面向细�ular系统中联合AP聚类与波束赋形的高效无监督深度学习方法
信息论
2024-04-04 v1 信号处理
math.IT
摘要
在本文中，我们考虑在细�ular系统中进行具有不完美信道状态信息（CSI）的鲁棒联合访问点（AP）聚类和波束赋形设计。具体而言，我们在不完美CSI的条件下联合优化AP聚类和波束赋形，以同时最大化最坏情况求和速率并最小化AP聚类的数量，在功率约束和AP聚类稀疏性约束下进行优化。通过变换，将由不完美CSI引起的半无限约束转换为更易处理的形式，以便实现计算效率的无监督深度学习算法。此外，为了进一步降低计算复杂度，提出了一种计算有效的无监督深度学习算法，用于在细�ular系统中实现具有不完美CSI的鲁棒联合AP聚类和波束赋形设计。数值结果表明，所提出的无监督深度学习算法在更少的AP聚类数量下实现更高的 worst-case 求和速率，同时具备计算效率。
引用
@article{arxiv.2404.02531,
title = {Computationally Efficient Unsupervised Deep Learning for Robust Joint AP Clustering and Beamforming Design in Cell-Free Systems},
author = {Guanghui Chen and Zheng Wang and Hongxin Lin and Yongming Huang and Luxi Yang},
journal= {arXiv preprint arXiv:2404.02531},
year = {2024}
}
备注
13 pages, 11 figures. The paper has been submitted to IEEE Transactions on Wireless Communications