基于 CLuP 的汽车 ISAC 场景双去卷积
信号处理
2025-04-01 v1 信息论
math.IT
摘要
准确估计距离、速度和角度参数对于先进驾驶辅助系统 (ADAS) 和自动驾驶车辆的车辆安全至关重要。为实现频谱共享，ADAS 可能采用集成感知与通信 (ISAC) 技术。本文考察了一种双去卷积汽车 ISAC 场景，其中雷达波形已知但传播信道未知，而在通信领域中，信道已知但发送消息未知。传统的最大似然 (ML) 估计方法在汽车目标参数估计中计算负担沉重。为解决此问题，我们提出一种低复杂度方法，采用受控松弛-up (CLuP) 算法，通过核范数约束实现对雷达目标的高效分离与估计。数值实验表明，该方法在高动态和噪声汽车环境下具有鲁棍性，突显 CLuP 作为面向未来车联网中 ISAC 可扩展、实时解决方案的潜力。
引用
@article{arxiv.2503.22889,
title = {CLuP-Based Dual-Deconvolution in Automotive ISAC Scenarios},
author = {Jonathan Monsalve and Kumar Vijay Mishra},
journal= {arXiv preprint arXiv:2503.22889},
year = {2025}
}
备注
6 pages, 4 figures