面向智能天线定位：基于DRL的流动天线辅助ISAC系统
信号处理
2025-01-03 v1
摘要
流动天线系统（FAS）使天线位置动态调整，为增强集成感知与通信（ISAC）性能提供了新机会。然而，现有研究主要聚焦于通信增强或单目标感知，针对多目标场景的探索不足。此外，天线位置与波束赋形的联合优化呈高度非凸问题，随着流动天线数量的增加，传统方法变得不可行。为解决这些挑战，本文提出一种集成深度强化学习（DRL）的方法，用于智能天线定位的块坐标下降（BCD）框架。通过利用深度确定性策略梯度（DDPG）算法，该框架有效平衡了感知与通信性能。仿真结果表明，所提方法具有良好的可扩展性和有效性。
引用
@article{arxiv.2501.01281,
title = {Towards Intelligent Antenna Positioning: Leveraging DRL for FAS-Aided ISAC Systems},
author = {Shunxing Yang and Junteng Yao and Jie Tang and Tuo Wu and Maged Elkashlan and Chau Yuen and Merouane Debbah and Hyundong Shin and Matthew Valenti},
journal= {arXiv preprint arXiv:2501.01281},
year = {2025}
}