基于图神经网络的无蜂窝大规模MIMO高能效功率分配
信号处理
2024-02-12 v3
摘要
无蜂窝大规模MIMO（CF-mMIMO）系统是增强6G无线网络性能的一种有前景的解决方案。其架构的分布式特性使其高度可靠，能提供足够的覆盖范围，并允许比蜂窝网络更高的性能。能效（EE）是降低运营成本且对环境更友好的重要指标。在这项工作中，我们通过最大比传输（MRT）预编码和功率分配来优化下行链路能效性能。我们的目标是实现一种复杂度较低、分布式且可扩展的解决方案。为此，我们应用了具有置换等变架构的无监督机器学习（ML），并使用具有多个局部最优值的非凸目标函数。我们将性能与集中式且计算成本高昂的逐次凸逼近（SCA）方法进行了比较。结果表明，所提出的方法能以显著减少的计算时间超越基线性能。
引用
@article{arxiv.2401.14281,
title = {Energy-Efficient Power Allocation in Cell-Free Massive MIMO via Graph Neural Networks},
author = {Ramprasad Raghunath and Bile Peng and Eduard A. Jorswieck},
journal= {arXiv preprint arXiv:2401.14281},
year = {2024}
}