Bu protokol, farklı çalışma koşulları altında iletişim kapasitesi ve hedef tespit performansı arasındaki dengeyi sağlamak için çok amaçlı bir optimizasyon modeli ve geliştirilmiş bir Kelebek Optimizasyon Algoritması kullanarak, entegre algılama ve iletişim sistemlerinde güç tahsisini optimize etmeye yönelik simülasyon tabanlı bir yöntemi tanımlamaktadır.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Araştırma makalesi
Haberleşme Kapasitesi ve Hedef Tespiti arasında Denge Kuran Entegre Algılama ve Haberleşme Sistemleri için Simülasyon Tabanlı Güç Tahsisi
94 görüntülenme
⸱
11 Eylül 2026
Bu makalede
Özet
Özet
Entegre Algılama ve İletişim (ISAC) sistemleri, sınırlı spektrum ve güç kaynakları altında çalışırken iletişim kalitesi ile algılama performansı arasında denge kurmak için verimli bir güç tahsisi gerektirir. Geleneksel eşit güç tahsisi yöntemleri, iletişimin ve algılamanın farklı hedeflerini yeterince dikkate almadıkları için iletişim kanal kapasitesi ile hedef tespit olasılığı (PDP) arasında genellikle etkili bir ödünleşim sağlayamazlar. Bu çalışma, normalize edilmiş bir çok amaçlı optimizasyon çerçevesi kullanarak, Ortogonal Frekans Bölmeli Çoğullama (OFDM) tabanlı bir ISAC sistemi için simülasyon tabanlı bir güç tahsisi stratejisi önermektedir. Küresel arama yeteneğini, yakınsama hızını ve çözüm çeşitliliğini artırmak amacıyla Dinamik Geçiş Olasılığı ve Dinamik Varyanslı Gauss Mutasyonu stratejilerini içeren geliştirilmiş bir Kelebek Optimizasyon Algoritması (BOA) kullanılmıştır. Önerilen yaklaşımı değerlendirmek için farklı iletişim ağırlık faktörleri, anten konfigürasyonları, alt taşıyıcı sayıları ve sinyal-gürültü oranları altında sayısal simülasyonlar gerçekleştirilmiştir. Optimize edilen strateji, birden fazla simülasyon senaryosunda iletişim kanal kapasitesi ile PDP arasında dengeli bir uzlaşma sağlarken geliştirilmiş bir yakınsama davranışı sergilemiştir. Bu bulgular, önerilen optimizasyon çerçevesinin, farklı çalışma koşulları altında iletişim-algılama ödünleşimlerini değerlendirmek için tekrarlanabilir bir metodoloji sunarken, OFDM tabanlı ISAC sistemleri için simülasyon tabanlı kaynak tahsisini etkili bir şekilde destekleyebileceğini göstermektedir.
Giriş
Kablosuz iletişim hizmetlerinin hızla genişlemesi ve yüksek performanslı radar algılamaya olan talebin artmasıyla birlikte, sınırlı spektrum kaynakları ile büyüyen hizmet gereksinimleri arasındaki çatışma giderek daha belirgin hale gelmiştir. Bu sırada, elektronik cihazların minyatürleşmesi ve entegrasyonu, Entegre Algılama ve Haberleşme (ISAC) sistemlerini daha da ilerletmiştir. Sonuç olarak ISAC, elektronik bilgi sistemlerinde önemli bir araştırma yönü olarak ortaya çıkmıştır1,2,3. ISAC, spektrum ve donanım kaynaklarını paylaşarak kablosuz iletişim verilerinin ve radar algılama sinyallerinin eş zamanlı iletimini sağlar; böylece geleneksel bağımsız sistemlerin spektrum verimliliği sınırlamalarının üstesinden gelir ve karmaşık senaryolarda kaynak kullanımını iyileştirir4. Dikgen Frekans Bölmeli Çoğullama (OFDM), spektrum kullanımını artıran ve çok yollu etkileşime karşı güçlü bir dayanıklılık sağlayan, yaygın olarak benimsenmiş bir çok taşıyıcılı modülasyon tekniğidir. Bu avantajları nedeniyle OFDM, ISAC sistemleri için tercih edilen dalga formu haline gelmiştir. Ortaya çıkan OFDM-ISAC mimarisi, haberleşme ve algılama fonksiyonlarının koordineli uygulaması için güvenilir bir dalga formu temeli sağlar5,6. Buna bağlı olarak, bu konuya odaklanan önemli araştırmalar yapılmıştır.
İletişim verimliliğini ve algılama performansını artırmak için Wen ve ark.7, boşlukta optik OFDM tabanlı ISAC sistemleri için bir güç tahsisi yöntemi (PAM) önermiştir. Elde ettikleri sonuçlar yöntemin etkinliğini kanıtlamış ve iletişim ile algılama performansı arasındaki ödünleşimi vurgulamıştır. Wang ve ark.8, iletişim sembol hata oranını ve ortak gecikme ile Doppler tahmini için Cramér–Rao alt sınırını minimize etmek amacıyla OFDM-ISAC sistemleri için derin öğrenme tabanlı bir güç tahsisi optimizasyon yöntemi geliştirerek iletişim performansının iyileştiğini göstermiştir. İletişim ve algılama performansını dengelemek için AlKhansa ve ark.9, OFDM-ISAC sistemlerinde varış zamanı tahmini için dinamik bir PAM tasarlamış ve sayısal sonuçlar birden fazla algılama kısıtının dahil edilmesinin önemini doğrulamıştır. He ve ark.10, çok taşıyıcılı OFDM-ISAC sistemleri için bir max–min optimizasyon problemi formüle etmiş ve ortaya çıkan konveks olmayan problemi çözmek için ardışık konveks yaklaşım tabanlı iteratif bir optimizasyon algoritması geliştirerek iletişim performansını artırmıştır. Liao ve ark.11, doğrusal bir ön kodlayıcı ile önceden tanımlanmış bir dizi ışın şekillendiricinin ağırlıklı kombinasyonuna dayalı, hesaplama açısından verimli bir ISAC iletim ışın şekillendiricisi önermiştir ve bunun uygun hesaplama verimliliği ile genel performans sergilediğini kanıtlamıştır.
