يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

تخصيص القدرة القائم على المحاكاة لأنظمة الاستشعار والاتصالات المتكاملة لتحقيق التوازن بين سعة الاتصالات وكشف الأهداف

94 مشاهدة

⸱

سبتمبر 11, 2026

 , 
1School of Traffic and Electrical Engineering, Dalian University of Science and Technology, 2School of Railway Intelligent Engineering, Dalian Jiaotong University

في هذه المقالة

ملخص

يصف هذا البروتوكول طريقة قائمة على المحاكاة لتحسين تخصيص الطاقة في أنظمة الاستشعار والاتصالات المتكاملة، وذلك باستخدام نموذج تحسين متعدد الأهداف وخوارزمية تحسين الفراشة المطورة لتحقيق التوازن بين سعة الاتصال وأداء اكتشاف الهدف في ظل ظروف تشغيل مختلفة.

الملخص

تتطلب أنظمة الاستشعار والاتصالات المتكاملة (ISAC) تخصيصاً فعالاً للطاقة لتحقيق التوازن بين جودة الاتصالات وأداء الاستشعار أثناء التشغيل في ظل موارد محدودة من الطيف والطاقة. وغالباً ما تفشل طرق تخصيص الطاقة المتساوية التقليدية في تحقيق مقايضة فعالة بين سعة قناة الاتصال واحتمالية اكتشاف الهدف (PDP) لأنها لا تراعي بشكل كافٍ الأهداف المختلفة للاتصالات والاستشعار. تقترح هذه الدراسة استراتيجية لتخصيص الطاقة قائمة على المحاكاة لنظام ISAC يعتمد على تعدد الإرسال بتقسيم التردد المتعامد (OFDM) باستخدام إطار عمل للتحسين متعدد الأهداف ومعاير. وقد تم توظيف نسخة محسنة من خوارزمية تحسين الفراشة (BOA)، تتضمن استراتيجيات احتمالية التبديل الديناميكي وطفرة غاوس ذات التباين الديناميكي، لتعزيز قدرة البحث الشامل وسرعة التقارب وتنوع الحلول. وأجريت عمليات محاكاة عددية تحت عوامل ترجيح مختلفة للاتصالات، وتكوينات مختلفة للهوائيات، وأعداد متنوعة للحوامل الفرعية، ونسب مختلفة للإشارة إلى الضوضاء لتقييم النهج المقترح. وحققت الاستراتيجية المحسنة سلوك تقارب أفضل مع توفير تسوية متوازنة بين سعة قناة الاتصال وPDP عبر سيناريوهات محاكاة متعددة. وتظهر هذه النتائج أن إطار التحسين المقترح يمكن أن يدعم بفعالية تخصيص الموارد القائم على المحاكاة لأنظمة ISAC المعتمدة على OFDM، مع توفير منهجية قابلة للتكرار لتقييم المقايضات بين الاتصالات والاستشعار تحت ظروف تشغيل مختلفة.

المقدمة

مع التوسع السريع في خدمات الاتصالات اللاسلكية والطلب المتزايد على الاستشعار الراداري عالي الأداء، أصبح التعارض بين موارد الطيف المحدودة ومتطلبات الخدمة المتنامية بارزاً بشكل متزايد. وفي الوقت ذاته، ساهم تصغير الأجهزة الإلكترونية وتكاملها في دفع أنظمة الاستشعار والاتصالات المتكاملة (ISAC) إلى الأمام. وبناءً على ذلك، ظهرت أنظمة ISAC كاتجاه بحثي رئيسي في أنظمة المعلومات الإلكترونية1,2,3. ومن خلال مشاركة موارد الطيف والأجهزة، تتيح أنظمة ISAC الإرسال المتزامن لبيانات الاتصالات اللاسلكية وإشارات الاستشعار الراداري، مما يؤدي إلى التغلب على قيود كفاءة الطيف في الأنظمة التقليدية المستقلة وتحسين استغلال الموارد في السيناريوهات المعقدة4. ويعد تعدد الإرسال بتقسيم التردد المتعامد (OFDM) تقنية تعديل متعدد الحوامل معتمدة على نطاق واسع، حيث تعمل على تحسين استغلال الطيف وتوفر متانة قوية ضد تداخل المسارات المتعددة. وبفضل هذه المزايا، أصبح OFDM هو شكل الموجة المفضل لأنظمة ISAC. وتوفر بنية OFDM-ISAC الناتجة أساساً موثوقاً لشكل الموجة للتنفيذ المنسق لوظائف الاتصال والاستشعار5,6. وبناءً عليه، ركزت أبحاث مستفيضة على هذا الموضوع.

لتحسين كفاءة الاتصالات وأداء الاستشعار، اقترح Wen وآخرون7 طريقة لتخصيص الطاقة (PAM) لأنظمة ISAC القائمة على OFDM البصرية في الفضاء الحر. وأظهرت نتائجهم فعالية هذه الطريقة وسلطت الضوء على المقايضة بين أداء الاتصالات وأداء الاستشعار. كما طور Wang وآخرون8 طريقة لتحسين تخصيص الطاقة تعتمد على التعلم العميق لأنظمة OFDM-ISAC لتقليل معدل خطأ رموز الاتصالات والحد الأدنى لكرامر-راو (Cramér–Rao lower bound) لتقدير التأخير وإزاحة دوبلر المشتركين، مما أدى إلى تحسين أداء الاتصالات. ولموازنة أداء الاتصالات والاستشعار، صمم AlKhansa وآخرون9 طريقة PAM ديناميكية لتقدير وقت الوصول في أنظمة OFDM-ISAC، وأكدت النتائج العددية أهمية دمج قيود استشعار متعددة. وصاغ He وآخرون10 مشكلة تحسين من نوع (max–min) لأنظمة OFDM-ISAC متعددة الحوامل، وطوروا خوارزمية تحسين تكرارية تعتمد على التقريب المحدب المتتالي لحل المشكلة غير المحدبة الناتجة، مما أدى إلى تحسين أداء الاتصالات. واقترح Liao وآخرون11 مُشكل حزم إرسال ISAC فعال حاسوبيًا يعتمد على مزيج مرجح من مُرمز مسبق خطي ومُشكل حزم مصفوفي محدد مسبقًا، مما أظهر كفاءة حاسوبية وأداءً عامًا متميزين.

