.png){kind=icon}
返回
Tensor-Based Target Sensing for Resource-Irregular ISAC Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TSP.2026.3653322.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有集成感知与通信（ISAC）系统中的大多数目标感知方法假设采用规则的时频资源分配。然而，在实际ISAC系统中，由于用户调度的随机性，资源通常被不规则分配。本文通过整合CANDECOMP/PARAFAC分解（CPD）框架与张量补全，解决了这类资源不规则场景。所提出的结构化张量补全与分解（STCD）方法不仅处理来自不规则分配资源区域的回波信号，还插值来自未分配区域的信号，从而提升目标感知性能。此外，张量补全重构了导向矩阵的范德蒙德结构。通过施加张量秩-1约束，STCD方法利用范德蒙德结构为CPD建立了比现有方法更宽松的唯一性条件。另外，我们给出了STCD在角-距离-速度估计中的克拉美罗界结果，将先前的分析从资源规则场景扩展至资源不规则场景。仿真结果验证了所提STCD方法在资源不规则目标感知中的有效性，展示了相较于传统方法及其非结构化对应方法性能的提升。
Keyword:
Integrated sensing and communication
parameter estimation
irregular resource
tensor completion
tensor decomposition
期刊
I
IF:
5.8
论文数:
318
被引数:
0
机构
引用论文
.png){kind=icon}
Joint Target Assignment and Resource Allocation for Multi-Base Station Cooperative ISAC in UAV Detection多基站协同ISAC在无人机检测中的联合目标分配与资源分配
PREAI
分享收藏分享收藏Integrated Sensing and Communication With mmWave Massive MIMO: A Compressed Sampling Perspective毫米波大规模MIMO的集成传感和通信: 压缩采样视角
OAAI
OAAI分享收藏
查看更多内容