提出融合TDMA、NOMA与协作传输的混合策略,通过联合优化任务拆分比例与传输方案,有效缩短感知任务完成时间。
2024-11-04 cs.IT eess.SP math.IT
Non-cooperative Aerial Base Station Placement via Stochastic Optimization
带有机载基站设备的无人驾驶飞行器(UAV)可以在地面基础设施过载、损坏或缺乏的地区提供连接。用例包括紧急响应、野火抑制、监视和拥挤事件中的蜂窝通信,仅举几例。实现该技术的中心问题是将这样的空中基站(AirBS)放置在近似优化相关通信度量的位置。为了缓解现有算法的局限性,这需要密集和可靠的AirBS之间或AirBS和中央控制器之间的通信,本文利用随机优化和机器学习技术,提出了一种自适应和分散的算法AirBS之间的合作或通信的AirBS布局。该方法依赖于网络效用函数的智能设计和随机梯度上升迭代,可以用实际情况中可用的信息进行评估。为了补充理论上的收敛性能,仿真研究证实了所提出的计划的有效性。
2019-05-10 eess.SP math.OC
Cooperative Sensing and Communication for ISAC Networks: Performance Analysis and Optimization
本文提出一种结合CoMP联合传输与分布式MIMO雷达的协同网络化ISAC方案,利用随机几何分析证明部署N个ISAC收发机可按ln²N标度律提升感知性能,并在仿真中相比时分方案提高数据速率、降低定位CRLB。
2024-06-11 cs.IT eess.SP math.IT
Design and Optimization of Cooperative Sensing With Limited Backhaul Capacity
本文针对有限回程容量的集成感知与通信网络,提出一种协作感知框架,通过Karhunen-Loève变换编码和回程资源优化分配,在接收机与融合中心之间高效共享时延、反射系数及信号采样,从而提升目标定位性能。
2024-04-04 cs.IT eess.SP math.IT
Over-the-Air Multi-View Pooling for Distributed Sensing
感测被设想为6 G移动网络的关键网络功能。人工智能(AI)授权的传感融合了来自边缘网络中分布的设备的多个传感视图的特征,以便边缘服务器执行准确的推理。此过程称为多视图池,由于许多设备的多访问而造成通信瓶颈。为了缓解这个问题,我们提出了一个面向任务的分布式传感的同时访问计划称为空中池(AirPooling)。现有的空中计算(Over-the-Air Computing,AirComp)技术可以直接应用于通过利用多接入信道的波形叠加属性来实现平均空中池化。然而,尽管在实践中最受欢迎,但称为Max-AirPooling的空中最大化并不是AirComp可实现的,因为AirComp解决了有限的功能子集。我们解决的挑战,提出了新的广义AirPooling框架,可以配置为支持最大和平均AirPooling通过控制配置参数。前者是通过在AirComp中添加所设计的设备端预处理和服务器端后处理来实现的。为了表征端到端的感知性能,应用分类裕度理论将分类精度和AirPooling误差联系起来。此外,分析揭示了一个固有的权衡最大空气池之间的池函数近似的精度和噪声抑制的有效性。利用这种折衷,我们优化了Max-AirPooling的结构参数,得到了一种次优的自适应参数控制的封闭形式。在真实世界数据集上获得的实验结果表明,AirPooling提供的传感精度接近传统数字空中接口所能达到的精度,但大大降低了通信延迟…
2023-02-20 cs.IT eess.SP math.IT
Sensing Performance of Cooperative Joint Sensing-Communication UAV Network
提出一种利用波束共享的协作式联合感知通信无人机网络,通过理论分析与仿真确定了总功率约束下最优无人机数量与感知波束功率。
2023-04-04 cs.IT eess.SP math.IT
Sensing Rate Optimization for Multi-Band Cooperative ISAC Systems
针对多频段协作ISAC系统,提出基于半定秩松弛和内逼近的感知速率优化算法,相比等功率分配提升约25%-40%,且收敛快,适用于低功率场景。
2025-07-10 cs.IT eess.SP math.IT
