多基地ISAC深度学习杂波抑制框架提出
热点事件持续更新
多基地ISAC深度学习杂波抑制框架提出
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Yalin E. Sagduyu、Tugba Erpek 和 Sastry Kompella 提出一种带杂波抑制的多基地 ISAC 框架，用于高保真估计目标位置与速度。 研究用随机分布、多普勒扩展和雷达截面积各异的散射体建模分布式杂波，并评估多种传统信号处理基线，发现其在强杂波下鲁棒性有限。为此，研究引入基于残差和注意力增强深度神经网络的杂波抑制方法；论文称，在多基地 ISAC 的多种杂波条件下，该方法的位置与速度估计显著优于传统方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
面向5G及未来网络的多基地ISAC：基于深度学习的杂波抑制报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI面向5G及未来网络的多基地ISAC：基于深度学习的杂波抑制
该论文提出一种带杂波抑制的多基地ISAC框架，用于高保真估计目标位置与速度。研究用随机分布、多普勒扩展和雷达截面积各异的散射体建模分布式杂波，并评估多种传统信号处理基线，发现其在强杂波下鲁棒性有限。为此引入基于残差和注意力增强深度神经网络的深度学习杂波抑制方法，在多基地ISAC多种杂波条件下，其位置与速度估计显著优于传统方法。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。