面向随机信号感知的基于任务的量化器设计
信息论
2024-03-19 v1 信号处理
math.IT
摘要
在通信感知一体化（ISAC）系统中，随机信号既用于传递有用信息，也用于感知环境。这种随机性给感知信号处理中的各个组件带来了挑战。在本文中，我们研究了 ISAC 系统中用于感知的量化器设计。与用于大规模多输入多输出（MIMO）通信系统中信道估计的量化器不同，ISAC 系统中的感知需要处理随机非正交传输信号，而不是固定的正交导频。考虑到感知性能和硬件实现，我们专注于具有空间模拟组合的基于任务的硬件受限量化。我们提出了两种量化器优化策略，即数据相关（DD）和数据无关（DI）。前者以高实现开销实现了优化的感知性能。为了降低硬件复杂度，后者从随机角度优化随机信号的量化器。我们推导了两种策略的最优量化器，并提出了一个基于样本平均近似（SAA）的算法来解决 DI 策略中的优化问题。数值结果表明，优化的量化器在感知性能方面优于纯数字量化器。此外，DI 策略尽管与 DD 策略相比计算复杂度较低，但实现了接近最优的感知性能。
引用
@article{arxiv.2403.11187,
title = {Task-Based Quantizer Design for Sensing With Random Signals},
author = {Hang Ruan and Fan Liu},
journal= {arXiv preprint arXiv:2403.11187},
year = {2024}
}