面向 CFmMIMO 中功率控制的感知导频污染的图注意力网络
机器学习
2025-11-25 v4
摘要
基于优化的功率控制算法大多是迭代的且计算复杂度高，使其无法应用于无小区大规模多输入多输出 (CFmMIMO) 系统的实时场景。基于学习的方法已成为一种有前景的替代方案，其中图神经网络 (GNN) 在解决功率控制问题上展现出了优异的性能。然而，所有现有的基于 GNN 的方法都假设用户设备 (UE) 的导频序列具有理想正交性，这在 CFmMIMO 方案中 UE 数量超过可用正交导频序列的情况下是不切实际的。此外，大多数基于学习的方法假设 UE 数量固定，而实际中活跃 UE 的数量会随时间变化。另外，监督训练需要耗费大量计算资源来为大量训练样本计算目标功率控制解。为了解决这些问题，我们提出了一种用于 CFmMIMO 系统下行链路功率控制的图注意力网络，该网络以自监督方式运行，同时能够有效处理导频污染并适应动态变化的 UE 数量。实验结果表明，即使以最优的加速投影梯度法作为基线，该方法依然表现出有效性。
关键词
引用
@article{arxiv.2506.00967,
title = {Pilot Contamination-Aware Graph Attention Network for Power Control in CFmMIMO},
author = {Tingting Zhang and Sergiy A. Vorobyov and David J. Love and Taejoon Kim and Kai Dong},
journal= {arXiv preprint arXiv:2506.00967},
year = {2025}
}