通过图神经网络实现多RIS辅助多用户毫米波MIMO系统的协作波束成形与RIS关联
信号处理
2023-02-09 v1
摘要
可重构智能表面(RIS)因诸多优点（如定制通信环境）被视为下一代无线通信网络的有前景解决方案。因此，部署多个RIS有助于克服基站(BS)与用户间的严重信号阻挡，这也是实现更好服务覆盖的实际有效方案。然而，充分获取多RIS辅助通信系统的全部收益需要求解一个非凸、无限维优化问题，这促使使用基于学习的方法配置最优策略。本文采用一种新颖的异构图神经网络(GNN)以有效利用无线通信优化问题中的图拓扑。首先，我们用异构图结构刻画系统中的全部通信链路特征与干扰关系。然后，我们通过联合优化BS处的主动波束成形、RIS元素的被动波束成形向量以及RIS关联策略，致力于最大化所有用户的加权和速率(WSR)。与大多数现有工作不同，我们考虑更一般的场景：每个用户的级联链路不固定，而是通过最大化WSR动态选择。仿真结果显示，我们提出的异构GNN性能优于其他基准约10倍，且合适的RIS关联策略被验证可通过30%提升用户服务质量而有效。
引用
@article{arxiv.2302.04183,
title = {Cooperative Beamforming and RISs Association for Multi-RISs Aided Multi-Users MmWave MIMO Systems through Graph Neural Networks},
author = {Mengbing Liu and Chongwen Huang and Marco Di Renzo and Merouane Debbah and Chau Yuen},
journal= {arXiv preprint arXiv:2302.04183},
year = {2023}
}
备注
Accepted by IEEE ICC 2023