基准化CFAR与CNN基峰检测算法在硬件失真下的ISAC系统中的比较研究
信号处理
2025-05-22 v2
摘要
峰检测是雷达中的基本任务，已在雷达文献中广泛研究。然而，面向第六代(6G)移动通信网络的集成感知与通信(ISAC)系统需要在由通信系统设计所施加的硬件失真和约束条件下执行峰检测。本文present了对经典常数假警率(CFAR)-基于算法和近期提出的卷积神经网络(CNN)-基于峰检测方法在ISAC雷达图像中的比较研究。为施加ISAC系统的实际约束，我们对硬件失真（如功放非线性和量化噪声）的影响进行建模。我们进行了大量仿真 campaign，聚焦于在不同噪声水平下的多目标检测以及在分辨率受限场景下的目标分离。结果表明，CFAR检测器需要对运行场景具有大约的知识，并且需要使用窗口函数才能实现可靠性能。而CNN则在所有场景下都实现了高性能，但需要对输入数据进行预处理步骤。
引用
@article{arxiv.2505.10969,
title = {Benchmarking CFAR and CNN-based Peak Detection Algorithms in ISAC under Hardware Impairments},
author = {Paolo Tosi and Steffen Schieler and Marcus Henninger and Sebastian Semper and Silvio Mandelli},
journal= {arXiv preprint arXiv:2505.10969},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication