Detection-First or Estimation-First: A Study on Interference Cancellation for Overdetermined MIMO RIS-assisted ISAC Systems
Notice bibliographique
Résumé
Efficient symbol detection and sensing parameter estimation in integrated sensing and communications (ISAC) systems are essential to ensure precise sensing while maintaining reliable communication, enabling effective integration of both functionalities in future wireless networks. Since the ISAC base station receives both communication and sensing signals simultaneously, most existing approaches employ a sequential method to extract communication and sensing information. This study investigates the performance of two interference cancellation (IC) based strategies in multi-input multi-output reconfigurable intelligent surfaces-assisted ISAC systems: detection-first (D-E), where symbols are detected prior to sensing parameter estimation, and estimation-first (E-D), where sensing parameters are estimated first, followed by symbol detection from the residual signal. A mathematical formulation is provided to implement the E-D approach. Moreover, a novel adaptive K-best algorithm (AKBA) based method is proposed for symbol detection, while iterative successive IC-based D-E and E-D approaches are introduced to further enhance the detection and estimation performance. The results indicate that the E-D approach is preferable when an iterative method is used. On the other hand, for the non-iterative approach, D-E outperforms E-D in some SINR regions, while E-D performs better in others. Furthermore, iterative processing significantly enhances symbol detection and sensing accuracy at the expense of computational complexity. The proposed AKBA algorithm reduces the computational complexity while maintaining near-optimal symbol detection performance. These results highlight the practical applicability of the proposed approaches by addressing the trade-off between performance and computational complexity.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».