على الرغم من هذه التطورات، لا تزال معظم أنظمة OFDM-ISAC تعتمد على التوزيع المتساوي للطاقة، مما يحد من الأداء العام للنظام عندما تعمل وظائف الاتصال والاستشعار بشكل متزامن. إن استراتيجية توزيع الطاقة التي ترفع سعة قناة الاتصال إلى الحد الأقصى قد تؤدي إلى تقليل أداء اكتشاف الأهداف، بينما قد تؤدي الاستراتيجية المحسنة فقط من أجل احتمالية اكتشاف الهدف (PDP) إلى تخصيص طاقة مفرطة للاستشعار على حساب جودة الاتصال. علاوة على ذلك، ونظراً لأن سعة قناة الاتصال وPDP لهما أبعاد فيزيائية مختلفة، فإن طرق تحسين المجموع المرجح التقليدية لا يمكنها موازنة مساهماتهما النسبية بشكل كافٍ، مما يحد من الأداء العام لأنظمة OFDM-ISAC. تبحث هذه الدراسة في توزيع طاقة الإرسال في أنظمة OFDM-ISAC لتحسين سعة قناة الاتصال وPDP بشكل مشترك على الرغم من هذه الاختلافات البعدية. يقوم نموذج OFDM-ISAC-P المقترح بتطبيع دالتي الهدف وتطبيق عوامل ترجيح قابلة للضبط لتحسين قابلية المقارنة في عملية التحسين. وللتغلب على قيود خوارزمية تحسين الفراشة (BOA) التقليدية، بما في ذلك المعلمات الثابتة، وبطء التقارب، والحساسية للنهايات العظمى المحلية، تم دمج استراتيجيات احتمالية التبديل الديناميكي (DSP) وطفرة غاوس ذات التباين الديناميكي (DVGM) لتحسين القدرة على التكيف في البحث. تفترض الدراسة أن الجمع بين التحسين متعدد الأهداف المُطَبّع وخوارزمية BOA المحسنة ينتج توزيعاً للطاقة عند توازن باريتو (Pareto-equilibrium) أكثر استقراراً من التوزيع المتساوي التقليدي للطاقة ومن خوارزمية BOA القياسية. وتشمل المساهمات الرئيسية لهذه الدراسة تطوير نموذج توزيع طاقة متعدد الأهداف مُطَبّع، وإطار تحسين معزز يعتمد على BOA، والتحقق من ذلك عبر المحاكاة باستخدام سيناريوهات متعددة الهوائيات، ومتعددة الحوامل، والنقل الذكي.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

اقتصرت هذه الدراسة على النمذجة الرياضية، وتطوير الخوارزميات، والمحاكاة العددية لنظام OFDM-ISAC. ولم تتضمن الدراسة أي مشاركين بشريين، أو حيوانات، أو عينات بيولوجية، أو بيانات شخصية محددة للهوية. وبناءً على ذلك، لم تكن هناك حاجة إلى موافقة أخلاقية مؤسسية، بما في ذلك موافقة مجلس المراجعة المؤسسية (IRB) أو لجنة الرعاية والاستخدام المؤسسي للحيوان (IACUC).

تصميم نموذج لتخصيص الطاقة لنظام الاستشعار والاتصالات المتكامل القائم على تعدد الإرسال بتقسيم التردد المتعامد

في أنظمة الاتصالات والاستشعار المتكاملة (ISAC)، غالبًا ما تقوم وحدات إدارة القدرة (PAMs) التقليدية والمتساوية بتوزيع قدرة الإرسال بالتساوي عبر كل قناة وهوائي أثناء عمليات الاتصال والاستشعار المتزامنة، دون مراعاة متطلبات الأداء المختلفة لكل منهما. وقد يؤدي ذلك إلى تخصيص قدرة مفرطة لوصلات إرسال غير فعالة والفشل في تلبية المتطلبات المتباينة لخدمات الاتصال والاستشعار، مما يقلل من كفاءة استخدام القدرة الإجمالية12,13,14. لذا، تأخذ هذه الدراسة في الاعتبار الأهداف الوظيفية المزدوجة للنظام من خلال التحسين المشترك لسعة قناة الاتصال وتوزيع تأخير القدرة (PDP). وقد تم بناء إطار عمل للتحسين متعدد الأهداف لتطوير استراتيجية تخصيص القدرة لنظام ISAC القائم على تقسيم التردد المتعامد (OFDM)، والذي يُشار إليه بنموذج OFDM-ISAC-P. يُعد OFDM تقنية تعديل متعدد الحوامل فعالة تتكون من طرف إرسال وطرف استقبال. وتوضح الشكل 1 عملية الـ OFDM.

مخطط تدفق الاتصالات اللاسلكية، بما في ذلك الترميز، وتحويل فوريه السريع العكسي (IFFT)، والقناة الترددية الراديوية (RF)، وتحويل فوريه السريع (FFT)، وعملية فك الترميز.
الشكل 1. سير عمل معالجة الإشارات لشكل موجة تعدد الإرسال بتقسيم التردد المتعامد (OFDM) المستخدم في نظام الاستشعار والاتصال المتكامل (ISAC). يتضمن سير العمل ترميز البيانات، والتداخل، ورسم الرموز، والتحويل من تسلسلي إلى توازي، وتحويل فوريه السريع العكسي (IFFT)، وإدراج البادئة الدورية (CP)، والإرسال الترددي الراديوي (RF)، والانتشار في القناة اللاسلكية، والاستقبال الترددي الراديوي (RF)، وإزالة البادئة الدورية (CP)، وتحويل فوريه السريع (FFT)، ومعادلة القناة، وإلغاء رسم الرموز، وإلغاء التداخل، وفك الترميز، واستعادة البيانات. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

في الشكل 1، تعمل إشارات OFDM كشكل موجي مشترك للاتصالات والاستشعار نظرًا لاستخدامها العالي للطيف ومقاومتها القوية للتداخل متعدد المسارات، مما يتيح إرسال شكل موجي موحد لكلا الوظيفتين15,16,17. ومع إهمال تأثير تشكيل الطيف لدالة النافذة، يتم بناء شكل موجة OFDM المرسلة باستخدام تردد الحامل، وعدد الموجات الحاملة الفرعية، والأوزان المركبة للموجات الحاملة الفرعية لتخصيص القدرة، وترميز إشارة الاتصالات، والتباعد بين الموجات الحاملة الفرعية. ويتم تحديد عرض نطاق النظام بواسطة التباعد بين الموجات الحاملة الفرعية وعدد الموجات الحاملة الفرعية18. وتتحدد عملية توليد إشارة الاتصالات على النحو التالي: يتم أولاً ترميز بتات المعلومات الثنائية باستخدام مخطط ترميز التحقق من التكافؤ منخفض الكثافة (LDPC) لتحسين موثوقية الإرسال، ثم يتم تعيينها لاحقاً إلى رموز ذات قيم مركبة باستخدام تعديل إزاحة الطور الرباعي (QPSK). ويتم تخصيص الرموز المعدلة للموجات الحاملة الفرعية لـ OFDM وفقاً لاستراتيجية تخصيص القدرة المحسنة. وبعد معالجة تحويل فوريه السريع العكسي (IFFT) وإدراج البادئة الدورية (CP)، يتم توليد شكل موجة اتصالات OFDM في النطاق الزمني وإرسالها جنباً إلى جنب مع إشارة الاستشعار. ويتم الحفاظ على نفس تكوين التعديل والترميز في جميع عمليات المحاكاة. يظهر تكوين نظام ISAC المستخدم في هذه الدراسة في الشكل 2.

