Signal Enhancement and Suppression Schemes for Bi-Static ISAC With IRS-Mounted Target
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Integrated sensing and communication (ISAC) has evolved as a critical paradigm to enhance the dual functions concurrently. However, ISAC may encounter performance limitations, due to undesired channel conditions, small target size, and security threats. In this paper, we investigate intelligent reconfigurable surface (IRS)-aided bi-static ISAC networks, where the IRS is mounted directly on the target surface, and analyze the signal enhancing and suppressing effects of the target-mounted IRS, respectively. First, we maximize the sensing signal-to-noise ratio (SNR) while satisfying the users’ communication requirements by jointly optimizing the transmit beamforming and IRS reflection. To solve this optimization problem, an alternating optimization algorithm is employed to decouple the optimization variables, followed by the application of successive convex approximation and penalty dual decomposition to solve the subproblems. Second, we consider two threatening scenarios where two adversarial base stations (BSs) intend to capture the information reflected by the target. In the first scenario where the adversarial receiving BS attempts to exploit the reflected ISAC signal, we minimize its received power via optimizing the transmit beamforming and the IRS reflection alternately. In the second scenario where the adversarial transmitting BS emits a dedicated signal to detect the target, we focus on optimizing the IRS reflection. Simulation results are presented to show the effectiveness of the proposed schemes.
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.
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 découle