面向战术 MIMO 的机器学习辅助功率分配
信息论
2021-11-01 v3 信号处理
math.IT
摘要
我们研究单跳多天线自组织无线网络中最优功率分配问题。解决该问题的一种标准技术是在功率约束下使用基于块坐标下降的迭代算法优化三凸函数。该方法称为 WMMSE，往往计算复杂且耗时。已有若干基于学习的方法被提出以加速功率分配过程。最近的工作 UWMMSE 在展开结构中学习 WMMSE 参数的仿射变换以加速收敛。尽管取得了有前景的结果，其应用仅限于单天线无线网络。在这项工作中，我们提出一种用于(多输入多输出)MIMO 干扰网络中功率分配的 UWMMSE 框架。该方法的一大优势在于其使用低复杂度可学习系统，其中参数数量仅随嵌入神经架构的隐藏层大小以及发射与接收天线数之积线性缩放，完全独立于网络中收发机的数量。我们通过对我们的方法与 WMMSE 比较的实证研究说明了本方法的优越性，并分析了其对信道条件和网络规模变化的鲁棒性。
引用
@article{arxiv.2109.06992,
title = {ML-aided power allocation for Tactical MIMO},
author = {Arindam Chowdhury and Gunjan Verma and Chirag Rao and Ananthram Swami and Santiago Segarra},
journal= {arXiv preprint arXiv:2109.06992},
year = {2021}
}
备注
Accepted at MILCOM 2021