MétaCan
Menu
Retour à la cohorte
Enregistrement W6903409169 · doi:10.1109/tvt.2025.3590418

Low Complexity Super-Resolution OTFS-Assisted ISAC Framework for THz Communication

2025· article· en· W6903409169 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRobustness (evolution)Multipath propagationComputational complexity theoryReduction (mathematics)TransmitterTransmission (telecommunications)Data transmissionAmplifier

Résumé

récupéré en direct d'OpenAlex

Integrated sensing and communication (ISAC) in terahertz (THz) is a promising technology that supports simultaneous blue terabit-per-second data transmission and millimeter-level precision sensing. However, THz ISAC systems face significant challenges, including severe Doppler shifts and reduced power amplifier efficiency due to a high peak-to-average power ratio (PAPR). This paper presents a super-resolution orthogonal time frequency space-assisted ISAC (SR-OTFS-ISAC) framework aimed at enhancing robustness against Doppler effects in multipath THz channels. The framework effectively addresses both integer and fractional delay and Doppler. The proposed framework incorporates a low-complexity super-resolution sensing technique that begins with denoising the received signals using a super-resolution deep neural network (SR-DNN) for precise path detection. This is followed by a coarse estimation of the dominant paths using the max-path phase. This estimate is then refined using an alternative optimization (AO) method to improve the accuracy of the delay-Doppler (DD) parameters. This approach, called the super-resolution max-path alternative optimization (SR-M-PAO) method, provides better channel estimates. These enhanced estimates support multi-target sensing, transmitter localization, and data detection using a conjugate gradient algorithm. The proposed SR-OTFS design enables channel estimation, parameters sensing and data detection within a single OTFS frame. Additionally, computational complexity is derived in terms of the required real addition and multiplication operations, offering clear insights into the proposed algorithm's efficiency. Simulation results demonstrate that the SR-OTFS-ISAC framework delivers range estimation accuracy at the millimeter scale and velocity estimation precision at the centimeter-per-second level, all while ensuring lower computational complexity. Furthermore, it achieves an approximate 5 dB reduction in PAPR compared to the literature while maintaining a robust performance bit error rate, even under fractional DD effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,275
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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