.png){kind=icon}
返回
Off-grid parameter estimation for OFDM-based ISAC systems with incomplete data and demodulation errors
.png){kind=icon}
PRE
AI
DOI：10.23919/jcc.fa.2025-0172.202603.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在6G环境中，处理目标参数估计中的数据缺失、解调误差和网格外问题等挑战，是集成传感与通信（ISAC）系统的重大难题。在ISAC框架中，参数估计的常用方法是压缩感知，但在连续参数估计中常受网格外问题困扰。相比之下，原子范数已被证明可有效克服这些网格外问题，成为连续参数估计更合适的方案。本文研究了原子范数在ISAC中的应用，提出了一种基于正交频分复用（OFDM）的参数估计ISAC模型。我们在数据不完整和解调误差条件下应用原子范数，并采用乘子交替方向法（ADMM）进行迭代处理以提升算法收敛速度和精度，称该算法为ANMI。在此基础上，我们开发了深度展开网络算法ANMI-ADMM-Net，通过训练最优参数进一步减轻数据缺失和解调误差对目标参数估计的影响。实验结果表明，所提出的ANMI和ANMI-ADMM-Net算法即使在存在数据缺失和解调误差的情况下仍能准确估计目标参数，与传统方法相比表现出更高的精度和鲁棒性。
Keyword:
Antennas and propagation
Central Processing Unit
Filtering
Filters
Electronic circuits
Communication systems
Demodulation
Instant messaging
Integrated sensing and communication
Internet of Things
ADMM
atomic norm
deep unfolding networks
ISAC
off-grid target parameter estimation