مسارات الإشارة اللاسلكية، مخطط يوضح الانعكاس المباشر والأرضي والسماوي للعوائق ومصفوفة الاستقبال Rx.
الشكل 2. تكوين نظام الاستشعار والاتصالات المتكامل (ISAC) القائم على تقسيم التردد المتعامد المتعدد (OFDM). يوضح المخطط مصفوفة الإرسال (Tx)، ومصفوفة الاستقبال (Rx)، ومسار الاتصال المباشر في خط الرؤية (LoS)، ومسار استشعار صدى الهدف، ومسار الانعكاس الأرضي، ومسار الانعكاس السماوي، والعوائق التمثيلية داخل بيئة الانتشار المحاكات. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

يتكون النظام من مصفوفة هوائيات إرسال ومصفوفة هوائيات استقبال. ويتم نقل الإشارة عبر مسارين رئيسيين؛ الأول هو مسار خط البصر (LoS)، حيث تُرسل الإشارة مباشرة من مصفوفة الإرسال إلى مصفوفة الاستقبال. والثاني هو مسار الانعكاس، حيث ينعكس جزء من الإشارة عن الأرض ويصل إلى مصفوفة الاستقبال، بينما ينتشر جزء آخر عبر مسار انعكاس سماوي قبل الوصول إلى مصفوفة الاستقبال19,20,21. ويعد هذا النظام نظام OFDM-ISAC متعدد الهوائيات يسيطر عليه مسار خط البصر (LoS-dominant)، حيث يمكن لمستقبلات الاتصالات والاستشعار اعتماد تكوينات هوائيات مختلفة. وعلى الرغم من أن الشكل 2 يوضح مكونات الانتشار الممكنة، بما في ذلك مسار LoS المباشر والمسارات المرتبطة بالانعكاس، إلا أن النموذج الرياضي والمحاكاة يأخذان في الاعتبار فقط رابط اتصالات LoS السائد ورابط استشعار صدى الهدف. وتُعامل انعكاسات الأرض والسماء كآثار انتشار خلفية بدلاً من كونها قنوات غير مرئية (NLoS) يتم تحسينها بشكل مستقل. وتُحدد مصفوفة استجابة القناة بناءً على افتراض سيادة مسار خط البصر، مع تمثيل آثار تعدد المسارات من خلال التلاشي (fading)، وإزاحة دوبلر (Doppler shift)، وبنود الضوضاء. وبناءً على مصفوفة استجابة القناة هذه، جنباً إلى جنب مع الإشارة المرسلة ونموذج ضوضاء القناة، يتم التعبير عن إشارة الاتصالات المستقبلة في المعادلة 1.

معادلة التوازن الساكن، y_cm = H_cm * S_m + n_cm، صيغة، للاستخدام التعليمي

هنا، يمثل nc,m ضجيج غاوس الأبيض، بينما يشير Sm إلى الإشارة المرسلة، ويمثل Hc,m مصفوفة استجابة قناة الاتصال.

في وظيفة الاستشعار لنظام ISAC، يتكون مسار إرسال الإشارة من مرحلتين؛ المرحلة الأولى هي الإرسال من جهاز الإرسال إلى الهدف، والثانية هي مسار الصدى، حيث تنتشر الإشارة المنعكسة من الهدف عائدة إلى جهاز الاستقبال عبر قناة الاستشعار22,23,24. وبالنسبة للمحمولة الفرعية m، فإن مصفوفة استجابة قناة الاستشعار تصف انتشار الإشارة ويُعبر عنها في المعادلة 2:

معادلة التوازن الاستاتيكي \( H_{sm} = b_s e^{j2\pi f_{sm} \theta} e^{-j2\pi m f \tau_s} \).

هنا، bs يمثل معامل خفوت مسار صدى الاستشعار، فس، م يشير إلى إزاحة تردد Doppler المنعكسة، و τs يمثل تأخير الانتشار لمسار الانعكاس. وبناءً على مصفوفة استجابة قناة الاستشعار، يمكن التعبير عن إشارة الاستشعار المستلمة على النحو التالي: المعادلة 3:

معادلة توضح صيغة معالجة الإشارة: y_sm = H_sm S_m + n_sm، المستخدمة في أبحاث تحليل البيانات.

هنا، تمثل ns,m ضجيج غاوس الأبيض في قناة الاستشعار.

في أنظمة الاتصالات اللاسلكية، يعد التخطيط الفعال للطيف وتخصيص الموارد أمرين ضروريين لتحسين الأداء العام للنظام25. وبناءً على ذلك، تستخدم هذه الدراسة سعة قناة الاتصال كمعيار أساسي للتصميم. تم إنشاء نموذج تحسين لزيادة سعة القناة إلى الحد الأقصى من خلال توزيع إجمالي قدرة الإرسال عبر الموجات الحاملة الفرعية لتقنية OFDM وفقاً لاستراتيجية تخصيص الموارد المقترحة، كما هو موضح في المعادلة 4.

تمت صياغة مشكلة تحسين الاتصالات على النحو التالي (المعادلة 4):

صيغة التحسين، مخطط معادلة المجموع، تحليل معالجة الإشارات، زيادة سعة القناة إلى الحد الأقصى.

خاضع لـ

معادلة التوازن الاستاتيكي Σam=1؛ مخطط الصيغة؛ أداة تحليل رياضي.

هنا، تمثل σc2 تباين الضوضاء في قناة الاتصال الغاوسية، ويرمز P إلى إجمالي قدرة إرسال الاتصالات، بينما يمثل Pc متجه تخصيص قدرة الاتصال الأمثل، ويرمز am إلى الوزن المخصص للمحمِّل الفرعي رقم m، وتمثل Nc عدد المحملات الفرعية.

يتم التعبير عن الحل الأمثل الذي تم الحصول عليه باستخدام WA من خلال المعادلة 5:

معادلة الشروط في التحليل الرياضي، الصيغة: \( \hat{p}_{c,m} = \left\{ \right. \)

هنا، مخطط تحليل ميكانيكا الفيزياء التوازن الساكن ΣFx=0 يشير إلى القدرة المثلى المخصصة للقناة الفرعية للاتصال رقم m، ويمثل gm نسبة كسب القناة إلى الضوضاء في القناة الفرعية للاتصال رقم m، بينما يشير μc إلى مستوى المياه في خوارزمية تخصيص المياه (WA).

وفقاً لخوارزمية تخصيص المياه (WA) الموضحة في الشكل 3، تتلقى القنوات الفرعية ذات مكاسب القناة الأعلى، والتي تقابل مكاسب قناة عكسية أصغر، قدرة إرسال أكبر تحت مستوى المياه المحدد. وهذا يتيح للنظام استغلال ظروف القناة المواتية مع الالتزام بقيد القدرة الإجمالية وتحسين سعة الاتصال الكلية. وبناءً على ذلك، تتلقى القنوات الفرعية ذات ظروف القناة الأفضل قدرة أكبر، بينما تتلقى القنوات ذات ظروف القناة الأسوأ قدرة أقل. ومن خلال استراتيجية تخصيص القدرة التكيفية هذه، تستخدم خوارزمية WA موارد القناة بكفاءة لتحسين أداء الاتصالات.

