面向无人机网络数据驱动毫米波通信的分布式条件生成对抗网络（GAN）
信息论
2021-08-03 v2 机器学习
math.IT
摘要
本文提出一种新框架，用于无人机（UAV）无线网络中毫米波（mmWave）通信的数据驱动空对地（A2G）信道估计。首先，开发一种有效的信道估计方法以收集毫米波信道信息，使每架无人机可沿各波束赋形方向通过条件生成对抗网络（CGAN）训练独立信道模型。接下来，为将训练信道模型的应用场景扩展至更广的时空域，开发了一种基于分布式 CGAN 架构的协作框架，使每架无人机以全分布式方式协作学习毫米波信道分布。为保障高效学习过程，推导了最大化协作信道建模学习率的 UAV 网络拓扑最优化的充要条件，并基于分布式网络结构刻画了每架无人机的最优 CGAN 学习解。仿真结果表明，所提分布式 CGAN 方法对每架无人机的本地训练误差具有鲁棒性。同时，更大的空中网络规模需要每架无人机更多的通信资源以保障高效学习率。结果还显示，相较于无信息共享的独立 CGAN 及另外两种分布式方案（即多判别器 CGAN 与联邦 CGAN 方法），所提分布式 CGAN 方法在学习环境时取得更高建模精度，并在无人机下行毫米波通信的在线性能中实现更大平均数据速率。
引用
@article{arxiv.2102.01751,
title = {Distributed Conditional Generative Adversarial Networks (GANs) for Data-Driven Millimeter Wave Communications in UAV Networks},
author = {Qianqian Zhang and Aidin Ferdowsi and Walid Saad and Mehdi Bennis},
journal= {arXiv preprint arXiv:2102.01751},
year = {2021}
}