MMJan, 2022

基于图的算法展开：用于无线网络中的能量感知功率分配

PDF
TL;DR我们开发了一种新颖的基于图的可训练框架，用于最大化无线通信网络中的功率分配的加权和能效（WSEE）；为解决问题的非凸性，我们提出了模块化结构并提供了基于图卷积神经网络（GCNs）的可学习组件，通过梯度下降法进行模型训练，它已经证明可以推广到不同网络拓扑结构，并且具有优越的性能和鲁棒性。
graph-based trainable frameworkweighted sum energy efficiencypower allocationwireless communication networksgraph convolutional neural networks
发现论文，激发创造
  • 利用图神经网络和深度算法展开实现高效的功率分配

    研究单跳自组织无线网络中最优功率分配问题，使用基于图神经网络的混合神经体系结构，提出了一种展开 WMMSE 算法（UWMMSE），它的可学习权重通过多个功率分配问题的基于梯度的下降方法来训练，达到可比较 WMMSE 的性能并显著降低计算复杂度，数值实验说明了该现象。

    Nov, 2020

  • 使用图神经网络展开 WMMSE 以实现有效功率分配

    本文提出了一种混合方法，通过模型与数据驱动组件结合的方式解决了单跳自组织无线网络中的最优功率分配问题，并在此基础上提出了一种新型的神经网络架构 — 折叠 WMMSE（UWMMSE），其中可学习的权重是通过 GNNs 参数化的，最后，我们证明了这个网络架构是置换等变的，从而可以负责不同的网络拓扑和拥塞情况。

    Sep, 2020

  • 多用户干扰网络波束成形的深度图解

    利用图神经网络优化多用户多输入多输出无线自组织干扰网络中的波束成形，性能表现优于传统的 WMMSE 方法和基于学习的最新方法。

    Apr, 2023

  • 利用深度展开优化无线网络：两种深度展开机制的比较研究

    在这项研究中，我们对两种深度展开机制进行了比较研究，以便在下一代无线网络中有效地进行功率控制。通过分数规划转换，我们设计了两个解决方案来解决非凸能效问题。第一个解决方案是数值解，而第二个解决方案是封闭形式的解决方案。基于第一个解决方案，我们设计了一个半展开深度学习模型，将无线通信领域的领域知识与数据驱动的深度学习的最新进展结合在一起。此外，我们基于封闭形式解决方案的亮点设计了一个完全展开的深度学习模型，充分利用了具有表达性的封闭形式功率控制解决方案和深度学习的进展。在模拟结果中，我们比较了所提出的深度学习模型和迭代解决方案在准确性和推理速度方面的性能，以展示它们在实时应用于下一代网络的适用性。

    Feb, 2024

  • 多波束卫星系统中动态能效功率分配

    本文研究了一种新的能量感知的功率分配问题，旨在通过多目标优化共同最小化未满足的系统容量（USC）和总辐射功率。为了实现合理的复杂度，我们设计了连续凸逼近（SCA）算法，使原问题转化为等效的非凸可微问题。此算法适合于新兴的机载处理技术中的动态资源分配。同时，我们还正式证明了有关 SCA 算法复杂度的新结果，补充了现有文献中对该算法复杂度的只数值分析的情况。

    Dec, 2019

  • 深度展开式多细胞 MU-MIMO 相关和速率最大化

    在多小区 MIMO 网络中，使用加权最小均方误差算法进行协作加权和速率最大化是一项重要而困难的问题。 在本文中，我们介绍了一种称为 GCN-WMMSE 的结构，它利用了图信号处理的思想，在多小区 MU-MIMO 干扰信道中进行收发机设计。与传统的迭代算法相比，它具有低数量的可训练参数和高效率，大大减少了在分布式部署中的开销，并实现了与 WMMSE 算法相似的性能。

    Feb, 2022

  • 无监督深度展开 PGD 用于无线系统中的发射功率分配

    本文提出了一种基于深度神经网络和无监督学习方法实现的传输功率控制算法，在稠密的设备与设备之间通信场景中的实验表明，该算法可以获得比迭代算法更好的性能，且迭代次数降低了两倍以上。

    Jun, 2023

  • 一种用于可扩展无线功率控制的图神经网络方法

    本文提出使用图神经网络（GNNs）解决功率控制问题，并设计了干扰图卷积神经网络（IGCNet）来学习最佳功率控制。IGCNet 在无监督的情况下展现出了较好的性能，并且可以解决传统算法下的功率控制问题。

    Jul, 2019

  • 加权 MMSE 波束成型算法的深层展开

    本文提出了将深度展开应用于加权最小均方误差算法（WMMSE）的新方法，以在 MISO 下行通道中计算尽可能大的加权和速率，通过仿真实验表明，相较于传统方法，深度展开可以更好地权衡性能与计算复杂度。

    Jun, 2020

  • 无人机辅助移动边缘计算网络中的能量有效资源分配

    针对具有多个无人机的移动边缘计算网络，通过联合优化用户关联、功率控制、计算容量分配和位置规划，解决了和功率最小化相关的问题，并提出了一个低复杂度的算法，通过三个子问题的迭代求解来获得最优解。数值结果表明，所提出的算法比传统方法具有更好的性能。

    Feb, 2019