新论文提出深度学习杂波抑制的多基地ISAC框架

Yalin E. Sagduyu 等人在 arXiv 发布论文（arXiv:2610.40586），提出面向 5G 及未来信号的多基地 ISAC（通感一体化）框架，用于高保真估计目标位置与速度。该工作目前仅是论文提出，尚属研究阶段。 框架将分布式杂波建模为具有不同多普勒扩展和雷达截面积的随机散射体，并引入残差与注意力增强的深度神经网络，直接从受杂波污染的观测中增强目标响应。论文称，传统信号处理基线在强杂波下鲁棒性有限，而该深度学习方法在多种杂波条件下的目标位置和速度估计上显著更优。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。