对抗性注水：理论、算法与基础模型
信息论
2026-05-27 v1 机器学习
math.IT
最优化与控制
摘要
频率和空间上的竞争性资源分配问题可以表述为发射功率与最坏情况干扰之间的极小极大交互。这种公式自然出现在多运营商低地球轨道（LEO）卫星频谱共享中，其中来自竞争星座的传输实时干扰。在高斯信道下，AWF在非退化活动信道上具有强凸-凹性，而离散星座则产生一般非凸的水银/注水公式。在本文中，我们针对这些实际情况提出了对抗性注水（AWF）问题及其相应的理论和算法。此外，我们开发了一个用于AWF的无线基础模型，以学习AWF搜索动力学。该架构结合了置换不变的信道表示、一个具有稀疏消息传递的约束感知图神经网络（GNN），以及捕获由AWF最优性隐含的低维水位的全局潜变量。通过学习投影外梯度迭代，该模型逼近了在水银/注水下出现的约束极小极大问题的平稳解。我们进一步证明，在局部正则性和收缩性条件下，学习的AWF动力学在正则平稳点附近局部线性收敛。实验表明，在未见过的不同问题规模、不同约束和多个离散星座上具有经验泛化能力，同时相比迭代基线实现了超过一个数量级的运行时间改进。相关代码可在 https://github.com/convexsoft/AWF 找到。
引用
@article{arxiv.2605.26163,
title = {Adversarial Water-Filling: Theory, Algorithms and Foundation Model},
author = {Xindi Tong and Chee Wei Tan and H. Vincent Poor},
journal= {arXiv preprint arXiv:2605.26163},
year = {2026}
}
备注
Submitted to IEEE Journal of Selected Topics in Signal Processing