多基地ISAC深度学习杂波抑制框架

2026年10月30日，arXiv人工智能板块刊出Yalin E. Sagduyu等人的论文，提出一种面向5G及未来网络的多基地ISAC（通感一体化）框架，用于抑制杂波、提升目标位置与速度估计精度。报道称，多基地ISAC中密集动态杂波会使双基地距离与多普勒估计退化；研究者以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。报道称，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。目前该工作处于论文发表阶段，报道未提及后续实验验证、系统实测或标准化进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。