无线通信系统中基于图神经网络的用户配对
网络与互联网体系结构
2023-06-02 v1 人工智能
信号处理
摘要
最近，深度神经网络已成为实时解决 NP 难无线资源分配问题的方案。然而，继承自图像处理任务的多层感知机（MLP）和卷积神经网络（CNN）结构并未针对无线网络问题进行优化。随着网络规模增加，这些方法变得更难训练和泛化。用户配对是无线通信系统中一个此类基本的 NP 难优化问题，涉及选择一起调度的用户，同时最小化干扰并最大化吞吐量。在本文中，我们提出了一种无监督图神经网络（GNN）方法来高效解决用户配对问题。我们提出的方法利用 Erdos goes neural pipeline，显著优于其他调度方法，如 k-means 和半正交用户调度（SUS）。在 20 dB SNR 下，我们提出的方法实现了比 k-means 高 49% 的和速率，以及比 SUS 高达 95% 的和速率，同时消耗最少的时间和资源。此外，还探讨了所提方法的可扩展性，因为我们的模型能够处理网络规模的动态变化，而不会出现性能的大幅下降。而且，我们的模型无需针对更大或更小的网络进行显式训练即可实现这一点，从而促进了使用 CNN 或 MLP 无法实现的动态功能。
引用
@article{arxiv.2306.00717,
title = {Graph Neural Networks-Based User Pairing in Wireless Communication Systems},
author = {Sharan Mourya and Pavan Reddy and SaiDhiraj Amuru and Kiran Kumar Kuchi},
journal= {arXiv preprint arXiv:2306.00717},
year = {2023}
}