面向可调公平性的 DNN 多用户波束赋形以提高吞吐量
机器学习
2026-02-18 v1 网络与互联网体系结构
摘要
在无线通信中确保用户公平是根本性挑战，因为在公平性与总速率之间进行权衡导致非凸多目标优化，其复杂度随网络规模而增长。为缓解这一冲突，我们提出一种基于无线变换器(WiT)架构的优化驱动无监督学习方法，从信道状态信息(CSI)特征中进行学习。我们通过拉格朗日乘子将总速率与公平性目标组合起来，而该乘子通过双升 descent 算法自动更新。该机制实现了可调的公平性约束，同时最大化总速率，有效地沿着两个冲突目标的帕累托前沿进行追踪。我们的发现表明，所提方法为在给定公平性约束下进行权衡优化提供了灵活方案。
引用
@article{arxiv.2602.15617,
title = {DNN-Enabled Multi-User Beamforming for Throughput Maximization under Adjustable Fairness},
author = {Kaifeng Lu and Markus Rupp and Stefan Schwarz},
journal= {arXiv preprint arXiv:2602.15617},
year = {2026}
}