Unsupervised Learning for Gain-Phase Impairment Calibration in ISAC Systems
Preprint, 2024
Gain-phase impairments (GPIs) affect both communication and sensing in 6G integrated sensing and communication (ISAC). We study the effect of GPIs in a single-input, multiple-output orthogonal frequency-division multiplexing ISAC system and develop a model-based unsupervised learning approach to simultaneously (i) estimate the gain-phase errors and (ii) localize sensing targets. The proposed method is based on the optimal maximum a-posteriori ratio test for a single target. Results show that the proposed approach can effectively estimate the gain-phase errors and yield similar position estimation performance as the case when the impairments are fully known.
Unsupervised learning.
Orthogonal frequency-division multiplexing
Gain-phase errors
Model-based learning
Författare
José Miguel Mateos Ramos
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Christian Häger
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Musa Furkan Keskin
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Luc Le Magoarou
INSA Rennes
Henk Wymeersch
Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk
Hårdvarumedveten integrerad lokalisering och avkänning för kommunikationssystem
Vetenskapsrådet (VR) (2022-03007), 2023-01-01 -- 2026-12-31.
A holistic flagship towards the 6G network platform and system, to inspire digital transformation, for the world to act together in meeting needs in society and ecosystems with novel 6G services
Europeiska kommissionen (EU) (101095759-Hexa-X-II), 2022-12-01 -- 2025-06-30.
SAICOM
Stiftelsen för Strategisk forskning (SSF) (FUS21-0004), 2022-06-01 -- 2027-05-31.
Fysikbaserad djupinlärning för optisk dataöverföring och distribuerad avkänning
Vetenskapsrådet (VR) (2020-04718), 2021-01-01 -- 2024-12-31.
Styrkeområden
Informations- och kommunikationsteknik
Ämneskategorier (SSIF 2011)
Elektroteknik och elektronik