Model-Free Online Learning for Waveform Optimization In Integrated Sensing And Communications

Petteri Pulkkinen*, Visa Koivunen*

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

36 Lataukset (Pure)

Abstrakti

This paper considers waveform optimization problems for managing and mitigating interference in integrated sensing and communications (ISAC) systems. In particular, we consider dynamic shared spectrum scenarios where channel and interference statistics are nonstationary. The focus is on allocating frequency and power resources in multicarrier ISAC systems. A data-efficient Model-Free Online Learning (MFOL) algorithm is proposed as an alternative to the previously proposed Model-Based Online Learning (MBOL) approach. Empirical results show that the MFOL method learns slower than the MBOL method but can perform better when a large number of training samples are available.

AlkuperäiskieliEnglanti
OtsikkoICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing, Proceedings
KustantajaIEEE
Sivumäärä5
ISBN (elektroninen)978-1-7281-6327-7
DOI - pysyväislinkit
TilaJulkaistu - 2023
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaIEEE International Conference on Acoustics, Speech, and Signal Processing - Rhodes Island, Kreikka
Kesto: 4 kesäk. 202310 kesäk. 2023

Julkaisusarja

NimiICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings
Vuosikerta2023-June
ISSN (painettu)1520-6149

Conference

ConferenceIEEE International Conference on Acoustics, Speech, and Signal Processing
LyhennettäICASSP
Maa/AlueKreikka
KaupunkiRhodes Island
Ajanjakso04/06/202310/06/2023

Sormenjälki

Sukella tutkimusaiheisiin 'Model-Free Online Learning for Waveform Optimization In Integrated Sensing And Communications'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä