Joint Parameter Estimation and Signal Detection for Integrated Sensing and Backscatter Communication
Notice bibliographique
Résumé
In this paper, we investigate the integrated sensing and backscatter communication (ISABC) system in mobility scenarios. Specifically, the backscatter devices (BDs) are attached to the moving targets, thus enhancing the signal strength of reflected echoes and concurrently passively transmitting supplementary information, such as identification details, to the ISABC terminal through backscatter communication. The ISABC terminal aims to detect signals from the BDs while concurrently estimating target parameters, such as delays and Doppler shifts, from the backscattered signals. However, it is quite challenging to concurrently achieve parameter estimation and signal detection from the received superposition of two disparate signals emanating from the structural and antenna components of the target equipped with BD. The challenge is exacerbated coupling between the symbols of BD and the estimated parameters, alongside the intercarrier interference (ICI) induced by the Doppler shift. To address these issues, we propose a novel joint parameter estimation and signal detection scheme by alternatively performing the following two processes: 1) Utilizing a modified maximum likelihood (ML) estimation algorithm to perform off-grid ICI-aware sensing with superimposed signals. 2) Employing the generalized likelihood ratio test (GLRT) detector for demodulating the symbols of the BD. Finally, simulation results are provided to demonstrate the performance of the proposed algorithm and validate that the estimation performance can be improved in the high SNR regime.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».