【论文速递】具有基于深度学习的杂波抑制功能的多静态 ISAC，适用于 5G 及更高版本

英文标题：Multistatic ISAC with Deep Learning-Based Clutter Suppression for 5G and Beyond

arXiv编号：2610.40586
作者：Yalin E. Sagduyu, Tugba Erpek, Sastry Kompella
来源：arXiv
原文链接：https://arxiv.org/abs/2610.40586

中文摘要：
使用 5G 及其他机会信号的集成传感和通信 (ISAC) 系统可使用共享基础设施和频谱资源实现联合无线传感和通信。虽然多基地 ISAC 可以通过空间分布的接收器增加传感覆盖范围，但密集和动态杂波会显着降低双基地范围和多普勒估计，导致目标定位和速度估计出现错误。本文提出了一种具有杂波抑制功能的多基地 ISAC 框架，用于目标位置和速度的高保真估计。分布式杂波通过具有不同多普勒扩展和雷达横截面的随机定位散射体进行建模，以捕获密集和动态的杂波效应。对各种传统信号处理基线进行了杂波抑制评估，结果显示在强杂波条件下鲁棒性有限。为了解决这一限制，引入了基于深度学习的杂波抑制方法，通过采用残差和注意力增强的深度神经网络架构来提高针对密集和动态杂波的鲁棒性，直接增强来自杂波污染观测的目标响应。这些方法在多基地 ISAC 中各种杂波条件下的目标位置和速度估计方面明显优于传统方法。

本文由华人空间 AI 论文助手自动抓取翻译，仅供学术交流。