Movable Antenna Enabled Integrated Sensing and Communication
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
In this paper, we investigate a novel integrated sensing and communication (ISAC) system aided by movable antennas (MAs). A bistatic radar system, in which the base station (BS) is configured with MAs, is integrated into a multi-user multiple-input-single-output (MU-MISO) system. Flexible beamforming is studied by jointly optimizing the antenna coefficients and the antenna positions. Compared to conventional fixed-position antennas (FPAs), MAs provide a new degree of freedom (DoF) in beamforming to reconfigure the field response, and further improve the received signal quality for both wireless communication and sensing. We propose a communication rate and sensing mutual information (MI) maximization problem by flexible beamforming optimization. The complex fractional objective function with logarithms are first transformed with the fractional programming (FP) framework. Then, we propose an efficient algorithm to address the non-convex problem with coupled variables by alternatively solving four sub-problems. We derive the closed-form expression to update the antenna coefficients by Karush-Kuhn-Tucker (KKT) conditions. To improve the direct gradient ascent (DGA) scheme in updating the positions of the antennas, a 3-stage search-based projected GA (SPGA) method is proposed. Simulation results show that MAs significantly enhance the overall performance of the ISAC system, achieving 59.8% performance gain compared to conventional ISAC system enabled by FPAs. Meanwhile, the proposed SPGA-based method has remarkable performance improvement compared the DGA method in antenna position optimization.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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