面向低空经济的学习型射频成像器：基于协作 ISAC 网络
信息论
2025-06-10 v1 math.IT
摘要
低空经济正成为未来经济增长的关键驱动力， necessitating effective flight activity surveillance using existing mobile cellular network sensing capabilities. 然而，传统的单极和基于定位的感知方法在融合感知结果和匹配信道参数方面面临挑战。为此，我们将低空监视建模为基于压缩感知（CS）的成像问题，利用多个基站的协作以及航空图像内在稀疏性。此外，我们推导了点扩散函数，以分析不同天线、子载波和分辨率设置对成像性能的影响。鉴于无人机（UAV）的随机空间分布，我们提出一种基于物理的学习方法，以减轻传统 CS 方法中的离网格误差。 Furthermore, 为增强在广阔低空航空域中稀有 UAV 检测，我们将在损失函数设计中集成在线硬例挖掘方案，使网络能够在训练期间自适应地关注与真实标签有显著差异的样本。仿真结果表明，所提出的低空监视框架有效。所提出的基于物理的学习算法实现了 97.55% 的检测率，显著优于离网条件下的传统 CS 方法。本文部分源代码将很快在 https://github.com/kiwi1944/LAEImager 上公开。
引用
@article{arxiv.2506.07799,
title = {Learned Off-Grid Imager for Low-Altitude Economy with Cooperative ISAC Network},
author = {Yixuan Huang and Jie Yang and Shuqiang Xia and Chao-Kai Wen and Shi Jin},
journal= {arXiv preprint arXiv:2506.07799},
year = {2025}
}
备注
submitted to IEEE for possible publication