Cell-Free 大规模 MIMO ISAC 系统中的波束赋形学习
信息论
2024-09-30 v1 信号处理
math.IT
摘要
波束赋形设计是集成感知与通信（ISAC）MIMO 系统高效运行的关键。与共址 MIMO 系统相比，Cell-Free 大规模 MIMO ISAC 系统的波束赋形更具挑战性，因其涉及分布式大量接收端口（AP）的额外复杂性。为此本文首先表明图神经网络（GNN）是合适的机器学习框架。随后，我们受 Cell-Free ISAC MIMO 系统特定特征启发，开发了一种新型异构 GNN 模型。该模型实现了 Cell-Free ISAC 系统的低复杂度扩展，且无需在新增或删除 AP 时进行完全重新训练。我们的结果表明，所提架构可实现接近最优性能，并适用于各种网络结构。
引用
@article{arxiv.2409.18237,
title = {Learning Beamforming in Cell-Free Massive MIMO ISAC Systems},
author = {Umut Demirhan and Ahmed Alkhateeb},
journal= {arXiv preprint arXiv:2409.18237},
year = {2024}
}
备注
Accepted in IEEE SPAWC 2024. Code files will be available on the Wireless Intelligence Lab website: https://www.wi-lab.net/research/