多基地ISAC深度学习杂波抑制框架

2026年10月30日，arXiv cs.AI/cs.LG 报道了一项面向5G及未来网络的多基地ISAC研究，提出基于深度学习的杂波抑制框架。研究以随机分布散射体建模分布式杂波，评估多种传统信号处理基线后发现，这些基线在强杂波下鲁棒性有限。所提出的残差与注意力增强深度神经网络直接从受杂波污染的观测中增强目标响应，在多种杂波条件下显著优于传统方法，目标是提升机会信号下的目标位置与速度估计精度。目前报道所述进展为框架提出与性能验证，未提及其他实验或部署信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。