面向近场集成感知与通信的灵活率分倍数多址接入
机器学习
2025-09-01 v2 人工智能
计算与语言
摘要
本文提出一种灵活率分倍数多址（RSMA）框架，用于近场（NF）集成感知与通信（ISAC）。用于满足NF用户通信速率要求的空间波束同时也用于探测额外的NF目标。其核心创新在于可选取子集用户解码公共流，从而增强干扰管理与系统性能。系统通过优化功率分配、公共速率分配与用户选择来最小化联合距离与角度估计的Cram\'er-Rao下界（CRB），从而实现设计。这导致一个离散的、非凸的优化问题。令人惊讶的是，我们证明预配置波束足以用于目标感知，无需额外探测信号。为求解该优化问题，本文提出一种结合二次变换与模拟退火的迭代算法。仿真结果表明，所提方案显著优于传统RSMA和空间分数多址（SDMA），分别将距离估计误差和角度估计误差降低约100%和20%。
引用
@article{arxiv.2412.00631,
title = {ROSE: A Reward-Oriented Data Selection Framework for LLM Task-Specific Instruction Tuning},
author = {Yang Wu and Huayi Zhang and Yizheng Jiao and Lin Ma and Xiaozhong Liu and Jinhong Yu and Dongyu Zhang and Dezhi Yu and Wei Xu},
journal= {arXiv preprint arXiv:2412.00631},
year = {2025}
}
备注
EMNLP 2025 Findings