Bu ilerlemelere rağmen, çoğu OFDM-ISAC sistemi hâlâ eşit güç tahsisine dayanmaktadır ve bu durum, haberleşme ve algılama fonksiyonları eş zamanlı çalıştığında genel sistem performansını kısıtlamaktadır. Haberleşme kanalı kapasitesini maksimize eden bir güç tahsis stratejisi, hedef tespit performansını düşürebilirken; yalnızca hedef tespit olasılığı (PDP) için optimize edilmiş bir strateji, haberleşme kalitesi pahasına algılamaya aşırı güç tahsis edebilir. Ayrıca, haberleşme kanalı kapasitesi ve PDP farklı fiziksel boyutlara sahip olduğundan, geleneksel ağırlıklı toplam optimizasyon yöntemleri bunların göreceli katkılarını yeterince dengeleyemez ve bu da OFDM-ISAC sistemlerinin genel performansını sınırlar. Bu çalışma, söz konusu boyutsal farklılıklara rağmen haberleşme kanalı kapasitesini ve PDP'yi ortaklaşa optimize etmek için OFDM-ISAC sistemlerinde iletim gücü tahsisini incelemektedir. Önerilen OFDM-ISAC-P modeli, her iki amaç fonksiyonunu normalleştirir ve optimizasyon karşılaştırılabilirliğini artırmak için ayarlanabilir ağırlık faktörleri uygular. Sabit parametreler, yavaş yakınsama ve yerel optimumlara karşı duyarlılık gibi geleneksel Kelebek Optimizasyon Algoritması'nın (BOA) kısıtlamalarının üstesinden gelmek için, arama adaptasyonunu geliştirmek amacıyla Dinamik Anahtarlama Olasılığı (DSP) ve Dinamik Varyans Gaussian Mutasyon (DVGM) stratejileri entegre edilmiştir. Çalışma, normalleştirilmiş çok amaçlı optimizasyonun geliştirilmiş BOA ile birleştirilmesinin, geleneksel eşit güç tahsisine ve standart BOA'ya göre daha kararlı bir Pareto-denge güç tahsisi ürettiği hipotezini kurmaktadır. Bu çalışmanın temel katkıları arasında; normalleştirilmiş bir çok amaçlı güç tahsis modelinin geliştirilmesi, geliştirilmiş BOA tabanlı bir optimizasyon çerçevesi ve çok antenli, çok taşıyıcılı ve akıllı ulaşım senaryoları kullanılarak yapılan simülasyon tabanlı doğrulama yer almaktadır.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Protokol
Bu çalışma, bir OFDM-ISAC sistemi için yalnızca matematiksel modelleme, algoritma geliştirme ve sayısal simülasyonları içermektedir. İnsan katılımcılar, hayvanlar, biyolojik örnekler veya kişisel olarak tanımlanabilir veriler kullanılmamıştır. Bu nedenle, Kurumsal Gözden Geçirme Kurulu (IRB) veya Kurumsal Hayvan Bakımı ve Kullanımı Komitesi (IACUC) onayı da dahil olmak üzere kurumsal etik onayı gerekmemiştir.
Frekans Bölmeli Çoğullamaya Dayalı Entegre Sensör ve İletişim Sistemi için Güç Atama Modelinin Tasarımı
ISAC sistemlerinde, geleneksel eşit PAM'ler genellikle iletim gücüne ilişkin farklı performans gereksinimlerini göz önünde bulundurmadan, aynı anda iletişim ve algılama sırasında her bir kanala ve antene güç dağıtır. Bu durum, verimsiz iletim bağlantılarına aşırı güç tahsisi yapabilir ve iletişim ile algılama hizmetlerinin heterojen gereksinimlerini karşılayamayabilir; bu da genel güç kullanım verimliliğini düşürür12,13,14. Bu nedenle, bu çalışma sistemin çift işlevli hedeflerini dikkate alarak iletişim kanal kapasitesi ile PDP'yi birlikte optimize etmeyi amaçlamaktadır. OFDM tabanlı ISAC sistemi için, OFDM-ISAC-P modeli olarak adlandırılan bir güç dağıtım stratejisi geliştirmek üzere çok amaçlı bir optimizasyon çerçevesi oluşturulmuştur. OFDM, bir gönderici ve bir alıcıdan oluşan etkili bir çoklu taşıyıcılı modülasyon tekniğidir. OFDM süreci Şekil 1'de gösterilmiştir.
