研究者提出跨尺度非线性波形融合ISAC方法
热点事件持续更新
研究者提出跨尺度非线性波形融合ISAC方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Jiayu Liu 等向 arXiv 提交论文，提出面向通感一体化（ISAC）的跨尺度非线性波形融合学习方法，用于图像传输与多目标距离、角度定位。 论文称，在 512 张独立测试图像、十一种任务权重平均下，该方法相较时域叠加与学习式频谱线性融合，归一化定位误差分别降低 29.0% 和 27.0%，平均峰值信噪比分别提升 1.40 和 0.82 dB；学习式局部校正可再降低定位误差 12.2%。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
面向通感一体化（ISAC）的跨尺度非线性波形融合学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AI面向通感一体化（ISAC）的跨尺度非线性波形融合学习方法
一项 ISAC（通感一体化）研究提出跨尺度非线性波形融合方法，用于图像传输与多目标距离、角度定位。在 512 张独立测试图像、十一种任务权重平均下，相较时域叠加与学习式频谱线性融合，归一化定位误差分别降低 29.0% 和 27.0%，平均峰值信噪比提升 1.40 和 0.82 dB；学习式局部校正再降低定位误差 12.2%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。