基于脉冲神经网络驱动的 V2X 网络能耗高效智能 ISAC
网络与互联网体系结构
2025-08-20 v2 信号处理
摘要
集成感知与通信 (ISAC) 是车联网 (V2X) 系统的关键使能技术。然而，在 V2X 网络的动态且不可确定的环境中，设计高效的波束赋形方案以实现精准感知并提升通信性能，面临着显著挑战。虽然人工智能技术提供了有前景的解决方案，但神经网络的能耗高特性对通信基础设施构成了重大负担。为此，本文提出一种用于 V2X 网络的能耗高效且智能的 ISAC 系统。具体而言，本文首先采用马尔可夫决策过程 (MDP) 框架建模 V2X 网络的动态与不可确定性。该框架使路侧单元能够仅依据当前感知信息制定波束赋形方案，无需大量导频信号和广泛的信道状态信息 (CSI) 获取。随后，本文引入一种先进的深度强化学习 (DRL) 算法，实现波束赋形与功率分配的联合优化，确保在动态且不可确定的 V2X 场景下兼顾通信速率与感知精度。为缓解神经网络的能耗需求，本文将脉冲神经网络 (SNN) 集成到 DRL 算法中。SNN 基于事件驱动、稀疏脉冲的处理显著提升能源效率，同时保持出色的性能。大量仿真结果验证了所提出方案在降低能耗、提升通信性能和改善感知精度方面的有效性。
引用
@article{arxiv.2501.01038,
title = {Energy-Efficient and Intelligent ISAC in V2X Networks with Spiking Neural Networks-Driven DRL},
author = {Chen Shang and Jiadong Yu and Dinh Thai Hoang},
journal= {arXiv preprint arXiv:2501.01038},
year = {2025}
}
备注
14 pages, 12 figures