面向 JCAS 系统的最大-最小公平性波束赋形设计的模型驱动机器学习
信号处理
2024-11-27 v2
摘要
联合通信与探测（JCAS）预计将是未来无线系统的关键技术。本文研究了针对多用户多目标 JCAS 系统的波束赋形设计，以确保通信与探测性能之间的公平性与平衡。我们联合优化发射波束和接收波束，以最大化最小通信速率与探测互信息的加权和。该问题因其非光滑和非凸特性而极具挑战性。为克服这些挑战，我们将问题重新表述为等价且更可处理的形式。首先通过交替优化（AO）求解该问题，然后提出一种基于 AO 方法的机器学习算法。数值结果表明，我们的算法能够有效扩展至通信用户数量，并比传统优化方法在运行时间上提供更佳性能。
引用
@article{arxiv.2409.17644,
title = {Model-Based Machine Learning for Max-Min Fairness Beamforming Design in JCAS Systems},
author = {Mengyuan Ma and Tianyu Fang and Nir Shlezinger and A. L. Swindlehurst and Markku Juntti and Nhan Nguyen},
journal= {arXiv preprint arXiv:2409.17644},
year = {2024}
}
备注
5 pages, 5 figures