عملية القناة الفرعية لحقن المياه؛ مخطط شريطي لمستويات القدرة، وخط μc، ونسب 1/gi؛ تحليل.
الشكل 3مبدأ خوارزمية ملء المياه (WA) المستخدمة لتوزيع قدرة الاتصالات. يمثل المحور الأفقي القنوات الفرعية لتقنية OFDM، بينما يمثل المحور الرأسي مقلوب كسب القناة وقدرة الإرسال المخصصة. ويحدد مستوى المياه قدرة الإرسال المسندة إلى كل قناة فرعية في ظل قيد إجمالي قدرة الإرسال. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

بالنسبة لهدف الاستشعار، تُعد استراتيجية تخصيص الطاقة المناسبة ضرورية عندما تكون احتمالية الإنذار الكاذب ثابتة. وتعمل استراتيجية تخصيص الطاقة المُحسّنة على تعزيز أداء الاستشعار من خلال تحسين دقة اكتشاف الهدف. تتطلب عملية الاستشعار اختبار الفرضيات بموجب فرضية وجود الهدف (هـ1) وفرضية غياب الهدف (هـ0). وبموجب هذه الفرضيات، فإن الإشارة المُستقبلة لكل حامل فرعي خلال الـ كيُعَبَّر عن النبضة رقم (th) كـ المعادلة 6:

معادلة اختبار الفرضية، صيغة رياضية، تحليل إحصائي، ترميز H0 وH1.

هنا، يشير y إلى متجه ملاحظات الاستشعار، ويمثل A المصفوفة القطرية diag(a0, a1, …, aNc−1)، ويشير D(v) إلى المصفوفة القطرية التي تحتوي على إزاحة تردد دوپلر للهدف، بينما يمثل β متجه معامل انعكاس الهدف، ويشير ns إلى الضوضاء البيضاء الغاوسية في قناة الاستشعار.

يتم بعد ذلك تقييم دالات كثافة الاحتمال تحت H0 و H1. وبالنسبة لاحتمالية إنذار خاطئ محددة، يتم حساب احتمالية الكشف (PDP) بناءً على هاتين الفرضيتين. ووفقاً لنظرية كشف نسبة الأرجحية، يتم اشتقاق كاشف نسبة الأرجحية القصوى العام لاحقاً لتعظيم احتمالية الكشف (PDP).

يتم التعبير عن كاشف نسبة الأرجحية القصوى المعمم على النحو التالي: المعادلة 7:

المعادلة اللوغاريتمية للتحليل الإحصائي؛ مخطط الصيغة بما في ذلك lnL_G و σ^2 و y^H و y_0.

هنا، يشير lG و LG إلى إحصائية كشف نسبة الأرجحية المعممة ودالة نسبة الأرجحية، على التوالي، ويمثل yH منقول هيرميت لـ y، بينما يشير γ0 إلى عتبة الكشف. خلال عملية الكشف، تُستخدم العتبة لتحديد ما إذا كانت فرضية وجود الهدف (H1) أو فرضية غياب الهدف (H0) هي المقبولة. وتوضح الشكل 4 العلاقة بين عتبة كشف الاستشعار واحتمالية كشف الهدف.

رسم بياني لنظرية كشف الإشارة، يوضح الضوضاء مقابل الإشارة+الضوضاء، مع تحديد عتبة الكشف.
الشكل 4. العلاقة بين عتبة كشف الاستشعار واحتمالية كشف الهدف. تظهر دالات كثافة الاحتمال تحت فرضية غياب الهدف وفرضية وجود الهدف جنباً إلى جنب مع عتبة الكشف المستخدمة لاختبار الفرضيات. تشير المناطق المظللة إلى مناطق القرار المرتبطة باحتمالية الإنذار الكاذب واحتمالية كشف الهدف. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

كما هو موضح في الشكل 4يرتبط احتمال الكشف (PDP) ارتباطاً مباشراً بتوزيع مربع كاي غير المركزي المركب. وفي ظل احتمال ثابت للإنذار الكاذب (أي أقصى احتمال مسموح به للكشف الخاطئ)، يكون معامل عدم المركزية مرتبطاً ارتباطاً إيجابياً باحتمال الكشف (PDP). وبناءً على ذلك، فإن زيادة معامل عدم المركزية تُحسّن من احتمالية الكشف الصحيح عن إشارة الهدف. واستناداً إلى هذه العلاقة، يتم التعامل مع إجمالي قدرة إرسال الاستشعار كقيد للقدرة، بينما يتم اختيار تعظيم معامل عدم المركزية كهدف للتحسين. وتُستخدم مسألة التحسين المقيدة الناتجة لاشتقاق استراتيجية تخصيص قدرة الاستشعار المثلى، ويتم التعبير عنها كما يلي: المعادلة 8:

مخطط معادلة التحسين مع صيغة argmax للتحليل الخوارزمي.

حيث تشير α إلى متجه وزن إرسال الاستشعار الأمثل الذي تم الحصول عليه تحت قيد القدرة، كما تمثل متجه وزن إرسال الموجة الحاملة الفرعية للاستشعار، وتشير B(v, β) إلى متجه معلومات الاستشعار، بينما تمثل P إجمالي قدرة إرسال الاستشعار.

يشير التحسين إلى أن استراتيجية تخصيص قدرة الاستشعار المثلى لا تقوم بتوزيع القدرة عبر قنوات فرعية متعددة. وبدلاً من ذلك، يتم تخصيص كل قدرة إرسال الاستشعار المتاحة للقناة الفرعية التي حدد تقييم القناة أنها توفر أعلى أداء استشعار، مما يؤدي إلى تعظيم أداء اكتشاف الهدف في القناة الواحدة.

في نظام OFDM-ISAC، يُعد تخصيص الطاقة مهمة التحسين الجوهرية، ويجب أن تلبّي الاستراتيجية المثلى متطلبات التصميم لكل من الاتصالات والاستشعار. وتحديداً، ينظر التحسين في آن واحد إلى مقاييس أداء الاتصالات، بما في ذلك معدل خطأ البت وسعة القناة، جنباً إلى جنب مع مقاييس أداء الاستشعار، بما في ذلك PDP ودقة تقدير المعاملات. ويتم تحسين الأداء العام للنظام من خلال التخصيص المنسق للموارد. ومع ذلك، فإن الدمج المباشر لاستراتيجيات تخصيص الطاقة المثلى للاتصالات والاستشعار باستخدام تحسين المجموع الموزون التقليدي ينطوي على قيود هامة؛ نظراً لعدم مراعاة الأبعاد الفيزيائية المختلفة والمساهمات النسبية لمقياسي الأداء بشكل كافٍ، فإن التحسين الناتج قد لا يعكس بدقة متطلبات أنظمة الاتصالات والاستشعار المتكاملة26,27.

