.png){kind=icon}
返回
Multi-Target Sensing with Interference Analysis for the Multi-UAV-Enabled ISAC Network
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14203984.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
集成感知与通信（ISAC）被认为是多无人机赋能的6G网络中的关键技术。本文提出了一种适用于多用户和多目标的多无人机网络的同步感知与通信方法。首先，我们研究了多用户和多目标的ISAC信道模型，该模型可由无人机与用户或目标之间的物理参数确定。然后，我们设计了多无人机赋能网络的ISAC信号，并分别分析了下行链路信号对多用户以及回波信号对多目标产生的干扰。在此基础上，我们进一步提出了一种基于多无人机协作的多目标感知方法，其中利用了角度分割多址接入（ADMA）来降低多用户和多目标干扰的影响。最后，提供了各种仿真结果以验证所提出方法的有效性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
Joint Interference Alignment and Power Control for Dense Networks via Deep Reinforcement Learning基于深度强化学习的密集网络干扰对齐和功率控制
PREAI
分享收藏Lyu, Z.; Gao, Y.; Chen, J.; Du, H.; Xu, J.; Huang, K.; Kim, D.I. Empowering Intelligent Low-altitude Economy with Large AI Model Deployment. arXiv 2025, arXiv:2505.22343. [Google Scholar] [CrossRef]吕智; 高宇; 陈杰; 杜昊; 徐静; 黄坤; Kim, D.I. 利用大型AI模型部署赋能智能低空经济. arXiv 2025, arXiv:2505.22343. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏A Non-Stationary 3D Model for 6G Massive MIMO mmWave UAV Channels6g Massive MIMO毫米波无人机信道的非平稳三维模型
PREAI
分享收藏Federated learning for 6G communications: Challenges, methods, and future directions6g通信的联邦学习: 挑战、方法和未来方向OAAI
OAAI分享收藏
查看更多内容