堆叠智能天线面板用于多载道认知无线电 ISAC

认知无线电(Cognitive Radio, CR)与集成感知与通信(Integrated Sensing and Communication, ISAC)的融合，由堆叠式智能天线板(Stacked Intelligent Metasurfaces, SIMs)所实现，为6G及更高时代的多功能可编程前端提供了可行路径。本文提出一种新型 CR-ISAC 框架，利用与次级基站(Secondary Base Station, SB)集成的 SIM 来学习与实现能够同时（i）最小化次级用户设备(SU)局部分布估计(Cramér-Rao下界, BCRB)，以及（ii）限制次级用户设备(Pu)平均干扰，使频谱效率损失受限，目标为仅几百分点。我们提出一种高效的交替优化算法，以获得 SIM 对所有正交频分复用(OFDM)子载道的最优端到端传输响应。drawing analogy between layered SIM architecture and deep neural networks, we define a beampattern-matching loss, derive analytical gradients for backpropagation, and implement a learning-based optimization of SIM coefficients using a mini-batch Adam optimizer. 给出复杂度分析，并进行大量数值实验评估所提出的 CR-ISAC 框架。结果表明，所提出的 SIM 系数优化方法在 SU BCRB 定位指标与 PU 平均频谱效率方面均达到近最优性能，当 SIM 层数足够时，显著优于传统单层可重构智能天线板(RIS)设计。