وبناءً على ذلك، تقترح هذه الدراسة إطار تصميم متكامل يعتمد على التوزين المعياري. أولاً، يتم إجراء معايرة لمقاييس أداء الاتصالات والاستشعار لإزالة آثار عدم الاتساق البعدي. ثم يتم ضبط معاملات التوزين وفقاً لسيناريو التطبيق لتحقيق تخصيص أكثر توازناً للطاقة. تظهر الصيغة الرياضية لنموذج OFDM-ISAC-P المعياري في المعادلة 9:

مخطط صيغة معادلة التحسين؛ argmax مع المجموع، خاضعة للقيود، للاستخدام البحثي.

هنا، يرمز w إلى عامل تثقيل الاتصالات، ويمثل Fc القيمة الهدف المثلى التي تم الحصول عليها من مشكلة تحسين الاتصالات، ويرمز pm إلى القدرة المخصصة للمحمولة الفرعية رقم m في نظام OFDM، بينما يمثل gm كسب القناة المقابل للضوضاء للمحمولة الفرعية رقم m في الاتصالات، ويرمز P إلى إجمالي قدرة الإرسال، ويمثل Fs القيمة الهدف المثلى التي تم الحصول عليها من مشكلة تحسين الاستشعار، ويرمز bm إلى العنصر رقم m من متجه الاستشعار B(v, β).

يعمل عامل وزن الاتصال w، جنباً إلى جنب مع عامل وزن الاستشعار المكمل له (1 − w)، كمعلمة تصميم قابلة للضبط تعكس الأهمية النسبية لسعة قناة الاتصال وتوزيع كثافة القدرة (PDP) في ظل سيناريوهات تطبيق مختلفة28,29. في هذه الدراسة، يتم التعامل مع w كمعلمة تكوين على مستوى السيناريو بدلاً من كونها متغير تحكم متغير زمنياً. وبناءً على ذلك، يتم تثبيت w لكل سيناريو محاكاة (على سبيل المثال، w = 0.5 لتحقيق توازن في أداء الاتصال والاستشعار، و w = 0.8 للتشغيل الذي يعطي الأولوية للاتصالات). ثم يُستخدم خوارزم BOA المحسن لتحسين تخصيص القدرة المقابل. وبذلك، يشير مصطلح "عامل الوزن الديناميكي" إلى اختيار عوامل وزن مختلفة لسيناريوهات تشغيل مختلفة بدلاً من تنفيذ تكيف تلقائي في الوقت الفعلي أثناء تنفيذ الخوارزمية.

حل نموذج تحسين القدرة لنظام الاستشعار والاتصالات المتكامل القائم على تعدد الإرسال بتقسيم التردد المتعامد باستخدام خوارزمية تحسين الفراشة المحسنة

بعد بناء نموذج OFDM-ISAC-P، يتم استخدام خوارزمية BOA المحسنة لحل مشكلة الأمثلة. تتميز خوارزمية BOA ببنية بسيطة، وسهولة في التنفيذ، وقدرة قوية على البحث العالمي؛ حيث تحاكي سلوك البحث عن الغذاء لدى الفراشات وتوظف آلية طيران ليفي (Lévy flight) لاستكشاف حيز البحث بكفاءة. تتطلب الخوارزمية عدداً قليلاً نسبياً من إعدادات المعاملات، مما يجعلها مناسبة لمجموعة واسعة من مشكلات الأمثلة. ومع ذلك، قد تتقارب خوارزمية BOA التقليدية مبكراً نحو القيم المثلى المحلية، وتتأثر بشدة بإعدادات المعاملات، وغالباً ما تتطلب تكرارات عديدة عند حل مشكلات الأمثلة ذات الأبعاد العالية30. وبناءً على ذلك، تم تعزيز استراتيجية الطفرة وإجراءات الأمثلة في هذه الدراسة.

لتحسين الاستكشاف الشامل خلال مرحلة التحسين المبكرة، تم تقديم استراتيجية احتمالية التبديل الديناميكية (DSP). فخلال التكرارات الأولية، تعمل احتمالية التبديل الصغيرة نسبياً على تعزيز استكشاف حيز البحث. ومع زيادة عدد التكرارات، يتم ضبط احتمالية التبديل تدريجياً لتعزيز الاستغلال المحلي وتحسين التقارب. وتُعرَّف استراتيجية احتمالية التبديل الديناميكية في المعادلة 10:

معادلة للعملية الديناميكية، توضح p(t) باستخدام المتغيرات α و β و Maxiter في علاقة معقدة.

حيث تشير α إلى القيمة الأولية لـ DSP، وتمثل t رقم التكرار الحالي، بينما β هو معامل التحكم. تزيد هذه الاستراتيجية التكيفية من تنوع المجتمع خلال مرحلة التحسين المبكرة، وتوسع نطاق البحث، وتقلل من احتمالية التقارب المبكر نحو القيم المثلى المحلية. ومع تقدم عملية التحسين، ينتقل البحث تدريجيًا من الاستكشاف الشامل إلى الاستغلال المحلي.

لتحسين أداء التحسين بشكل أكبر، تم دمج DVGM في الخوارزمية. يتم تطبيق تباين طفرة كبير نسبيًا خلال التكرارات الأولى لتوسيع نطاق البحث وتحسين الاستكشاف الشامل. ومع تقدم عملية التحسين، يتم تقليل تباين الطفرة تدريجيًا لتعزيز دقة البحث المحلي وتسهيل التقارب. يتم تحديد التباين الأقصى σmax والتباين الأدنى σmin في المعادلة 11:

معادلة العلاقة بين الإجهاد والانفعال، σ(t)، والتي توضح تباين الإجهاد المعتمد على الوقت.

يتم تلخيص استراتيجيات البحث العالمية والمحلية المحسنة في المعادلة 12:

معادلة التحديث الديناميكي؛ صيغة؛ تحليل العملية العشوائية؛ النمذجة الرياضية.

هنا، يشير normrnd(0, σ(t)) إلى رقم عشوائي غاوسي بمتوسط 0 وتباين σ(t)، ويمثل fi معامل العطر الذي يتحكم في سلوك البحث للفراشة. وبعد دمج استراتيجيات DSP وDVGM، يتم الحصول على خوارزمية BOA المحسنة، كما هو موضح في الشكل 5.

