双动态 ISAC 预编码在车载网络中的应用：基于约束深度强化学习（CDRL）方法
原文中文，约400字，阅读约需1分钟。发表于：。综合感知与通信（ISAC）技术对于实现车载网络至关重要，然而该场景中的通信信道呈现时变特性，潜在目标也可能迅速移动，形成双倍动态现象，这是实时预编码器设计面临的挑战。针对这一挑战，我们提出了使用约束深度强化学习（CDRL）来促进 ISAC 预编码器设计的动态更新，此外，我们还采用了原始对偶深度确定性策略梯度（PD-DDPG）和 Wolpertinger...
车载网络中的通信信道具有时变特性和双倍动态现象，对实时预编码器设计提出挑战。研究者提出使用约束深度强化学习（CDRL）来促进ISAC预编码器设计的动态更新，并采用PD-DDPG和Wolpertinger结构来训练算法以适应复杂约束和可变用户数量。实验证实了该方案的优越性。
