基于边缘更新赋能图神经网络的协作波束成形学习
网络与互联网体系结构
2022-12-16 v1 机器学习
摘要
协作波束成形设计已被认为是现代无线网络中满足各种无线数据流量急剧增长需求的有效途径。在传统方法中，它被表述为一个优化问题，并以逐实例迭代方式求解。近来，基于学习的方法通过近似从问题实例到对应解的映射函数而涌现，可实现实时部署。在各种神经网络架构中，图神经网络（GNNs）能有效利用无线网络的图拓扑，从而在对未见问题规模上获得更好的泛化能力。然而，当前GNN仅配备节点更新机制，这限制了其对协作波束成形设计等更复杂问题的建模能力，此类问题中波束成形器位于无线网络的图边上。为弥补这一不足，我们提出一种边缘图神经网络（Edge-GNN），将边缘更新机制引入GNN，从而在图边上学习协作波束成形。仿真结果表明，所提Edge-GNN相较最先进方法以更短计算时间实现了更高的和速率，并对不同数量的基站和用户设备均具有良好泛化能力。
引用
@article{arxiv.2212.08020,
title = {Learning Cooperative Beamforming with Edge-Update Empowered Graph Neural Networks},
author = {Yunqi Wang and Yang Li and Qingjiang Shi and Yik-Chung Wu},
journal= {arXiv preprint arXiv:2212.08020},
year = {2022}
}