A Roadmap for NF ISAC in 6G: A Comprehensive Overview and Tutorial
Notice bibliographique
Résumé
Near-field (NF) integrated sensing and communication (ISAC) has the potential to revolutionize future wireless networks. It enables simultaneous communication and sensing operations on the same radio frequency (RF) resources using a shared hardware platform, maximizing resource utilization. NF-ISAC systems can improve communication and sensing performance compared to traditional far-field (FF) ISAC systems by employing the unique propagation characteristics of NF spherical waves with an additional distance dimension. Despite its potential, the NF-ISAC literature covers just a few specialized topics. A comprehensive survey encompassing all aspects of NF-ISAC systems has thus far been lacking. To this end, this paper systematically explores the prodigious potential of NF-ISAC technology. Specifically, an in-depth analysis of both NF and FF systems is provided, investigating their applicability in communication and sensing scenarios. Various channel model scenarios for NF and FF are discussed, emphasizing their distinguishing features. The advantages and philosophies of ISAC are further explored, opening opportunities to investigate both narrow-band and wide-band systems within NF ISAC. Case studies and simulation examples for each NF-ISAC design philosophy are provided to gain deeper insights into these system designs. An extensive literature review of existing NF-ISAC studies is conducted, exploring various methodologies, potentials, prospects, and conclusions. Finally, prospective research areas, remaining challenges, and applications of future NF-ISAC systems are discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».