面向双制式ISAC setup的最优方位采样与插值
软件工程
2025-04-29 v1
摘要
未来6G集成成感知与通信（ISAC）网络的一个关键挑战是定义发射器和接收器的角度操作，即角域的采样任务，以获取有关环境的信息。本文我们扩展了针对单制式setup的最优角度采样分析，适用于二维双制式部署，这些部署在未来的ISAC细胞场景中同样重要。我们的做法克服了次优先前方法的采样和插值技术的局限性，如样条插值。我们展示了，将双方位发射和接收阵列的方位操作分离开，是最优的，以标准化角频率（NAF）形式采样角域。这使我们能够对角域进行无损重建，为双制式感知应用提供更高效和更准确的采样策略，而相较于传统方法而言效果更佳。如不同蒙特卡洛实验所示，我们的方法使未来的双制式ISAC部署在性能上优于其他次优解决方案。
引用
@article{arxiv.2504.19237,
title = {Deep Reinforcement Learning for Automated Web GUI Testing},
author = {Zhiyu Gu and Chenxu Liu and Guoquan Wu and Yifei Zhang and ChenXi Yang and Zheheng Liang and Wei Chen and Jun Wei},
journal= {arXiv preprint arXiv:2504.19237},
year = {2025}
}
备注
12 pages, 7 figures