Isac
PulseAugur coverage of Isac — every cluster mentioning Isac across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
UAV辅助ISAC系统通过新颖的轨迹和波束成形优化感知与通信
研究人员开发了一种优化无人机（UAV）辅助集成传感与通信（ISAC）系统的新方法。该方法联合优化UAV的轨迹和波束成形参数，以提高以Cramér-Rao界（CRB）衡量的感知性能，同时确保可靠通信。与没有UAV辅助的系统相比，该系统旨在将感知精度提高10%以上，优于现有基准。
-
CFM-Bench 基准测试规范了无线AI模型的评估标准
研究人员推出了一款新的基准测试CFM-Bench，旨在规范渠道基础模型（CFM）的评估。该统一平台解决了当前CFM评估流程不一致的问题，这些流程使用不同的数据、配置和指标，导致难以进行公平比较。CFM-Bench 整合了来自模拟和真实世界测量的各种信道配置，以及特定的数据划分策略，以确保严格的测试。该基准测试支持物理层智能、无线接入网决策智能以及通信感知一体化等六个任务组，旨在为评估CFM的可迁移性提供一个通用基础。
-
新算法增强了低轨卫星的集成感知与通信能力
研究人员为低地球轨道（LEO）卫星系统开发了一种集成感知与通信（ISAC）的新型算法。该框架允许单个卫星在同一频谱上同时感知多个目标并服务多个通信用户，解决了无线资源有限的挑战。该算法专注于在存在信道相位不确定性的情况下，最小化总发射功率并满足感知和通信的特定要求。
-
6G 感知安全：博弈论强化学习应对城市波束成形攻击
研究人员开发了一种新的方法，利用分布式博弈论强化学习来增强 6G 集成感知与通信 (ISAC) 系统的安全性。该方法模拟了合法用户与操纵波束成形以造成干扰并误导系统的攻击者之间的交互。模拟表明，所提出的方法能够有效地检测和解决动态城市环境中的这些安全挑战。
-
AI-UAVs 增强零能耗物联网定位和感知
本综述全面探讨了人工智能与无人机（UAV）的集成，以增强零能耗物联网设备的后向散射定位和集成感知与通信（ISAC）。论文概述了一种结构化方法，用于对这些系统所使用的网络架构、UAV角色、后向散射模式和AI技术进行分类。它还讨论了挑战和未来的研究方向，包括现实信道建模、能量中性运行以及RIS、MEC和6G等技术的集成。
-
无人机利用人工智能进行先进的定位研究
两篇最新的arXiv论文探讨了无人机（UAV）的先进定位技术。第一篇论文全面综述了人工智能赋能的无人机辅助反向散射定位与集成感知与通信（ISAC）助力零能耗物联网，回顾了相关技术和未来发展方向。第二篇论文介绍了SCC-Loc，一个新颖的无人机热成像地理定位框架，它采用统一的语义级联共识方法来克服热可见模态差异，并在GNSS受限环境中实现高精度定位。
-
手势识别优化室内太赫兹集成传感与通信系统
研究人员开发了一种用于室内太赫兹（THz）环境的新型集成传感与通信（ISAC）系统。该系统利用扩展卡尔曼滤波器（EKF）驱动的手势识别功能，动态调整资源分配。通过跟踪用户手势，系统可以优化功率分配和波束成形，以提高传感精度并满足通信服务质量要求。