A Visual Cooperative Localization Method for Airborne Magnetic Surveying Based on a Manifold Sensor Fusion Algorithm Using Lie Groups
Shenyang Aerospace University(沈阳航空航天大学);International Digital Economy Academy(国际数字经济学院);Beijing Jiaotong University(北京交通大学)
针对GNSS拒止环境下机载磁测中传感器隔离导致的定位难题,提出结合视觉处理模块和改进流形传感器融合算法的视觉协同定位方法,经真实飞行实验验证实现厘米级单轴和分米级3D定位精度。
2024-10-10 cs.RO cs.SY eess.SP
Multi-domain Cooperative SLAM: The Enabler for Integrated Sensing and Communications
同时定位与地图构建(SLAM)提供用户跟踪和环境地图绘制能力,使得通信系统能够获得态势感知。具有超宽带、多天线和大量连接的先进通信网络为传感和通信的深度集成提供了机会。本文首先回顾了综合传感与通信技术的发展历程,揭示了综合传感与通信技术与传统通信技术的区别。然后,多域协同SLAM的有效机制。特别是,交叉感知,跨用户,跨频率,跨设备的SLAM机制的研究机会和挑战提出。此外,SLAM辅助通信策略进行了明确的讨论。通过数值分析,证明了基于混合感知和众包的多域协同SLAM机制可以显著提高复杂多径传播环境下的定位和地图构建精度。此外,通过测试平台实验表明,本文提出的SLAM机制在实际应用场景中能够达到分米级的定位和映射精度,从而证明了多域协同SLAM在ISAC中的应用前景。
2022-11-11 cs.IT eess.SP math.IT
Cooperative Multi-Monostatic Sensing for Object Localization in 6G Networks
针对6G网络中多径导致回波退化及带宽受限时定位性能下降的问题,本文提出基于5G NR的协作式多单基地感知框架,通过加权融合各基站距离估计抑制多径,并经光线追踪仿真验证有效。
2024-01-25 cs.SY eess.SP eess.SY
Cooperative Internet of UAVs: Distributed Trajectory Design by Multi-agent Deep Reinforcement Learning
无人机(UAV)具有部署灵活、覆盖范围广等优点,在下一代蜂窝网络中具有很大的传感应用潜力,这将催生无人机蜂窝互联网。在本文中,我们考虑了一个蜂窝互联网的无人机,无人机执行传感任务,通过合作的传感和传输,以尽量减少年龄的信息(AoI)。然而,协同感知和传输与无人机的轨迹紧密耦合,这使得轨迹设计具有挑战性。为了应对这一挑战,我们提出了一个分布式的感测和发送协议,其中无人机通过从一组离散的任务和一组连续的位置进行感测和传输来确定轨迹。基于该协议,我们制定了AoI最小化的轨迹设计问题,并提出了一种基于深度强化学习的复合动作演员-评论家(CA 2C)算法来解决这个问题。CA 2C算法可以学习最优策略的行动涉及连续和离散变量,适合于轨迹设计。{Our仿真结果表明,CA 2C算法优于四种基线算法。此外,我们表明,通过划分的任务,合作的无人机可以实现较低的AoI相比,非合作的无人机。
2020-07-28 cs.SY eess.SP eess.SY
Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol
School of Electronics Engineering and Computer Science, Peking University(北京大学电子工程与计算机科学学院)
本文提出了一种细胞控制无人机传感网络,通过协同完成传感任务,采用感知-发送协议,优化轨迹、传感位置和无人机调度以最小化任务完成时间。
2018-05-30 cs.SY eess.SP eess.SY
Joint Node Selection and Resource Allocation Optimization for Cooperative Sensing with a Shared Wireless Backhaul
针对共享无线回程的协作感知系统,提出混合信息-信号域协作感知设计,联合优化节点选择与资源分配,以最小化信道使用次数,并证明所提算法收敛至KKT解集,显著提升定位性能。
2024-12-17 cs.IT eess.SP math.IT
Downlink and Uplink Cooperative Joint Communication and Sensing