مخطط تدفقي لخوارزمية تحسين الفراشة، يوضح طفرة التباين الديناميكي واستراتيجية غاوس.
الشكل 5. سير عمل خوارزمية تحسين الفراشة (BOA) المُطورة. تتضمن إجراءات التحسين التهيئة، وتوليد المجتمع، وتقييم الكفاءة، واحتمالية التبديل الديناميكي (DSP)، والبحث العالمي والمحلي، وطفرة غاوس ذات التباين الديناميكي (DVGM)، وتحديث الحل، وتقييم التقارب، وإخراج الحل الأمثل. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 5 يوضح استراتيجيتي التحسين المدمجتين في خوارزمية BOA وهما: DSP و DVGM. تقوم استراتيجية DSP بضبط تردد التبديل بين البحث العالمي والمحلي بشكل تكيفي. في مرحلة التحسين المبكرة، تركز الخوارزمية على الاستكشاف العالمي لزيادة تنوع المجتمع وتحسين احتمالية تحديد مناطق الحلول الواعدة. ومع تقدم عملية التحسين، ينتقل البحث تدريجيًا نحو الاستغلال المحلي لتسريع التقارب. أما استراتيجية DVGM فتقوم بإحداث اضطراب في أفضل فرد حالي، مما يعزز قدرة البحث المحلي، ويزيد من تنوع الحلول، ويقلل من احتمالية التقارب المبكر نحو القيم المثلى المحلية.

عند تطبيق خوارزمية BOA المحسنة لحل نموذج OFDM-ISAC-P، يتم أولاً تشفير متغيرات التحسين، وتوليد مجتمع أولي، وتعيين استراتيجيات تخصيص القدرة المرشحة لكل فرد. يوضح الشكل 6 سير عمل التحسين العام.

مخطط انسيابي لخوارزمية تحسين الفراشة لعملية تخصيص القدرة في نظام OFDM-ISAC.
الشكل 6مخطط سير العمل لخوارزمية تحسين الفراشة (BOA) المطورة لحل نموذج تخصيص الطاقة في نظام الاستشعار والاتصالات المتكامل القائم على تعدد الإرسال بتقسيم التردد المتعامد (OFDM-ISAC). تتضمن الإجراءات تهيئة المعاملات، وترميز ناقلات تخصيص الطاقة المرشحة، وتوليد المجتمع، وتقييم الصلاحية، وتحديث الحل بشكل تكراري، وتقييم التقارب، وإخراج استراتيجية تخصيص الطاقة المثلى. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

كما هو موضح في الشكل 6، تبدأ عملية التحسين بتطبيق استراتيجية DSP لإجراء تحسين تكراري. خلال التكرارات الأولى، يتم التركيز على الاستكشاف الشامل لبحث تركيبات متنوعة لتخصيص القدرة لنظام OFDM-ISAC. وفي التكرارات اللاحقة، ينتقل البحث تدريجياً نحو الاستغلال المحلي لتنقية الحلول المرشحة عالية الجودة مع استيفاء قيد إجمالي قدرة الإرسال. بعد ذلك، يتم تطبيق استراتيجية DVGM على أفضل حل حالي للخروج من النهايات العظمى المحلية والحفاظ على تنوع الحلول. وطوال عملية التحسين، تُستخدم دوال الهدف للاتصالات والاستشعار لتقييم ملاءمة كل حل مرشح، ويتم الاحتفاظ بالأفراد ذوي الجودة الأعلى للتكرار التالي. ويستمر التحسين حتى يتم استيفاء معيار الإنهاء المحدد مسبقاً. ويمثل الحل الأمثل النهائي استراتيجية تخصيص القدرة التي توفر أفضل توازن بين أداء الاتصالات وأداء اكتشاف الهدف.

إعدادات قابلية التكرار

لتحسين قابلية إعادة الإنتاج، تم تحديد معاملات المحاكاة، وإعدادات التهيئة، والقيود، ومعايير الإنهاء بالتفصيل. تم تنفيذ جميع التجارب على نظام Ubuntu 22.04 LTS باستخدام Python 3.10 وPyTorch 2.1 وNumPy 1.26 وCVXPY 1.4 وMATLAB R2023b (راجع جدول المواد). تم تلخيص معاملات المحاكاة والبيئة الحسابية المستخدمة في هذه الدراسة في الجدول 1، بينما تم تقديم تكوين معاملات محاكاة OFDM-ISAC التفصيلية في الجدول التكميلي 1. استخدمت عمليات المحاكاة كثافة طيفية لقدرة الضوضاء تبلغ −174 dBm/Hz، و64 حاملًا فرعيًا، و16 رمزًا OFDM، وتردد حامل قدره 4 GHz، وتباعدًا بين الحوامل الفرعية قدره 15 kHz، وثماني هوائيات إرسال، وبحد أقصى 10,000 تكرار. تم تهيئة نسبة تخصيص القدرة ضمن النطاق 0–1 بدقة 0.01 وتم تطبيعها لتلبية قيد إجمالي قدرة الإرسال. تم ضبط وزن الاتصال، ووزن الاستشعار، ودقة المسبق متعدد الطبقات على 0.2 و0.3 و0.5 على التوالي. شملت قيود التحسين تخصيص قدرة المستخدم غير السالبة، وإجمالي قدرة إرسال محدودة، ونطاق ترددي محدود، واحتمالية إنذار خاطئ في حدود 10⁻3. توقف التحسين عند الوصول إما إلى الحد الأقصى لعدد التكرارات أو عندما ينخفض التغير النسبي في دالة الهدف بين تكرارين متتاليين إلى أقل من 10⁻4. استخدمت جميع تجارب التهيئة العشوائية واضطراب القناة بذورًا عشوائية ثابتة وتم تكرارها بشكل مستقل 30 مرة.

المعلمةالقيمةالوصف
تردد الحامل4 GHzتردد حامل OFDM.
مخطط ترميز/تعديل الاتصالاتتعديل إزاحة الطور الرباعي (QPSK) مع ترميز القناة ذو فحص التكافؤ منخفض الكثافة (LDPC)طريقة توليد إشارة الاتصالات المستخدمة لإعادة إنتاج شكل موجة OFDM المرسلة.
وزن الاتصالات0.2الوزن المخصص لهدف الاتصالات.
احتمالية الإنذار الكاذب10⁻³احتمالية الإنذار الكاذب المستخدمة كقيد لتحسين الاستشعار.
المنصة العتاديةIntel Core i7-13700 CPU, NVIDIA RTX 4070 GPU, 32 GB RAMالمنصة الحسابية المستخدمة في عمليات المحاكاة.
مجموعة بيانات مرجعية لمحاكاة ISACغير قابل للتطبيق. تم توليد جميع البيانات المرجعية من خلال المحاكاة العددية.مجموعة البيانات المرجعية المستخدمة لتقييم الأداء.
أقصى عدد من التكرارات10,000أقصى عدد من تكرارات التحسين.
دقة المسبق متعدد الطبقات0.5معلمة المعلومات المسبقة المستخدمة أثناء التحسين.
كثافة القدرة الطيفية للضوضاء−174 dBm/Hzالكثافة الطيفية لضوضاء قناة الاتصالات.
عدد رموز OFDM16عدد رموز OFDM لكل إطار.
عدد حاملات OFDM الفرعية64عدد حاملات OFDM الفرعية.
نظام التشغيلUbuntu 22.04 LTSالبيئة الحسابية.
برمجيات التحسينCVXPY 1.4حزمة التحسين المحدب.
دقة تخصيص القدرة0.01دقة نسب تخصيص القدرة المحددة أولياً.
لغة البرمجةPython 3.10لغة البرمجة المستخدمة لتنفيذ المحاكاة.
البذرة العشوائيةثابتةبذرة عشوائية ثابتة مستخدمة في جميع عمليات المحاكاة.
التكرارات30عدد عمليات تشغيل المحاكاة المستقلة التي أجريت للتحليل الإحصائي.
مكتبة الحوسبة العلميةNumPy 1.26مكتبة الحوسبة العددية المستخدمة في الحسابات العددية.
وزن الاستشعار0.3الوزن المخصص لهدف الاستشعار.
منصة المحاكاةMATLAB R2023bالمنصة المستخدمة للمحاكاة العددية والتصور البياني.
معيار التوقفأقصى عدد من التكرارات أو التغير النسبي في الهدف < 10⁻⁴معيار إنهاء التحسين.
تباعد الحاملات الفرعية15 kHzتباعد حاملات OFDM الفرعية.
مكتبة حسابات التنسورPyTorch 2.1إطار عمل حسابات التنسور المستخدم في حسابات المصفوفات والتنسورات.
إجمالي هوائيات الإرسال8عدد هوائيات الإرسال.

