基于去扩散视觉先验的低空经济网络中的视觉辅助 ISAC
系统与控制
2025-07-03 v1 系统与控制
摘要
新兴的低空经济网络 (LAENets) 需要在动态代理移动和有限基础设施支持下实现灵活且隐私保护的资源控制。为此，我们提出一种面向无人机辅助接入系统的视觉辅助集成感知与通信 (ISAC) 框架，其中 onboard 的掩码 De-Diffusion 模型提取紧凑语义 token，包括代理类型、活动类别和 heading orientation，同时显式抑制敏感视觉内容。这些 token 与 mmWave 雷达测量值融合，以构建反映运动密度、遮挡和场景复杂度的语义风险热图，从而指导接入技术选择和资源调度。我们构建多目标优化问题，以无线接入技术 (RAT) 分配、功率控制和波束赋形，最大化加权能源与感知效率，受代理特定 QoS 约束。为解决此问题，我们开发 De-Diffusion 驱动的视觉辅助风险感知资源优化算法 DeDiff-VARARO，这是一种新颖的两阶段跨模态控制算法：第一阶段通过 De-Diffusion 模型从 token 重建视觉场景以进行语义解析，第二阶段采用深度确定性策略梯度 (DDPG) 基于融合雷达-视觉状态适应 RAT 选择、功率控制和波束分配。仿真结果表明，DeDiff-VARARO 在奖励收敛、链路鲁棒性和语义忠诚度方面 consistently 优于基线方法，在保持用户隐私和稠密环境可扩展性方面，达到了原始图像上限性能的 4% 以内。
引用
@article{arxiv.2507.01574,
title = {Vision-Aided ISAC in Low-Altitude Economy Networks via De-Diffused Visual Priors},
author = {Yulan Gao and Ziqiang Ye and Zhonghao Lyu and Ming Xiao and Yue Xiao and Ping Yang and Agata Manolova},
journal= {arXiv preprint arXiv:2507.01574},
year = {2025}
}