面向5G及未来网络的多基地ISAC：基于深度学习的杂波抑制

针对多基地ISAC中密集动态杂波导致双基地距离与多普勒估计退化的问题，研究者提出一种带杂波抑制的多基地ISAC框架，用随机分布散射体建模杂波，并引入基于残差与注意力增强深度神经网络的深度学习方法直接从受杂波污染的观测中增强目标响应。在多种杂波条件下，这些方法在目标位置与速度估计上显著优于传统信号处理基线。