基于 GNN 的细胞免疫 MIMO 预发射设计与微调：面向真实信道状态信息
信号处理
2025-08-05 v1
摘要
细胞免疫 MIMO（CF-mMIMO）已成为未来无线网络中提供均匀高质量覆盖的有前景的范式。为解决此类分布式系统中预发射的内在挑战，近期研究探索了使用图神经网络（GNN）的方法，凭借其强大的表示能力。然而，这些方法主要在合成数据集上进行训练和验证，尚未充分验证其对真实传播环境的泛化性。本文首先使用包含标准传播模型和小尺度瑞利衰落的仿真信道状态信息（CSI）数据预训练 GNN。随后，我们在配备分布式接入点（AP）的物理测试平台上收集的真实 CSI 测量数据上进行微调。为平衡预训练特征的保留与对真实环境的适应，我们采用层冻结策略进行微调，即冻结若干 GNN 层，仅保留后续层可训练。数值结果表明，微调后的 GNN 显著优于预训练模型，在 20 dB 信噪比（SNR）下实现约 8.2 比特/信道使用量的提升，相当于 15.7% 的改进。这些发现凸显了迁移学习的关键作用，概括了 GNN 预发射技术从合成到真实无线环境中有效泛化的潜力。
引用
@article{arxiv.2505.08788,
title = {GNN-based Precoder Design and Fine-tuning for Cell-free Massive MIMO with Real-world CSI},
author = {Tianzheng Miao and Thomas Feys and Gilles Callebaut and Jarne Van Mulders and Emanuele Peschiera and Md Arifur Rahman and François Rottenberg},
journal= {arXiv preprint arXiv:2505.08788},
year = {2025}
}
备注
6 pages, 7 figures, conference