数字孪生辅助集成感知与通信车联网中的车辆连接与波束赋形联合优化
系统与控制
2024-08-02 v1 系统与控制
摘要
本文提出一种利用数字孪生（DT）技术在第六代（6G）物联网（IoE）应用中实现集成感知与通信（ISAC）的 method。我们考虑车联网中的移动目标，并使用 DT 来跟踪和预测车辆的运动。在预测车辆在下一个时间槽的位置后，DT 为每个车辆设计分配和波束赋形方案。随后利用实时感知信息更新和细化 DT，以实现进一步的处理与决策。该模型包含动态卡尔曼增益，其在每个时间槽基于接收回波信号进行更新。状态表示包括车辆运动信息和误差矩阵，采用后验克拉默-罗伯逊下界（PCRB）来评估感知精度。我们考虑一个包含两个路侧单元（RSUs）的网络，车辆需要分配给其中一个。为在保持可接受感知精度的同时优化整个传输速率，本文构建了一个优化问题。由于原问题难以求解，本文采用拉格朗日乘子和分数规划方法进行简化。为求解简化后的问题，本文通过优化车辆分配和预测波束赋形，提出了贪婪算法和启发式算法。优化结果随后传输回实际空间，用于 ISAC 应用。鉴于贪婪算法和启发式算法的计算复杂度，本文提出一种基于双向长短期记忆（LSTM）的循环神经网络（RNN）用于 DT 中的高效波束赋形设计。仿真结果表明，基于 DT 的 ISAC 网络有效且可行。
引用
@article{arxiv.2408.00248,
title = {Joint Vehicle Connection and Beamforming Optimization in Digital Twin Assisted Integrated Sensing and Communication Vehicular Networks},
author = {Weihang Ding and Zhaohui Yang and Mingzhe Chen and Yuchen Liu and Mohammad Shikh-Bahaei},
journal= {arXiv preprint arXiv:2408.00248},
year = {2024}
}