提出下行与上行协作JCAS方案,通过统一MUSIC感知与DUC融合区分用户和哑目标,并利用信道互易性提升感知及CSI估计精度。
2023-04-26 cs.IT eess.SP math.IT
Cluster Size Optimization in Cooperative Spectrum Sensing
本文研究并优化了协作频谱感知中的协作簇规模,以最大化次用户的吞吐量。为了计算有效吞吐量,我们假设每个SU仅花费1个符号与其传输范围内的其他SU进行协商。这是每个SU向集群的其他成员广播其感测决策所需的最小开销。当SU的数量很大时,用于协商的吞吐量是显著的,因此增加协作集群大小不再提高有效吞吐量。在本文中,我们计算的有效吞吐量的合作集群大小的函数,然后我们最大化的吞吐量,找到最佳的集群大小。各种数值结果表明,当使用OR规则组合决策时,最佳合作簇大小小于使用AND规则时的最佳合作簇大小。另一方面,最优簇大小随着SU的平均SNR的增加而单调减小。另一个有趣的结果是,当聚类大小被优化时,OR规则总是优于AND规则。
2018-03-10 cs.IT eess.SP math.IT
Semi-Cooperative Passive Integrated Sensing and Communication by Utilizing Physical Layer Information of 5G Signals
School of Engineering, Okayama University(冈山大学工学部)
本文利用开源5G框架和软件定义无线电开发半协作无源通感一体化系统,通过物理层信息实验验证了不同场景下的带宽使用和多径检测能力。
2026-09-10 cs.SY eess.SP eess.SY
Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms
Heilongjiang University(黑龙江大学);Nanyang Technological University(南洋理工大学);Georgia Southern University(佐治亚南方大学);Alibaba Group(阿里巴巴集团);Alibaba-NTU Joint Research Institute(阿里巴巴-南洋理工大学联合研究院);Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly(南洋理工大学-不列颠哥伦比亚大学积极乐龄卓越联合研究中心)
由于空气质量对人体健康有着重要的影响,因此准确、及时地预测空气质量指数(AQI)变得越来越重要。为此,本文提出了一种新的基于联邦学习的空中-地面空气质量传感框架,用于细粒度的3D空气质量监测和预报。具体而言,在空中,该框架利用轻量级的Dense-MobileNet模型,从无人机(UAV)拍摄的雾霾图像的雾霾特征中实现节能的端到端学习,以预测AQI尺度分布。此外,联合学习框架不仅允许各种组织或机构协作学习经过良好训练的全球模型来监测AQI,而且还扩展了无人机群监测的范围。对于地面传感系统,我们提出了一种基于图卷积神经网络的长短期记忆(GC-LSTM)模型,以实现准确,实时和未来的AQI推理。GC-LSTM模型利用地面监测站的拓扑结构,捕捉历史观测数据的时空相关性,帮助空地传感系统实现AQI的精确推断。通过对真实世界数据集的广泛案例研究,数值结果表明,所提出的框架可以实现准确和节能的AQI感测,而不会损害原始数据的隐私。
2020-07-23 cs.LG eess.SP
Integrated Sensing, Communication, and Computation Over-the-Air: MIMO Beamforming Design
为了支持物联网(IoT)应用的空前增长,物联网设备需要收集大量数据并将其发送到服务器进行进一步计算。综合传感和通信(ISAC)技术利用相同的信号进行雷达传感和数据通信,打破了物理层中数据汇集和传输之间的障碍。通过利用多接入信道中的模拟波添加,空中计算(AirComp)使得能够经由物理层中的传输进行函数计算。ISAC和AirComp的良好性能激发了当前开发一个称为集成传感,通信和计算的框架(ISCCO)的工作。雷达感知和AirComp的性能指标分别由估计的目标响应矩阵和接收的计算结果的均方误差来评估。MIMO ISCCO的设计挑战在于物联网设备和服务器上用于感知、通信和计算的波束形成器的联合优化,这会导致非凸问题。针对这一问题,提出了一种基于半定松弛技术的算法解决方案。仿真结果表明了该算法在目标位置估计中的优越性。
2022-02-22 cs.IT eess.SP math.IT