Integrated Sensing and Communication Beamforming Design With Target Model Aware Antenna Selection
Notice bibliographique
Résumé
For high-resolution sensing in integrated sensing and communication (ISAC) systems, the deployment of extra-large antenna arrays (XLAAs) is essential. This, however, renders the traditional point target (PT) model inaccurate. Instead, targets must be considered as having a spatial extent over range and angle, necessitating their modeling as extended targets (ET) for accurate sensing, especially within the near-field propagation region. This shift to ET modeling often entails a significant increase in energy consumption, and reduced sum-rate and increased latency for the communication users compared to the simpler PT model. To address this critical trade-off, this paper proposes an antenna selection strategy for XLAA-based ISAC. By selectively activating antenna elements, the proposed ISAC design aims to maintain effective far-field PT operating conditions, thereby enhancing energy efficiency and communication sum-rate. The optimization ensures the communication quality-of-service by enforcing signal-to-interference-plus-noise power ratio constraints for the communication users, while inherently managing the sensing performance evaluated via the Cramer-Rao bound. This strategy provides a controllable operating point, balancing the ET model’s high sensing accuracy, which comes with higher signal processing time and lower communication sum-rate, against the PT model’s lower sensing accuracy but lower processing time and higher sum-rate. Numerical results validate the proposed approach, demonstrating substantial improvements in energy efficiency and sum-rate over pure ET modeling, achieved at a quantifiable cost in sensing accuracy.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».