GPASS：用于捏合天线系统波束成形的深度学习
信号处理
2025-02-04 v1
摘要
本文提出了一种新颖的GPASS架构，用于在捏合天线系统（PASS）中联合学习捏合波束成形和发射波束成形。GPASS采用分阶段架构，首先由一个子图神经网络学习捏合天线的位置。然后，基于天线位置，由另一个子图神经网络学习发射波束成形。这些子图神经网络融入了波束成形策略的置换性质，有助于提高学习性能。此外，还利用了发射波束成形的最优解结构来简化需要学习的映射。数值结果表明，所提出的架构能够以较低的推理复杂度实现比启发式基线方法更高的频谱效率。
引用
@article{arxiv.2502.01438,
title = {GPASS: Deep Learning for Beamforming in Pinching-Antenna Systems (PASS)},
author = {Jia Guo and Yuanwei Liu and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:2502.01438},
year = {2025}
}
备注
5 pages, 3 Figs