实现真实世界通信感知一体化：基于机器学习的波束用户识别
信号处理
2024-11-12 v1 信息论
math.IT
摘要
利用雷达数据的感知能力可以辅助多种通信任务，尤其是在高移动性和大规模多输入多输出（MIMO）系统中。然而，一个特定挑战是如何区分通信用户（目标）与感知场景中的其他移动目标。本文形式化了这一用户识别问题，并开发了两种解决方案：一种是基于模型的基线方案，将雷达场景中物体的角度映射到通信波束；一种是可扩展的深度学习方案，对候选目标数量无关。利用DeepSense 6G数据集（包含真实世界测量数据），所开发的深度学习方法实现了超过93.4%的通信用户识别准确率，为在真实世界中启用集成雷达通信应用展示了有前景的路径。
引用
@article{arxiv.2411.06578,
title = {Enabling ISAC in Real World: Beam-Based User Identification with Machine Learning},
author = {Umut Demirhan and Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:2411.06578},
year = {2024}
}
备注
Codebase and datasets are available on the DeepSense website: https://www.deepsense6g.net/