车载网络中太赫兹通信与感知联合优化的动态图神经网络方法
网络与互联网体系结构
2024-03-19 v1 信号处理
摘要
本文研究了在车载网络中，基于太赫兹 (THz) 的联合感知与通信中的车辆服务模式选择（感知、通信或两者兼有）以及车辆连接问题。所考虑的网络由若干服务提供车辆 (SPVs) 组成，这些车辆可以提供：1) 仅感知服务，2) 仅通信服务，以及 3) 两种服务，此外还包括感知服务请求车辆和通信服务请求车辆。基于车辆网络拓扑及其服务可达性，SPVs 策略性地选择服务请求车辆以提供感知、通信或两种服务。该问题被表述为一个优化问题，旨在通过联合确定每个 SPV 的服务模式及其关联车辆来最大化成功服务的车辆数量。为了解决这个问题，我们提出了一种动态图神经网络 (GNN) 模型，该模型根据车辆网络拓扑选择合适的图信息聚合函数，从而比针对不同车辆网络拓扑使用固定聚合函数的传统静态 GNNs 提取了更多的车辆网络信息。利用提取的车辆网络信息，将确定每个 SPV 的服务模式及其所服务的服务请求车辆。仿真结果表明，与使用固定神经网络模型的基于 GNN 的算法和不使用 GNN 的传统优化算法相比，所提出的基于动态 GNN 的方法可将成功服务的车辆数量分别提高 17% 和 28%。
引用
@article{arxiv.2403.11102,
title = {Jointly Optimizing Terahertz based Sensing and Communications in Vehicular Networks: A Dynamic Graph Neural Network Approach},
author = {Xuefei Li and Mingzhe Chen and Ye Hu and Zhilong Zhang and Danpu Liu and Shiwen Mao},
journal= {arXiv preprint arXiv:2403.11102},
year = {2024}
}