الجدول 1: معاملات المحاكاة والبيئة الحسابية المستخدمة في عمليات محاكاة الاستشعار والاتصالات المتكاملة (ISAC) القائمة على تعدد الإرسال بتقسيم التردد المتعامد (OFDM). يلخص الجدول معاملات الموجة، ومعاملات التحسين، وإعدادات المحاكاة، والبيئة الحسابية، والبرمجيات، ومجموعات البيانات، وظروف المحاكاة الأخرى المستخدمة في جميع أنحاء الدراسة.

ما لم يُنص على خلاف ذلك، تُحسب التحسينات المئوية المذكورة بصيغة "زادت بنسبة X%" كزيادات مئوية نسبية باستخدام المعادلة 13:

صيغة التحسن النسبي لمقارنة القيم المقترحة مقابل القيم المرجعية؛ مخطط المعادلة.

بالنسبة لمقاييس الأداء القائمة على الاحتمالية أو المعدل، مثل PDP، يتم الإبلاغ عن التغييرات المطلقة صراحةً كزيادات في النقاط المئوية (pp). على سبيل المثال، يتم الإبلاغ عن الزيادة من 46% إلى 63% على أنها +17 pp، بينما تشير +37.0% إلى الزيادة المئوية النسبية المقابلة التي تم حسابها باستخدام 46% كخط أساس.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

اختبار أداء خوارزمية تحسين الفراشة المطورة

قبل تقييم فعالية OFDM-ISAC PAM، تم تقييم خوارزمية BOA المحسنة. وقد تم اختيار خوارزمية BOA التقليدية، وخوارزمية تحسين الحوت (WOA)، وخوارزمية تحسين سرب الجسيمات (PSO) كخوارزميات للمقارنة. استخدم التقييم المرجعي القيمة المتوسطة والانحراف المعياري كمقاييس للأداء، مع استخدام دالتي مرجع أحادية المنوال ( و ) ودالتي مرجع متعددة المنوال ( و ). وتوصف إعدادات المرجع المستخدمة لخوارزميات التحسين فيما يلي: تم تثبيت بُعد المشكلة عند ، وكان الحد الأ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

يعالج نموذج OFDM-ISAC-P المقترح الحاجة إلى الموازنة بين سعة قناة الاتصال ووظيفة كثافة القدرة (PDP) في ظل قيد مشترك لقدرة الإرسال. وقد بحثت الدراسات الحالية حول ISAC القائمة على OFDM في التخصيص المشترك للحوامل الفرعية والقدرة، وتصميم الموجة المشتركة، وتخصيص القدرة الديناميكي، والمقايضات بين الاتصالات والاستشعار1,2,7,8,9,10

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

تضارب المصالح:

يقر المؤلفون بعدم وجود أي تضارب في المصالح.

شكر وتقدير

يتقدم المؤلفون بجزيل الشكر للدعم المالي المقدم من مشروع أبحاث العلوم الطبيعية التابع لإدارة التعليم في مقاطعة لياونينغ، الصين (منحة رقم JYTMS20230009)، مشروع داليان للبحث والتطوير التكنولوجي، الصين (منحة رقم 2024JB11GX001)، ومشروع تنمية الفريق التخصصي بجامعة داليان للعلوم والتكنولوجيا (منحة رقم KYXK2025001).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
CVXPYCVXPY DevelopersVersion 1.4حزمة تحسين محدب تُستخدم لدعم التحقق من نموذج تخصيص الطاقة.
برنامج تحسين BOA المطورالمؤلفونغير قابل للتطبيقتنفيذ مخصص لخوارزمية تحسين الفراشة المطورة (IBOA) المستخدمة لحل نموذج تخصيص الطاقة OFDM-ISAC-P باستخدام احتمالية التبديل الديناميكية وطفرة غاوسية ذات تباين ديناميكي.
مجموعة بيانات مرجعية لمحاكاة ISACالمؤلفونغير قابل للتطبيقمرجع محاكاة تم إنشاؤه بواسطة المؤلفين واستُخدم لتقييم طريقة تخصيص الطاقة المقترحة تحت نسب إشارة إلى ضجيج وتكوينات هوائيات وأعداد مختلفة من الحوامل الفرعية.
MATLABThe MathWorks, Inc.R2023bالمنصة المستخدمة للمحاكاة العددية وتصور النتائج.
NumPyNumPy DevelopersVersion 1.26مكتبة الحوسبة العددية المستخدمة لعمليات المصفوفات والتهيئة العشوائية والتحليل الإحصائي.
برنامج محاكاة OFDM-ISACالمؤلفونغير قابل للتطبيقكود محاكاة مخصص مستخدم لبناء نموذج قناة OFDM-ISAC وحساب سعة قناة الاتصال وتقييم احتمالية اكتشاف الهدف.
PyTorchPyTorch FoundationVersion 2.1إطار عمل لحساب الموترات مستخدم للنمذجة العددية وعمليات المصفوفات.
بيئة برمجة PythonPython Software FoundationPython 3.10لغة البرمجة المستخدمة لتنفيذ الخوارزمية والحوسبة العددية.
نظام التشغيل UbuntuCanonical Ltd.Ubuntu 22.04 LTSنظام التشغيل المستخدم لتنفيذ عمليات محاكاة تخصيص الطاقة في OFDM-ISAC.

