异构专家混合用于高移动网络中能效多模态ISAC
信号处理
2026-04-09 v1
摘要
多模态感知与毫米波(mmWave)通信的集成是高移动车路协同(V2I)网络的关键使能技术。然而，连续高分辨率视觉感知带来高昂的计算能耗，而延迟的感知信息加剧波束失准。在本文中，我们建立了物理感知的多模态集成感知与通信(M-ISAC)框架，利用语义信息年龄(AoI)量化感知能耗与通信可靠性之间的数学权衡。为应对时间AoI演化与瞬时非凸恒定模约束的耦合挑战，我们提出了一种由异构专家混合(RL-H-MoE)架构赋能的新型强化学习方法。通过严格解耦时间调度与空间相位映射，RL-H-MoE避免了多任务学习中常见的梯度冲突。广泛的仿真表明，所提出的架构实现了最优的事件触发感知策略，在保证超低感知误差和可靠物理层链路连通性的同时，显著最小化了长期系统代价。
引用
@article{arxiv.2604.06697,
title = {Heterogeneous Mixture-of-Experts for Energy-Efficient Multimodal ISAC in Highly Mobile Networks},
author = {Wenqi Fan and Ning Wei and Rongyan Xi and Ahmad Bazzi and Yue Xiu and Chadi Assi and Jing Dong and Jing Jin},
journal= {arXiv preprint arXiv:2604.06697},
year = {2026}
}