感知移动网络中用于机动目标跟踪的模型驱动感知节点选择与功率分配
信息论
2024-03-29 v2 信号处理
math.IT
摘要
机动目标跟踪将是未来无线网络的一项重要业务，以辅助智能交通等创新应用。然而，利用蜂窝网络跟踪机动目标面临诸多挑战。例如，密集网络与高速目标使得感知节点（SNs）的选择及相关的功率分配非常困难。现有方法展现出引人关注性能，但计算复杂度高。本文中，我们提出一种基于模型驱动深度学习（DL）的 SN 选择方法。为此，我们首先通过联合利用优超最小化（MM）框架与交替方向乘子法（ADMM）提出一种迭代 SN 选择方法。随后，我们将该迭代算法展开为深度神经网络并证明其收敛性。所提方法实现了更低的计算复杂度，因为层数少于原算法所需迭代次数，且每层仅涉及简单的矩阵-向量加减/乘。最后，我们提出一种基于不动点（FP）注水的高效功率分配方法，并在交替优化框架下求解联合 SN 选择与功率分配问题。仿真结果表明，所提方法以低得多的计算复杂度实现了优于传统基于优化方法的性能。
引用
@article{arxiv.2307.04977,
title = {Model-Driven Sensing-Node Selection and Power Allocation for Tracking Maneuvering Targets in Perceptive Mobile Networks},
author = {Lei Xie and Hengtao He and Shenghui Song and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2307.04977},
year = {2024}
}