Şekil 1. Entegre Sensör ve İletişim (ISAC) sisteminde kullanılan Dikgen Frekans Bölüşümlü Çoklama (OFDM) dalgasının sinyal işleme iş akışı. İş akışı, veri kodlamayı, araya yerleştirmeyi, sembol eşlemeyi, seri-paralel dönüşümü, hızlı Fourier dönüşümünün tersini (IFFT), döngüsel önek (CP) ekleme, radyo frekansı (RF) iletimi, kablosuz kanal yayılımı, RF alımını, CP kaldırma, hızlı Fourier dönüşümü (FFT), kanal dengelemeyi, eşlemeyi kaldırma, araya yerleştirmeyi kaldırma, kod çözme ve veri kurtarmayı içerir. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.
Şekil 1'de, OFDM sinyalleri yüksek spektrum kullanım oranları ve çok yollu girişime karşı güçlü dirençleri nedeniyle iletişim ve algılama için ortak dalga formu olarak kullanılır ve böylece her iki işlev için de birleşik dalga formu iletimini mümkün kılar15,16,17. Pencere fonksiyonunun spektral şekillendirme etkisi göz ardı edilerek, iletilen OFDM dalga formu, taşıyıcı frekansı, alt taşıyıcı sayısı, güç dağılımı için alt taşıyıcı kompleks ağırlıkları, iletişim sinyali kodlaması ve alt taşıyıcı aralığı kullanılarak oluşturulur. Sistem bant genişliği, alt taşıyıcı aralığı ve alt taşıyıcı sayısı ile belirlenir18. İletişim sinyali üretme süreci şu şekilde tanımlanır. İkili bilgi bitleri, iletim güvenilirliğini artırmak amacıyla öncelikle düşük yoğunluklu eşlik denetimi (LDPC) kodlama şeması kullanılarak kodlanır ve ardından dörtlenme faz kaydırmalı anahtarlama (QPSK) modülasyonu kullanılarak karmaşık değerli sembollere eşlenir. Modüle edilmiş semboller, optimize edilmiş güç dağılımı stratejisine göre OFDM alt taşıyıcılarına atanır. Ters hızlı Fourier dönüşümü (IFFT) işleminden ve döngüsel önek (CP) eklemeden sonra, zaman domenindeki OFDM iletişim dalgası oluşturulur ve algılama sinyaliyle birlikte iletilir. Tüm simülasyonlar boyunca aynı modülasyon ve kodlama yapılandırması korunur. Bu çalışmada kullanılan ISAC sistemi yapılandırması Şekil 2'de gösterilmiştir.
Şekil 2. Frekans Bölmeli Çoklama (OFDM) tabanlı Entegre Sensör ve İletişim (ISAC) sisteminin sistem yapısı. Şema, gönderici (Tx) dizisini, alıcı (Rx) dizisini, doğrudan görüş hattı (LoS) iletişim yolunu, hedef-eko algılama yolunu, yer yansıma yolunu, gökyüzü yansıma yolunu ve simüle edilen yayılım ortamındaki temsili engelleri göstermektedir. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.
Sistem, bir verici anten dizisinden ve bir alıcı anten dizisinden oluşur. Sinyal iletimi iki ana yoldan gerçekleşir. İlki, sinyalin verici dizi ile alıcı dizi arasında doğrudan iletildiği Görüş Hattı (LoS) yoludur. İkincisi, sinyalin bir kısmının yeryüzünden yansıması ve alıcı diziye ulaşması, diğer bir kısmının ise alıcı diziye ulaşmadan önce gökyüzünden yansıyan bir yol izlemesiyle gerçekleşen yansıma yoludur19,20,21. Bu sistem, haberleşme ve algılama alıcılarının farklı anten yapılandırmalarını benimseyebileceği LoS baskın çoklu antenli bir OFDM-ISAC sistemidir. Şekil 2, doğrudan LoS yolu ve yansımayla ilgili yolları içeren olası yayılım bileşenlerini gösterse de, matematiksel model ve simülasyonlar yalnızca baskın LoS haberleşme bağlantısını ve hedef ekosu algılama bağlantısını dikkate alır. Yer ve gökyüzü yansımaları, ayrı ayrı optimize edilmiş olmayan-LoS (NLoS) kanallar olarak değil, arka plan yayılım etkileri olarak ele alınır. Kanal tepkisi matrisi, çoklu yol etkileri sönümleme, Doppler kayması ve gürültü terimleriyle temsil edilerek LoS baskın varsayımı altında tanımlanır. Bu kanal tepkisi matrisi, iletilen sinyal ve kanal gürültü modeliyle birlikte değerlendirildiğinde, alınan haberleşme sinyali Denklem 1'de ifade edilir.
nc,m Gauss gürültüsünü, Sm iletilen sinyali ve Hc,m iletişim kanalı yanıt matrisini temsil eder.
ISAC sisteminin algılama işlevinde, sinyal iletim yolu iki aşamadan oluşur. İlk aşama, vericiden hedefe olan iletimdir ve ikinci aşama, yansıyan sinyalin hedeften algılama kanalı aracılığıyla alıcıya geri yayıldığı yankı yoludur22,23,24. m-inci alt taşıyıcı için, algılama kanalı cevap matrisi sinyal yayılımını karakterize eder ve Denklem 2 şeklinde ifade edilir:
Burada, bs algılama ek yolunun sönümleme katsayısını, fs,m yansıyan Doppler frekans kaymasını ve τs yansıma yolunun yayılım gecikmesini temsil eder. Algılama kanalı cevap matrisine dayanarak alınan algılama sinyali Denklem 3 olarak ifade edilir:
Burada, ns,m algılama kanalındaki Gauss beyaz gürültüsünü temsil eder.
