A non-orthogonal multiple access (NOMA)-inspired integrated sensing and communication (ISAC) framework is proposed, where a dual-functional base station (BS) transmits the composite communication and sensing signals. In contrast to treating the sensing signal as a harmful interference to communication, in this work, multiple beams of the sensing signal are exploited to convey extra information streams based on the concept of NOMA. Then, each communication user detects the extra information streams and the existing legacy information streams with the aid of successive interference cancellation (SIC). Based on the proposed framework, a multiple-objective optimization problem (MOOP) is formulated to characterize the trade-off between the communication throughput and sensing beampattern accuracy. For the general multiple-user scenario, the formulated MOOP is firstly converted to a single-objective optimization problem via the e-constraint method. Then, a double-layer block coordinate descent (BCD) algorithm is proposed by employing fractional programming and successive convex approximation to find a high-quality sub-optimal solution. For the special single-user scenario, the globally optimal solution can be obtained by transforming the MOOP into a convex quadratic semidefinite program. Moreover, it is rigorously proved that 1) in the multiple-user scenario, the proposed NOMA-inspired ISAC framework always outperforms the state-of-the-art sensing-interference-cancellation (SenIC) ISAC frameworks by further exploiting sensing signals for delivering extra information streams; 2) in the special single-user scenario, the proposed NOMA-inspired ISAC framework achieves the same performance as the existing SenIC ISAC frameworks, which reveals that the coordination of sensing interference is not necessarily required in this case. Numerical results verify the theoretical results.


翻译:提出一个非垂直多重存取(NOMA)激励的综合感知和通信(ISAC)框架,其中提出一个双功能基站(MOOP)传输复合通信和感知信号。与将感知信号视为有害干扰通信的情况相反,在这项工作中,将感知信号的多重光束用于根据NOMA概念传递额外信息流。然后,每个通信用户在连续取消干扰(SIC)的帮助下检测额外信息流和现有遗留信息流。根据拟议的框架,设计了一个多目标优化问题(MOOP),以描述通信传输量和感知感知感知信号之间的交易。对于一般多用户而言,所设计的MOOP首先被利用了基于NOMA概念的概念传递额外信息流。然后,通过使用分级编程和连续的Snvex调控,找到一个高质量的次优化框架。对于特殊的单一用户假设,全球最佳解决方案可以通过将SISOP IMA(ISA) IMA(SIMA) 的性能向当前SISA(SIMA) IMA(S) IMA) IM(S) IMA(SIMA) IMA(S) IMA(S) IMA) IMA(S) IMA(S) IMA) IMA(S) IMA(S) IMA) (S) (S) IMA) IMA) (S) (S) (S) (S) (S) (S) (S) (S) IMA) (S) (S) (SISA) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (I) (I) (I) (S) (I) (S) (I) (I) (I) (I) (I) (I) (S) (I) (S) (I) (S) (I) (I) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S) (S)

0
下载
关闭预览

相关内容

专知会员服务
43+阅读 · 2020年12月18日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
VIP会员
相关VIP内容
专知会员服务
43+阅读 · 2020年12月18日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员