基于图神经网络的mmWave细胞免疫 massive MIMO 下行用户分配分布式组合优化
信号处理
2024-06-11 v1
摘要
毫米波（mmWave）细胞免疫 massive MIMO（CF mMIMO）是未来无线通信的有前景解决方案。然而，其优化并不容易，由于挑战性的信道特征。我们指出，mmWave CF mMIMO优化主要是访问点（AP）与用户之间的分配问题，因为mmWave信道的路径损耗大、功放有限输出功率以及在大量AP天线给定的情况下用户之间几乎正交。分配问题的组合特性、规模性要求以及CF mMIMO的分布式实现使得该问题具有挑战性。在本工作中，我们提出了一种基于无监督机器学习（ML）的解决方案。具体而言，引入了针对规模性和分布式实现的图神经网络（GNN）。此外，定制的GNN架构是层次化置换等价（HPE），即如果AP或用户的AP被置换，其输出分配会以相同方式自动置换。为了解决组合问题，我们将其松弛为连续问题，引入基于信息熵的惩罚项。随后，使用增广拉格朗日方法（ALM）制定训练目标。测试结果表明，实现的总速率超过了广义序列独占算法（GSD）的性能，在小网络场景中几乎接近上限，而在大网络场景中则不可能获得上限。
引用
@article{arxiv.2406.05652,
title = {Distributed Combinatorial Optimization of Downlink User Assignment in mmWave Cell-free Massive MIMO Using Graph Neural Networks},
author = {Bile Peng and Bihan Guo and Karl-Ludwig Besser and Luca Kunz and Ramprasad Raghunath and Anke Schmeink and Eduard A Jorswieck and Giuseppe Caire and H. Vincent Poor},
journal= {arXiv preprint arXiv:2406.05652},
year = {2024}
}