Kablosuz haberleşme sistemlerinde, genel sistem performansını artırmak için etkili spektrum planlaması ve kaynak tahsisi esastır25. Buna göre, bu çalışma kanal kapasitesini birincil tasarım kriteri olarak kullanır. Toplam iletim gücünün, önerilen kaynak tahsis stratejisine göre OFDM alt taşıyıcılarına dağıtılmasıyla kanal kapasitesini en üst düzeye çıkarmak için bir optimizasyon modeli oluşturulmuştur ve bu Denklem 4'te ifade edilmiştir.
İletişim optimizasyon problemi şu şekilde formüle edilir (Denklem 4):
tabi
σc2, iletişim Gauss kanalının gürültü varyansını; P, toplam iletişim iletim gücünü; Pc, optimal iletişim gücü atama vektörünü; am, m-inci alt taşıyıcıya atanan ağırlığı; ve Nc, alt taşıyıcıların sayısını temsil eder.
WA kullanılarak elde edilen optimal çözüm, Denklem 5 olarak ifade edilir:
Burada, 
en uygun güç tahsisi anlamına gelir m-inci iletişim altkanalı, gm kanal-gürültü kazanç oranını temsil eder m-iletişim alt kanalı ve μc WA'nın su seviyesini gösterir.
WA'nın gösterildiği gibi Şekil 3Daha yüksek kanal kazançlarına sahip alt kanallar, daha küçük ters kanal kazançlarına karşılık gelir ve seçilen su seviyesi altında daha büyük iletim gücü alır. Bu, sistemin toplam güç kısıtını karşılarken elverişli kanal koşullarından yararlanmasına ve genel iletişim kapasitesini artırmasına olanak tanır. Sonuç olarak, daha iyi kanal koşullarına sahip alt kanallar daha fazla güç alırken, daha kötü kanal koşullarına sahip olanlar daha az güç alır. Bu uyarlamalı güç dağıtımı stratejisi sayesinde, WA kanal kaynaklarını etkili bir şekilde kullanarak iletişim performansını artırır.
Şekil 3. İletişim gücü tahsisi için kullanılan Su Doldurma Algoritması'nın (WA) prensibi. Yatay eksen OFDM altkanallarını, dikey eksen ise ters kanal kazancını ve tahsis edilen iletim gücünü temsil eder. Su seviyesi, toplam iletim gücü kısıtlaması altında her bir altkanala atanacak iletim gücünü belirler. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.
Algılama amacı için, yanlış alarm olasılığı sabitlendiğinde uygun bir güç tahsisi stratejisi esastır. Optimize edilmiş bir güç tahsisi stratejisi, hedef tespit doğruluğunu artırarak algılama performansını geliştirir. Algılama süreci, hedefin var olduğu hipotezi (H1) ve hedefin olmadığı hipotezi (H0) altında hipotez testi gerektirir. Bu hipotezler altında, k-inci darbe sırasında her bir alt taşıyıcı için alınan sinyal Denklem 6 ile ifade edilir:
Burada, y algılama gözlem vektörünü, A diyagonal matrisi diag(a0, a1, …, aNc−1) ifade eder, D(v) hedefin Doppler frekans kaymasını içeren diyagonal matrisi, β hedef yansıma katsayısı vektörünü ve ns algılama kanalındaki Gauss beyaz gürültüyü gösterir.
H0 ve H1 varsayımları altında olasılık yoğunluk fonksiyonları değerlendirilir. Belirlenmiş bir yanlış alarm olasılığı için, PDP bu iki hipoteze dayanarak hesaplanır. Olabilirlik oranı tespit teorisine göre, PDP'yi en üst düzeye çıkarmak için genelleştirilmiş bir maksimum olabilirlik oranı dedektörü türetilir.
Genelleştirilmiş maksimum olabilirlik oran detektörü, Denklem 7 olarak ifade edilir:
Burada, lG ve LG sırasıyla genelleştirilmiş olabilirlik oranı tespit istatistiğini ve olabilirlik oranı fonksiyonunu ifade eder, yH, y'nin Hermitian transpozunu temsil eder ve γ0 tespit eşiğini belirtir. Tespit süreci sırasında, eşik değeri, hedefin var olduğu hipotezinin (H1) mi yoksa hedefin olmadığı hipotezinin (H0) mi kabul edileceğine karar vermek için kullanılır. Algılama tespit eşiği ile hedef tespit olasılığı arasındaki ilişki Şekil 4'te gösterilmiştir.
Şekil 4. Algılama tespit eşiği ile hedef tespit olasılığı arasındaki ilişki. Hedefin yokluk hipotezi ve hedefin varlık hipotezi altında olasılık yoğunluk fonksiyonları, hipotez testi için kullanılan tespit eşiğiyle birlikte gösterilmiştir. Gölgeli bölgeler, yanlış alarm olasılığı ve hedef tespit olasılığıyla ilişkili karar bölgelerine karşılık gelir. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.
