基于图神经网络的宽带太赫兹 MIMO-OFDM 系统混合波束赋形设计
信号处理
2025-01-28 v1 机器学习
网络与互联网体系结构
摘要
6G 无线技术预计采用更高更宽的频段，由高度定向波束赋形所使能。然而，可用宽带也使得在大规模 MIMO 系统中波束快速的影响不可忽视。传统方法例如在每个天线上添加真实时延线(TTD)因大规模天线阵列而昂贵。本文提出一种信号处理替代方案，特别适用于 OFDM 系统的多载波结构，通过创新性地将图神经网络(GNNs)应用于混合波束赋形优化。通过将两种类型的图节点集成有效地表示模拟和数字波束赋形矩阵，我们的方法不仅减少了计算和内存负担，也实现了接近全数字波束赋形的高频谱效率。GNN 运行时间和内存需求远低于传统信号处理方法的处理时间和资源消耗，从而实现混合波束赋形的实时适应。此外，所提出的 GNN 对波束快速具有强大的韧性，在更高的载波频率下随系统带宽的增加几乎保持恒定的频谱效率。
引用
@article{arxiv.2501.16306,
title = {Graph Neural Network Based Hybrid Beamforming Design in Wideband Terahertz MIMO-OFDM Systems},
author = {Beier Li and Mai Vu},
journal= {arXiv preprint arXiv:2501.16306},
year = {2025}
}
备注
6 pages, 7 figures. This conference paper was published in the 2024 IEEE International Symposium on Phased Array Systems and Technology