arXiv论文统一评测ISAC波束成形DoA估计器

arXiv 上发布的一篇论文（cs.LG）构建统一评估框架，在 ISAC（集成传感与通信）波束成形流水线中，将经典与深度学习 DoA（波达方向）估计器及一种集成架构，与基于 SVD 的波束成形在相同条件下联合评测。 结果显示，学习类方法在估计时间上大幅短于 MUSIC，但整体处理时延反而越来越由 SVD 波束成形的计算开销主导；其中回归卷积神经网络（RCNN）在估计精度、计算效率与波束成形性能之间取得了较好平衡。该结论来自作者 Anjali K. S.、Manoj Kumar Panda 与 Chandramani Singh 提交的论文。 论文的定位是提供统一对比评估，未主张某一方法已在真实系统中验证。

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。