Şekil 4'te gösterildiği gibi, PDP doğrudan merkezi olmayan karmaşık ki-kare dağılımıyla ilişkilidir. Sabit bir yanlış alarm olasılığı (yani, izin verilen maksimum yanlış tespit olasılığı) altında, merkezi olmayan parametre, PDP ile pozitif korelasyonludur. Sonuç olarak, merkezi olmayan parametrenin artırılması, hedef sinyalin doğru şekilde tespit edilme olasılığını iyileştirir. Bu ilişkiye dayanarak, toplam algılama iletim gücü güç kısıtı olarak kabul edilirken, merkezi olmayan parametrenin maksimize edilmesi optimizasyon amacı olarak seçilir. Elde edilen kısıtlı optimizasyon problemi, optimal algılama gücü tahsisi stratejisinin çıkarılmasında kullanılır ve Denklem 8 şeklinde ifade edilir:
nerede α güç kısıtlaması altında elde edilen optimal algılama gönderim ağırlık vektörünü ve aynı zamanda algılama alt taşıyıcısı gönderim ağırlık vektörünü gösterir, B(v, β) algılama bilgisi vektörünü gösterir ve P toplam algılama iletim gücü temsil eder.
Optimizasyon, optimal algılama gücü atama stratejisinin gücü birden fazla alt kanala dağıtmadığını gösterir. Bunun yerine, tüm kullanılabilir algılama iletim gücü, kanal değerlendirmesiyle en yüksek algılama performansını sağladığı belirlenen alt kanala atanır ve böylece tek kanallı hedef tespit performansı en üst düzeye çıkarılır.
OFDM-ISAC sisteminde güç dağıtımı, temel optimizasyon görevidir ve optimal strateji, hem iletişim hem de algılama tasarım gereksinimlerini karşılamalıdır. Özellikle, optimizasyon, bit hata oranı ve kanal kapasitesi gibi iletişim performans metriklerini, PDP ve parametre kestirim doğruluğu gibi algılama performans metrikleriyle birlikte eşzamanlı olarak dikkate alır. Genel sistem performansı, koordine edilmiş kaynak dağılımı ile artırılır. Ancak, geleneksel ağırlıklı toplam optimizasyonunu kullanarak optimal iletişim ve algılama güç dağılımı stratejilerini doğrudan birleştirmenin önemli sınırlamaları vardır. İki performans metriğinin farklı fiziksel boyutları ve göreli katkıları yeterince dikkate alınmadığından, elde edilen optimizasyon entegre iletişim-algılama sistemlerinin gereksinimlerini doğru bir şekilde yansıtmayabilir26,27.
Bu nedenle, bu çalışma, normalize edilmiş ağırlıklandırmaya dayalı entegre bir tasarım çerçevesi önermektedir. İlk olarak, boyutsal tutarsızlığın etkilerini ortadan kaldırmak için iletişim ve algılama performans ölçümleri normalize edilir. Daha sonra, uygulama senaryosuna göre ağırlıklandırma katsayıları ayarlanarak daha dengeli bir güç dağıtımı elde edilir. Normalize edilmiş OFDM-ISAC-P modelinin matematiksel formülasyonu Denklem 9'da verilmiştir:
Burada, w iletişim ağırlıklandırma faktörünü, Fc iletişim optimizasyon probleminden elde edilen optimal amaç değerini, pm m-inci OFDM alt taşıyıcısına tahsis edilen gücü, gm m-inci iletişim alt taşıyıcısının eşdeğer kanal-gürültü kazancını, P toplam iletim gücünü, Fs algılama optimizasyon probleminden elde edilen optimal amaç değerini ve bm B(v, β) algılama vektörünün m-inci elemanını gösterir.
İletişim ağırlıklandırma faktörü w, tamamlayıcı algılama ağırlıklandırma faktörü (1 − w) ile birlikte, farklı uygulama senaryolarında iletişim kanalı kapasitesinin ve PDP'nin göreli önemini yansıtan ayarlanabilir bir tasarım parametresi olarak işlev görür28,29. Bu çalışmada, w, zamanla değişen bir kontrol değişkeni değil, senaryo düzeyinde bir yapılandırma parametresi olarak ele alınmıştır. Buna göre, her bir simülasyon senaryosu için w sabitlenmiştir (örneğin, dengeli iletişim ve algılama performansı için w = 0,5 ve iletişim öncelikli çalışma için w = 0,8). Daha sonra, geliştirilmiş BOA ilgili güç dağıtımını optimize etmek için kullanılır. Bu nedenle, "dinamik ağırlıklandırma faktörü" terimi, algoritma yürütülürken gerçek zamanlı otomatik adaptasyon uygulamak yerine, farklı çalışma senaryoları için farklı ağırlıklandırma faktörlerinin seçilmesini ifade eder.
İyileştirilmiş Kelebek Optimizasyon Algoritması Kullanarak Dikgen Frekans Bölmeli Çoğullama Tabanlı Entegre Sensör ve İletişim Sistemi için Güç Optimizasyon Modelinin Çözümü
OFDM-ISAC-P modeli oluşturulduktan sonra, geliştirilmiş BOA optimizasyon problemi çözmek için kullanılır. BOA basit bir yapıya sahiptir, uygulanması kolaydır ve güçlü bir küresel arama yeteneğine sahiptir. Algoritma, kelebeklerin yiyecek arama davranışını taklit eder ve arama alanını verimli bir şekilde keşfetmek için Lévy uçuşu mekanizmasını kullanır. Algoritmanın nispeten az sayıda parametre ayarı gerektirmesi, onu çeşitli optimizasyon problemleri için uygun hale getirir. Ancak geleneksel BOA, yerel optimal çözümlere erken yakınsayabilir, parametre ayarlarına duyarlı olabilir ve yüksek boyutlu optimizasyon problemlerini çözerken sıklıkla çok sayıda yineleme gerektirebilir30. Bu nedenle bu çalışmada mutasyon stratejisi ve optimizasyon süreci geliştirilmiştir.
