数字孪生辅助车联网中的近场集成感知、计算与语义通信
信息论
2026-04-08 v1 信号处理
math.IT
摘要
数字孪生（DT）技术为车联网带来了变革性潜力，通过高保真虚拟表示增强安全性和自动化。然而，动态环境中的无缝DT同步面临海量数据传输、精确感知和严格计算约束等挑战。本文提出了一种面向DT辅助车联网近场（NF）区域的集成感知、计算与语义通信（ISCSC）框架。利用多用户多输入多输出（MU-MIMO）配置，每个路侧单元（RSU）利用语义通信服务车辆，同时利用毫米波（mmWave）雷达进行环境映射。我们在RSU中实现粒子滤波以实现高精度车辆跟踪。为优化性能，我们构建了一个联合优化问题，在有限计算资源和功耗预算下平衡语义通信速率与感知精度。我们的方案包括用于车辆到RSU分配的混合启发式算法，以及用于确定语义提取比例和波束成形矩阵的交替优化方法。通过角度和距离估计的克拉美-罗下界（CRB）、语义传输速率和资源利用率对性能进行了广泛评估。数值结果表明，所提出的ISCSC框架在传输速率上实现了20%的提升，同时在受限资源条件下保持了现有集成感知与通信（ISAC）方案的感知精度。
引用
@article{arxiv.2604.05797,
title = {Near-Field Integrated Sensing, Computing and Semantic Communication in Digital Twin-Assisted Vehicular Networks},
author = {Yinchao Yang and Yahao Ding and Jiaxiang Wang and Zhaohui Yang and Chen Zhu and Zhaoyang Zhang and Dusit Niyato and Mohammad Shikh-Bahaei},
journal= {arXiv preprint arXiv:2604.05797},
year = {2026}
}
备注
Accepted by IEEE Transactions on Vehicular Technology