面向 ISAC 支持的无人机障碍规避的目标导向语义通信

我们研究了一个集成感知与通信（ISAC）的基站，用于无人机（UAV）障碍规避任务，并提出了一种目标导向语义通信（GOSC）框架，使基站能够高效、有效地传输感知和命令控制（C&C）信号。我们的 GOSC 框架建立了一个闭环：感知-C&C 生成-感知和 C&C 传输。对于感知，应用卡尔曼滤波器（KF）持续预测 UAV 位置，减轻对 UAV 位置获取对持续感知信号传输的依赖，并通过感知-预测融合提高位置估计精度。基于 KF 提供的优化后的位置估计，我们开发了基于马哈努里距离的动态窗口方法（MD-DWA），在不确定性下生成精确的 C&C 信号，其中推导了保证碰撞规避所需的最小马哈努里距离。最后，对于高效的感知和 C&C 信号传输，我们提出了一种基于有效性的深度 Q 网络（E-DQN），根据其信息价值（VoI）来决定传输感知和 C&C 信号。感知信号的 VoI 通过 UAV 位置估计不确定性熵的减少来量化，而 C&C 信号的 VoI 则通过对 UAV 导航改进的贡献来衡量。大量仿真结果验证了我们所提出 GOSC 框架的有效性。相对于传统的 ISAC 传输框架在每个时间槽都传输感知和 C&C 信号，GOSC 在实现相同 100% 任务成功率的同时，将感知和 C&C 信号的传输次数减少 92.4%，将传输时间槽减少 85.5%。