基于集成感测与通信平台的可学习模板匹配方法用于微型变形监测
信号处理
2026-03-13 v1
摘要
现有的集成感测与通信（ISAC）平台未充分利用共享频谱和孔径资源进行感测，导致感测性能不佳。具体而言，ISAC平台上的弱目标感测，如微型变形监测（mDM），因感测质量不足而导致测量不准。本文提出一种AI辅助方法，通过有效消除杂波来缓解ISAC系统中感测质量不足的影响。我们首先将环境杂波模型表示为确定性信号与随机信号的组合，以刻画基站（BS）周边的城市覆盖场景。随后构建杂波抑制优化问题，以从原始ISAC信号中提取微型变形位移（mDD）。我们进而提出一种可学习模板匹配（LTM）方法以抑制杂波影响，从而提升感测质量。特别地，将电磁（EM）信号特征嵌入网络以强化mDM信号，并融合杂波滤波器以抑制环境杂波。数值结果表明，我们的方法在mDD预测的收敛速度和准确性方面具有优势。部署至基站测量后，仅通过仿真训练得到的LTM在环境杂波分离和mDD估计方面展现出卓越的性能。
引用
@article{arxiv.2603.11639,
title = {Learnable Template Matching Approach for Micro-Deformation Monitoring based on Integrated Sensing and Communication Platform},
author = {Zhuoyang Liu and Yixiang Luomei and Feng Xu},
journal= {arXiv preprint arXiv:2603.11639},
year = {2026}
}