数据驱动的综合感知和通信：最新进展、挑战与未来前景
摘要：集成感知与通信（ISAC）结合数据驱动方法已经成为一个非常重要的领域，引起了学术界和工业界的广泛关注。它在未来第六代（6G）网络中实现大规模应用的潜力已经引发了广泛的研究工作。机器学习（ML）技术，包括K最近邻（KNN）、支持向量机（SVM）、深度学习（DL）架构和强化学习（RL）算法，已经被用于解决ISAC及其各种应用的各种设计方面的问题。因此，本文旨在探索将各种ML技术集成到ISAC系统中，并覆盖各种应用。这些应用涵盖了智能车载网络，包括无人机和自动驾驶汽车，以及雷达应用、定位和跟踪、毫米波（mmWave）和太赫兹（THz）通信以及波束成形。本文的贡献在于对ISAC领域中基于ML的工作进行了全面的调查，并确定了挑战和未来的研究方向。通过综合现有的知识并提出新的研究途径，这项调查为研究人员、从业人员和参与推进6G网络下ISAC系统能力的相关利益相关者提供了宝贵的资源。
作者：Hammam Salem, MD Muzakkir Quamar, Adeb Mansoor, Mohammed Elrashidy, Nasir Saeed and Mudassir Masood
论文ID：2308.09090
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-21