Erken optimizasyon aşamasında küresel keşfi iyileştirmek için bir DSP stratejisi sunulmuştur. Başlangıç yinelemeleri sırasında, nispeten küçük bir geçiş olasılığı, arama uzayının keşfini artırır. Yineleme sayısı arttıkça, geçiş olasılığı kademeli olarak yerel sömürüyü güçlendirmek ve yakınsamayı iyileştirmek üzere ayarlanır. DSP, Denklem 10’da tanımlanmıştır:
α, DSP'nin başlangıç değerini; t, mevcut yineleme sayısını; ve β, kontrol katsayısını gösterir. Bu uyarlanabilir strateji, erken optimizasyon aşamasında popülasyon çeşitliliğini artırır, arama alanını genişletir ve yerel optimal noktalara erken yakınsama olasılığını azaltır. Optimizasyon ilerledikçe arama, kademeli olarak genel keşiften yerel sömürüye kayar.
Optimizasyon performansını daha da artırmak için DVGM algoritmaya dahil edilir. Arama aralığını genişletmek ve küresel keşfi iyileştirmek amacıyla erken yinelemeler sırasında nispeten büyük bir mutasyon varyansı uygulanır. Optimizasyon ilerledikçe, yerel arama doğruluğunu artırmak ve yakınsamayı kolaylaştırmak için mutasyon varyansı kademeli olarak azaltılır. Maksimum varyans σmax ve minimum varyans σmin, Denklem 11'de tanımlanmıştır:
Geliştirilmiş küresel ve yerel arama stratejileri, Denklem 12’de özetlenmiştir:
Burada normrnd(0, σ(t)), ortalama değeri 0 ve varyansı σ(t) olan bir Gauss rasgele sayısı; fi ise kelebek arama davranışını kontrol eden koku parametresini temsil eder. DSP ve DVGM stratejileri entegre edildikten sonra, Şekil 5'te gösterildiği gibi geliştirilmiş BOA elde edilir.
Şekil 5. İyileştirilmiş Kelebek Optimizasyon Algoritması'nın (BOA) iş akışı. Optimizasyon işlemi, başlatma, popülasyon üretimi, uygunluk değerlendirmesi, Dinamik Geçiş Olasılığı (DSP), genel ve yerel aramalar, Dinamik Varyans Gauss Mutasyonu (DVGM), çözüm güncelleme, yakınsama değerlendirmesi ve optimal çözüm çıktısı adımlarını içerir. Lütfen bu şeklin daha büyük halini görüntülemek için buraya tıklayınız.
Şekil 5, BOA'ya entegre edilen iki iyileştirme stratejisini göstermektedir: DSP ve DVGM. DSP stratejisi, küresel ve yerel arama arasında geçiş sıklığını uyarlamalı olarak ayarlar. Erken optimizasyon aşamasında, algoritma popülasyon çeşitliliğini artırmak ve umut verici çözüm bölgelerini belirleme olasılığını iyileştirmek için küresel keşfetmeye ağırlık verir. Optimizasyon ilerledikçe, arama kademeli olarak yerel sömürüye yönelerek yakınsamayı hızlandırır. DVGM stratejisi, mevcut en iyi bireyi bozarak yerel arama yeteneğini artırır, çözüm çeşitliliğini artırır ve yerel optimal çözümlere erken yakınsama olasılığını azaltır.
Geliştirilmiş BOA, OFDM-ISAC-P modelini çözmek için kullanıldığında, önce optimizasyon değişkenleri kodlanır, başlangıç popülasyonu oluşturulur ve aday güç atama stratejileri her bireye atanır. Tüm optimizasyon iş akışı Şekil 6'da gösterilmiştir.
Şekil 6. Ortogonal Frekans Bölüşümlü Çoklama tabanlı Entegre Sensör ve İletişim (OFDM-ISAC) güç dağılımı modelinin çözümü için geliştirilmiş Kelebek Optimizasyon Algoritması (BOA)'nın iş akışı. İşlem, parametre başlatma, aday güç dağılımı vektörlerinin kodlanması, popülasyon üretimi, uygunluk değerlendirmesi, yinelemeli çözüm güncelleme, yakınsama değerlendirmesi ve optimal güç dağılımı stratejisinin çıktısını içerir. Lütfen bu şeklin daha büyük halini görüntülemek için buraya tıklayınız.
Şekil 6'da gösterildiği gibi, optimizasyon, ardışık optimizasyon gerçekleştirmek için DSP stratejisinin uygulanmasıyla başlar. İlk yinelemeler sırasında, OFDM-ISAC sistemi için çeşitli güç tahsisi kombinasyonlarını incelemek amacıyla küresel keşfetmeye ağırlık verilir. Daha sonraki yinelemelerde ise arama, toplam iletim gücü kısıtını sağlarken yüksek kaliteli aday çözümleri iyileştirmek için giderek yerel sömürüye kayar. DVGM stratejisi daha sonra yerel optimal noktalardan kaçınmak ve çözüm çeşitliliğini korumak amacıyla mevcut en iyi çözüme uygulanır. Optimizasyon süreci boyunca, iletişim ve algılama amaç fonksiyonları her bir aday çözümün uygunluk değerini belirlemek için kullanılır ve daha yüksek kaliteli bireyler bir sonraki yineleme için korunur. Optimizasyon, önceden tanımlanmış sonlandırma kriteri sağlanana kadar devam eder. Nihai optimal çözüm, iletişim performansı ile hedef tespiti performansı arasında en iyi dengeyi sağlayan güç tahsisi stratejisini temsil eder.