المراجع

  1. Li Y, Wei Z, Feng Z. Joint subcarrier and power allocation for uplink integrated sensing and communication system. IEEE Sens J. 2023;23(24):31072-31081. doi:10.1109/JSEN.2023.3330936.
  2. Cao X, Tang L, Shen F. Robust OFDM shared waveform design and resource allocation for the integrated sensing and communication system. In: 2023 IEEE Wireless Communications and Networking Conference (WCNC). IEEE; 2023:13-24. doi:10.1109/WCNC55385.2023.10118730.
  3. Wen Y, Yang F, Song J. Adaptive resource allocation in ADO-OFDM for optical wireless integrated sensing and communication. In: GLOBECOM 2024 IEEE Global Communications Conference. IEEE; 2024:28-39. doi:10.1109/GLOBECOM52923.2024.10901628.
  4. Sümer AS, Memişoğlu E, Arslan H. A novel pilot allocation technique for uplink OFDMA in ISAC systems. IEEE Wirel Commun Lett. 2025;14(8):2561-2565. doi:10.1109/LWC.2025.3575711.
  5. Hawkins H, Xu C, Yang LL. IM-OFDM ISAC outperforms OFDM ISAC by combining multiple sensing observations. IEEE Open J Veh Technol. 2024;5(1):312-329. doi:10.1109/OJVT.2024.3366772.
  6. Zhu W, Han Y, Wang L. Pilot optimization for OFDM-based ISAC signal in emergency IoT networks. IEEE Internet Things J. 2023;11(18):29600-29614. doi:10.1109/JIOT.2023.3314057.
  7. Wen Y, Yang F, Song J. Power allocation for OFDM-based free space optical integrated sensing and communication. In: ICC 2024 IEEE International Conference on Communications. IEEE; 2024:2408-2413. doi:10.1109/ICC51166.2024.10622583.
  8. Wang X, Han S. Optimization of power allocation for OFDM-based ISAC systems. In: GLOBECOM 2024 IEEE Global Communications Conference. IEEE; 2024:5387-5392. doi:10.1109/GLOBECOM52923.2024.10901655.
  9. Al Khansa A, Madhusudan G, Larue G. Dynamic power allocation in OFDM ISAC for time of arrival estimation. In: 2024 IEEE Conference on Standards for Communications and Networking (CSCN). IEEE; 2024:249-254. doi:10.1109/CSCN63874.2024.10849719.
  10. He X. Power allocation scheme for OFDM-ISAC system. In: 2025 5th International Conference on Sensors and Information Technology. IEEE; 2025:136-140. doi:10.1109/ICSI64877.2025.11009420.
  11. Liao B, Ngo HQ, Matthaiou M. Power allocation for massive MIMO-ISAC systems. IEEE Trans Wirel Commun. 2024;23(10):14232-14248. doi:10.1109/TWC.2024.3410385.
  12. Chen Y, et al. Integrated sensing, communication, and powering: Toward multi-functional 6G wireless networks. IEEE Commun Mag. 2025;63(8):146-153. doi:10.1109/MCOM.006.2400013.
  13. Singh S, Samal U. Integrated sensing and communication in next-generation wireless networks: Insights and trends. Int J Commun Syst. 2025;38(5):70014-70018. doi:10.1002/dac.70014.
  14. Liu J, et al. OFDM-structure based waveform designs for integrated sensing and communication. Sci China Inf Sci. 2025;68(5):150306-150309. doi:10.1007/s11432-024-4373-7.
  15. Ni Y, et al. An integrated sensing and communications system based on affine frequency division multiplexing. IEEE Trans Wirel Commun. 2025;24(5):3763-3779. doi:10.1109/TWC.2025.3532993.
  16. Li C, et al. Improved TD3-based resource allocation optimization for latency-sensitive tasks in ISAC-aided VEC. ACM Trans Sens Netw. 2025;21(6):1-27. doi:10.1145/3767332.
  17. Li C, Long K, Yang M. D3QN-TD3-based user association and resource allocation in ISAC-aided vehicular edge computing. ACM Trans Sens Netw. 2025;21(4):1-31. doi:10.1145/3744711.
  18. Ahmed MF, Rahman A. OFDM-based optical integrated sensing and communication framework using embedded pilot subcarriers. Opt Contin. 2026;5(6):1706-1720. doi:10.1364/OPTCON.595843.
  19. Luo HL, et al. Integrated sensing and communications framework for 6G networks. IEEE Wirel Commun. 2025;32(6):102-109. doi:10.1109/MWC.2025.3599658.
  20. Nabil Y, ElSawy H, Hassanein HS. System-level analysis of dual-mode networked sensing: ISAC integration and coordination gains. IEEE Trans Wirel Commun. 2025;25(4):7970-7987. doi:10.1109/TWC.2025.3634682.
  21. Feng XX, Wu W, Ling M, Zheng H. Off-grid parameter estimation for OFDM-based ISAC systems with incomplete data and demodulation errors. China Commun. 2026;23(3):199-216. doi:10.23919/JCC.fa.2025-0172.202603.
  22. Jiang YH, Gao F, Shi J, Tie JC. Electromagnetic property sensing in ISAC with multiple base stations: Algorithm, pilot design, and performance analysis. IEEE Trans Wirel Commun. 2025;24(4):3400-3416. doi:10.1109/TWC.2025.3530946.
  23. Zhang Y, et al. Backscatter device-aided integrated sensing and communication: A Pareto optimization framework. IEEE Trans Wirel Commun. 2026;25(2):17958-17974. doi:10.1109/TWC.2026.3698666.
  24. Zhang X, Huang B, Alouini MS. Design of 3-D beamforming and deployment strategies for ISAC-based HAPS systems. IEEE Trans Wirel Commun. 2026;25(2):13228-13242. doi:10.1109/TWC.2026.3670213.
  25. Uluocak S, Kartal M. A low-complexity target Swerling type estimation method for next-generation OFDM-based ISAC systems. IEEE Access. 2025;13(5):192542-192554. doi:10.1109/ACCESS.2025.3630105.
  26. Du Z, et al. Toward ISAC-empowered vehicular networks: Framework, advances, and opportunities. IEEE Wirel Commun. 2025;32(2):222-229. doi:10.1109/MWC.002.2300496.
  27. Hasanvand M, Nooshyar M, Moharamkhani E, Selyari A. Machine learning methodology for identifying vehicles using image processing. AIA. 2023;1(3):170-178. doi:10.47852/bonviewAIA3202833.
  28. Yang H, Wang L, Feng Z. Dynamic power allocation for integrated sensing and communication-enabled vehicular networks. IEEE Trans Wirel Commun. 2024;23(9):12313-12330. doi:10.1109/TWC.2024.3391354.
  29. Wen Y, Yang F, Song J. Free space optical integrated sensing and communication based on DCO-OFDM: Performance metrics and resource allocation. IEEE Internet Things J. 2024;12(2):2158-2173. doi:10.1109/JIOT.2024.3469279.
  30. Liu M, Yang M, Li H. Performance analysis and power allocation for cooperative ISAC networks. IEEE Internet Things J. 2022;10(7):6336-6351. doi:10.1109/JIOT.2022.3225281.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

استكشف المزيد من المقالات

أنظمة OFDMالأمثلة متعددة الأهدافخوارزمية تحسين الفراشةاحتمالية التبديل الديناميكيسعة القناةتخصيص الموارد
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.