GBLinks：面向超密集 D2D 毫米波网络的基于 GNN 的波束选择与链路激活
信息论
2021-12-30 v3 信号处理
math.IT
摘要
在本文中，我们考虑在一组通信对间进行联合波束选择与链路激活的问题，以通过在超密集设备到设备（D2D）毫米波通信网络中停用部分通信对来有效控制通信对间的干扰。由此形成的优化问题被表述为一个非凸且 NP 难的整数规划问题。因此，通常无法获得全局最优解，甚至局部最优解。为克服该挑战，本文着手设计一种基于图神经网络的深度学习架构来完成联合波束选择与链路激活，并将网络拓扑信息纳入考虑。同时，我们提出一种无监督拉格朗日对偶学习框架来训练 GBLinks 模型的参数。数值结果表明，就加权和速率而言，所提 GBLinks 模型可随迭代次数增加收敛至稳定点。此外，通过与小规模超密集 D2D 毫米波通信网络中的穷举搜索方案比较，GBLinks 模型可达到近最优解，并且优于 GreedyNoSched 和基于 SCA 的方法。还表明 GBLinks 模型可泛化至不同密度和覆盖区域的超密集 D2D 毫米波通信网络。
引用
@article{arxiv.2107.02412,
title = {GBLinks: GNN-Based Beam Selection and Link Activation for Ultra-dense D2D mmWave Networks},
author = {S. He and S. Xiong and W. Zhang and Y. Yang and J. Ren and Y. Huang},
journal= {arXiv preprint arXiv:2107.02412},
year = {2021}
}
备注
31 pages, 9 figures, submitted to IEEE Trans. on Commun., July 2021, major revised in Dec. 2021