太赫兹通信系统中基于无监督学习的频谱分配方法
机器学习
2024-10-28 v1
摘要
我们提出一种由无监督学习辅助的、面向多用户太赫兹通信系统的新频谱分配策略。该策略中考虑了自适应子带带宽，使得感兴趣频谱可被划分为带宽不等的子带。此策略降低了用户间分子吸收损耗的差异，从而改善了数据速率性能。我们首先建立一个优化问题以确定最优子带带宽与发射功率，随后提出基于无监督学习的方法来获取该问题的近最优解。在所提方法中，我们首先训练一个深度神经网络（DNN），利用受所建立问题拉格朗日量启发的损失函数；然后借助训练好的 DNN 逼近近最优解。数值结果表明，与现有方法相比，我们所提的基于无监督学习的方法实现了更高的数据速率，尤其在感兴趣频谱内分子吸收系数呈高度非线性变化时。
引用
@article{arxiv.2208.03618,
title = {An Unsupervised Learning Approach for Spectrum Allocation in Terahertz Communication Systems},
author = {Akram Shafie and Chunhui Li and Nan Yang and Xiangyun Zhou and Trung Q. Duong},
journal= {arXiv preprint arXiv:2208.03618},
year = {2024}
}
备注
This paper has been accepted for publication in IEEE Global Communications Conferences (GLOBECOM) 2022