Yeniden üretilebilirlik ayarları
Tekrarlanabilirliği artırmak için simülasyon parametreleri, başlatma ayarları, kısıtlamalar ve sonlandırma kriterleri ayrıntılı olarak belirtildi. Tüm deneyler, Python 3.10, PyTorch 2.1, NumPy 1.26, CVXPY 1.4 ve MATLAB R2023b kullanılarak Ubuntu 22.04 LTS üzerinde gerçekleştirildi (bkz. Malzemeler Tablosu). Bu çalışmada kullanılan simülasyon parametreleri ve hesaplama ortamı Tablo 1'de özetlenmiştir, OFDM-ISAC simülasyon parametrelerinin ayrıntılı yapılandırması ise Ek Tablo 1'de verilmiştir. Simülasyonlarda −174 dBm/Hz gürültü güç spektral yoğunluğu, 64 alt taşıyıcı, 16 OFDM sembolü, 4 GHz taşıyıcı frekansı, 15 kHz alt taşıyıcı aralığı, sekiz adet gönderim anteni ve en fazla 10.000 yineleme kullanıldı. Güç dağıtım oranı, 0–1 aralığında 0,01 çözünürlükle başlatıldı ve toplam iletim gücü kısıtlamasını karşılamak üzere normalize edildi. İletişim ağırlığı, algılama ağırlığı ve çok katmanlı öncül doğruluk sırasıyla 0,2, 0,3 ve 0,5 olarak ayarlandı. Optimizasyon kısıtlamaları arasında negatif olmayan kullanıcı güç dağılımı, sınırlı toplam iletim gücü, sınırlı bant genişliği ve 10⁻3 mertebesinde bir yanlış alarm olasılığı yer aldı. Optimizasyon işlemi, maksimum yineleme sayısına ulaşıldığında ya da ardışık iki yineleme arasındaki amaç fonksiyonunun göreli değişimi 10⁻4'ün altına düştüğünde sonlandırıldı. Tüm rastgele başlatma ve kanal bozulması deneyleri sabit rastgele tohumlar kullanılarak bağımsız olarak 30 kez tekrarlandı.
| Parametre | Değer | Açıklama |
| Taşıyıcı frekansı | 4 GHz | OFDM taşıyıcı frekansı. |
| İletişim kodlama/modülasyon şeması | Düşük Yoğunluklu Parite Kontrolü (LDPC) kanal kodlamalı Dörtlü Faz Kaydırmalı Anahtarlama (QPSK) modülasyonu | İletilen OFDM dalgasının yeniden oluşturulmasında kullanılan iletişim sinyali üretim yöntemi. |
| İletişim ağırlığı | 0,2 | İletişim hedefine atanan ağırlık. |
| Yanlış alarm olasılığı | 10⁻³ | Algılama optimizasyonu kısıtı olarak kullanılan yanlış alarm olasılığı. |
| Donanım platformu | Intel Core i7-13700 CPU, NVIDIA RTX 4070 GPU, 32 GB RAM | Simülasyonlar için kullanılan hesaplama platformu. |
| ISAC simülasyon kıyaslama veri seti | Uygulanamaz. Tüm kıyaslama verileri sayısal simülasyonlar yoluyla oluşturulmuştur. | Performans değerlendirmesi için kullanılan kıyaslama veri seti. |
| Maksimum yineleme sayısı | 10.000 | Maksimum optimizasyon yineleme sayısı. |
| Çok katmanlı öncül doğruluk | 0,5 | Optimizasyon sırasında kullanılan önceden bilgi parametresi. |
| Gürültü güç spektral yoğunluğu | −174 dBm/Hz | İletişim kanalı gürültü spektral yoğunluğu. |
| OFDM sembollerinin sayısı | 16 | Çerçeve başına düşen OFDM sembollerinin sayısı. |
| OFDM alt taşıyıcı sayısı | 64 | OFDM alt taşıyıcı sayısı. |
| İşletim sistemi | Ubuntu 22.04 LTS | Hesaplama ortamı. |
| Optimizasyon yazılımı | CVXPY 1.4 | Konveks optimizasyon paketi. |
| Güç tahsisi çözünürlüğü | 0,01 | Başlangıçta tanımlanan güç tahsis oranlarının çözünürlüğü. |
| Programlama dili | Python 3.10 | Simülasyon uygulaması için kullanılan programlama dili. |
| Rastgele tohum | Sabit | Tüm simülasyonlar için sabitlenen rastgele tohum değeri. |
| Tekrarlanan çalıştırma sayısı | 30 | İstatistiksel analiz için gerçekleştirilen bağımsız simülasyon sayısı. |
| Bilimsel hesaplama kütüphanesi | NumPy 1.26 | Sayısal hesaplamalar için kullanılan sayısal hesaplama kütüphanesi. |
| Algılama ağırlığı | 0,3 | Algılama hedefine atanan ağırlık. |
| Simülasyon platformu | MATLAB R2023b | Sayısal simülasyon ve görselleştirme için kullanılan platform. |
| Durma kriteri | Maksimum yineleme sayısı veya göreli amaç değişimi < 10⁻⁴ | Optimizasyon sonlandırma kriteri. |
| Alt taşıyıcı aralığı | 15 kHz | OFDM alt taşıyıcı aralığı. |
| Tensör hesaplama kütüphanesi | PyTorch 2.1 | Matris ve tensör hesaplamaları için kullanılan tensör hesaplama çerçevesi. |
| Toplam gönderici anten sayısı | 8 | Gönderici anten sayısı. |
Tablo 1: Ortogonal Frekans Bölüşümlü Çoğullama (OFDM) tabanlı Entegre Sensör ve İletişim (ISAC) simülasyonlarında kullanılan simülasyon parametreleri ve hesaplama ortamı. Bu tablo, çalışma boyunca kullanılan dalga formu parametrelerini, optimizasyon parametrelerini, simülasyon ayarlarını, hesaplama ortamını, yazılımı, veri kümelerini ve diğer simülasyon koşullarını özetlemektedir.
