本技术介绍了一种基于无监督深度学习的通感一体化场景联合预编码设计方法。该方法针对无蜂窝协作系统,通过建立信号与信道模型,构建深度展开的通信感知预编码设计网络,并利用训练数据进行网络训练。在部署阶段,该网络输出优化算法参数,以获取不同时隙下的通信和感知预编码向量。本发明有效抑制了系统中的干扰,简化了算法复杂度,降低了计算成本。
背景技术
通感一体化(ISAC)技术,通过优化频谱和硬件资源的共用策略,不仅整合了通信与感知能力,还显著提升了频谱效率并减少了经济投入。在推动6G技术向万物智联迈进的过程中,基于无蜂窝架构的多输入多输出(MIMO)协同ISAC系统扮演了关键角色。该系统中,众多接入点与中央处理器紧密结合,由中央处理器统一调度,执行一致的数据传输和接收操作,服务于广泛的用户设备。此外,ISAC技术在环境监测和智能决策支持方面也展现出潜力,接入点间的协作不仅限于通信,还包括对周围环境的实时感知,从而丰富了系统的功能和应用范围。
在这样复杂的ISAC系统中,通信与感知预编码的设计显得尤为关键。精确的预编码技术不仅确保了通信信号的稳定传输和接收,同时也提高了感知的精度和范围。预编码设计的高效性直接影响到系统在复杂环境中的适应能力,以及在多用户和多任务场景下的性能表现。因此,优化通信与感知波束的算法和策略,成为了提升系统整体性能、实现高效资源利用和保障服务质量的核心所在。通过精心设计的波束,ISAC系统能够更好地协调通信与感知功能,为车联网、无人机等应用提供更加稳定和可靠的服务。
实现思路