利用图神经网络展开 WMMSE 以实现高效功率分配
信号处理
2021-04-12 v4
摘要
我们研究单跳自组织无线网络中最优功率分配问题。在求解该问题时，我们脱离经典的纯基于模型的方法，提出一种保留关键建模要素并结合数据驱动组件的混合方法。更确切地说，我们提出了一种受加权最小均方误差 (WMMSE) 迭代方法算法展开启发的神经网络架构，称之为展开 WMMSE (UWMMSE)。UWMMSE 中的可学习权重使用图神经网络 (GNNs) 参数化，其中时变底层图由无线网络的衰落干扰系数给出。这些 GNNs 通过基于多个功率分配问题实例的梯度下降方法训练。我们证明所提架构具有置换等变性，从而有助于跨网络拓扑的泛化能力。综合数值实验展示了 UWMMSE 取得的性能，以及其对超参数选择的鲁棒性与对未见场景（如不同网络密度与网络规模）的泛化能力。
引用
@article{arxiv.2009.10812,
title = {Unfolding WMMSE using Graph Neural Networks for Efficient Power Allocation},
author = {Arindam Chowdhury and Gunjan Verma and Chirag Rao and Ananthram Swami and Santiago Segarra},
journal= {arXiv preprint arXiv:2009.10812},
year = {2021}
}
备注
Accepted at IEEE Transactions on Wireless Communications