HPE Transformer: 学习优化非凸QoS约束下的多组多播波束赋形
信息论
2024-02-27 v1 信号处理
math.IT
摘要
本文研究了服务质量(QoS)约束下的多组多播波束赋形设计问题,其中每个多播组由多个需要相同内容的用户组成。由于非凸的QoS约束,该问题是非凸且NP难的。虽然现有的基于优化的迭代算法可以获得次优解,但其迭代特性导致计算复杂度和延迟较大。为了实现实时实现,本文提出了一种基于深度学习的方法,包括一个波束赋形结构辅助的问题转化和一个名为层次置换等变(HPE)Transformer的定制神经网络架构。所提出的HPE Transformer被证明对于每个多播组内的用户是置换等变的,并且对于不同的多播组也是置换等变的。仿真结果表明,在总发射功率、约束违反和计算时间方面,所提出的HPE Transformer在多组多播波束赋形设计中优于最先进的基于优化和基于深度学习的方法。此外,所提出的HPE Transformer在不同用户数量、不同多播组数量和不同信干噪比目标上具有良好的泛化性能。
引用
@article{arxiv.2402.16081,
title = {HPE Transformer: Learning to Optimize Multi-Group Multicast Beamforming Under Nonconvex QoS Constraints},
author = {Yang Li and Ya-Feng Liu},
journal= {arXiv preprint arXiv:2402.16081},
year = {2024}
}