基于黎曼流形的快速图核无线链路调度分类方法
信号处理
2021-06-28 v1
摘要
本文针对设备到设备(D2D)网络在黎曼流形上的无线链路调度问题，提出了一种新颖的图核方法。由于每个D2D对只能处于激活或非激活状态，链路调度问题可视为一个二分类问题。我们的目标是对该二分类任务学习一种新颖的度量，从而设计一个高效且计算需求更低的机器学习(ML)解决方案，该方案无需信道状态信息(CSI)且所需训练样本数少于其他基准ML算法。为此，我们首先将无线D2D网络表示为图，并将每个D2D对的特征（包括其通信链路和干扰链路）建模为正则化（即正偏移）拉普拉斯矩阵，其为对称正定(SPD)矩阵。由此，我们将每个D2D对的特征信息表示为SPD流形上的一个点，并通过黎曼几何分析其拓扑结构。我们计算黎曼度量，例如对数欧氏度量(LEM)，其是适用于正则化拉普拉斯矩阵之间的距离度量。随后利用LEM定义用于链路调度决策二分类的正定图核。仿真结果表明，所提出的基于图核的方法计算需求更低，且在不使用CSI和少于一百个训练网络布局的情况下，对10个D2D对实现了基准算法FPLinQ[1] 95%以上的和速率。
引用
@article{arxiv.2106.13707,
title = {A Fast Graph Kernel Based Classification Method for Wireless Link Scheduling on Riemannian Manifold},
author = {Rashed Shelim and Ahmed S. Ibrahim},
journal= {arXiv preprint arXiv:2106.13707},
year = {2021}
}