基于元学习的全双工 ISAC 中的资源优化——运动天线
信号处理
2025-10-03 v1
摘要
本文研究了一种全双工 (FD) 场景，其中配备运动天线 (MAs) 的基站 (BS) 同时为一组下行 (DL) 和上行 (UL) 用户提供通信服务，同时 also 启用了用于目标检测的探测功能，从而支持集成探测与通信 (ISAC) 技术。此外，一个也配备 MAs 的接收基站 (BS R) 负责捕获反射回声。为优化此设置，我们构建了一个 optimization 问题，旨在最大化所捕获回声的信噪干扰比 (SINR)。该问题通过联合优化 FD BS 的发射波束向量、两个 BS 接收波束向量、UL 用户的发射功率以及两个 BS 上的 MAs 位置来实现，同时满足所需的感测和通信质量要求 (QoS)。鉴于该问题的非凸性以及变量之间的高耦合度，我们采用针对大规模优化的梯度-based 元学习 (GML) 方法。数值结果表明，所提出的元学习方法有效，达到了接近最优解的 99% 水平。此外，MA-based 方法优于多个基准方法，凸显了其在实际 ISAC 应用中的优势。
引用
@article{arxiv.2510.01437,
title = {Meta-Learning-Driven Resource Optimization in Full-Duplex ISAC with Movable Antennas},
author = {Ali Amhaz and Shreya Khisa and Mohamed Elhattab and Chadi Assi and Sanaa Sharafeddine},
journal= {arXiv preprint arXiv:2510.01437},
year = {2025}
}