面向无蜂窝通感一体化系统的智能波束扫描方法

传统的信息处理流程中,基于蜂窝网络的通信功能和基于无线电信号的感知功能是相互独立的。而未来的无蜂窝通感一体化网络采用了以用户为中心的理念,不再局限于传统的小区边界,以确保所有用户在服务范围内获得一致的覆盖和性能。同时感知和通信将被整合在一起,通信信号在数据传输的同时可以被用来实现对潜在目标的持续感知,从而实现更高效、更智能的信息处理和交互。本文在毫米波频段无蜂窝通感一体系统场景下,设计了一种智能的收发端联合探测波束码字选择方法。首先对接收端接入点的信息进行预处理,获得路径损失和目标的估计信息,并通过构造的统计量监测目标是否存在。随后,通过记录多次发射波束码字选择与回声信号的反馈信息,并利用强化学习算法探索最优码字与强反馈信息之间的映射关系,获得一种高效的波束码字探索策略。最后,通过不断调整通信环境和目标特性,基于深度强化学习的波束扫描模型能够排除对环境中先验信息的依赖,显著提高模型的泛化性能。仿真实验表明,相比于传统的波束扫描算法,所提算法探索到最优收发波束对需要的探索次数显著减少,这种优势在大规模波束组合的情况下更为明显。此外,即使在低信噪比情况下,所提算法依然能够通过少量尝试选择出最优的收发波束对。

一种基于稀疏编码的鲁棒跟踪改进算法

针对在跟踪过程中目标易受到遮挡、姿态变化、光照变化、复杂背景等问题的影响,提出一种改进的鲁棒跟踪算法。采用局部块稀疏编码方式,结合尺度不变特征及空间金字塔特征匹配技术进行目标表观建模。在粒子滤波的框架下引入运动估计以获取目标最优位置,并在跟踪过程中实时更新模板。实验结果表明,与DFT、FCT、OAB等常用跟踪算法相比,该算法在复杂情况下仍能保持较好的跟踪鲁棒性。