Aksi belirtilmedikçe, “%X artırılmıştır” şeklinde bildirilen yüzde iyileştirmeler, Denklem 13 kullanılarak göreli yüzde kazançlar olarak hesaplanır:
Olasılık veya oran temelli performans ölçümleri için, örneğin PDP gibi, mutlak değişimler açıkça yüzdelik puan (pp) artışları olarak rapor edilir. Örneğin, %46'dan %63'e bir artış, +17 pp olarak rapor edilirken, +37,0% ise %46'yı temel alarak hesaplanan ilgili göreli yüzde artışını ifade eder.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Sonuçlar
Geliştirilmiş Kelebek Optimizasyon Algoritmasının performans testi
OFDM-ISAC PAM'nin etkinliği değerlendirilmeden önce, geliştirilmiş BOA değerlendirilmiştir. Karşılaştırma algoritmaları olarak geleneksel BOA, Balina Optimizasyon Algoritması (WOA) ve Parçacık Sürü Optimizasyonu (PSO) seçilmiştir. Kıyaslama değerlendirmesinde performans metrikleri olarak ortalama değer ve standart sapma kullanılmış; iki tek modlu kıyaslama fonksiyonu ( ve ) ile iki çok modlu kıyaslama fonksiyon...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Tartışma
Önerilen OFDM-ISAC-P modeli, ortak bir iletim gücü kısıtlaması altında iletişim kanalı kapasitesi ve PDP arasındaki denge kurma ihtiyacını ele almaktadır. Mevcut OFDM tabanlı ISAC çalışmaları; ortak alt taşıyıcı ve güç tahsisi, ortak dalga formu tasarımı, dinamik güç tahsisi ve iletişim-algılama ödünleşimlerini incelemiştir1,2,7,8,9,
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Açıklamalar
Çıkar Çatışması:
Yazarlar herhangi bir çıkar çatışması olmadığını beyan ederler.
Teşekkürler
Yazarlar; Çin'deki Liaoning Eyalet Eğitim Bakanlığı Doğal Bilimler Araştırma Projesi (Hibe No. JYTMS20230009), Çin'deki Dalian Teknoloji Araştırma ve Geliştirme Projesi (Hibe No. 2024JB11GX001) ve Dalian Bilim ve Teknoloji Üniversitesi Disiplinlerarası Ekip Geliştirme Projesi'nin (Hibe No. KYXK2025001) sağladığı finansal destekten dolayı minnettarlıklarını bildirirler.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Malzemeler
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| CVXPY | CVXPY Developers | Version 1.4 | Güç tahsis modelinin doğrulanmasını desteklemek için kullanılan konveks optimizasyon paketi. |
| Geliştirilmiş BOA optimizasyon programı | Yazarlar | Uygulanamaz | Dinamik anahtarlama olasılığı ve dinamik varyanslı Gauss mutasyonu kullanarak OFDM-ISAC-P güç tahsis modelini çözmek için kullanılan Geliştirilmiş Kelebek Optimizasyon Algoritması'nın (IBOA) özel uygulaması. |
| ISAC simülasyon kıyaslama veri seti | Yazarlar | Uygulanamaz | Yazarlar tarafından oluşturulan ve önerilen güç tahsis yöntemini farklı sinyal-gürültü oranları, anten konfigürasyonları ve alt taşıyıcı sayıları altında değerlendirmek için kullanılan simülasyon kıyaslama veri seti. |
| MATLAB | The MathWorks, Inc. | R2023b | Sayısal simülasyon ve sonuçların görselleştirilmesi için kullanılan platform. |
| NumPy | NumPy Developers | Version 1.26 | Dizi işlemleri, rastgele başlatma ve istatistiksel analizler için kullanılan sayısal hesaplama kütüphanesi. |
| OFDM-ISAC simülasyon programı | Yazarlar | Uygulanamaz | OFDM-ISAC kanal modelini oluşturmak, iletişim kanalı kapasitesini hesaplamak ve hedef tespit olasılığını değerlendirmek için kullanılan özel simülasyon kodu. |
| PyTorch | PyTorch Foundation | Version 2.1 | Sayısal modelleme ve matris işlemleri için kullanılan tensor hesaplama çerçevesi. |
| Python programlama ortamı | Python Software Foundation | Python 3.10 | Algoritma uygulamaları ve sayısal hesaplamalar için kullanılan programlama dili. |
| Ubuntu işletim sistemi | Canonical Ltd. | Ubuntu 22.04 LTS | OFDM-ISAC güç tahsis simülasyonlarını uygulamak için kullanılan işletim sistemi. |
Kaynaklar
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.