- 在无线网络中部署图神经网络:链路稳定性视角
利用 Lyapunov 优化方法,最大化实现长期平均通信链路数目,以优化功率控制,改善图神经网络在资源受限的无线系统中的学习性能。
- 航空网络轨迹和无线资源的非迭代优化
我们提出了一个共同的轨迹规划、用户关联、资源分配和功率控制问题,以在空中物联网中最大程度地实现比例公平,考虑实际的端到端的服务质量和通信计划。我们将该问题转化为马尔科夫决策过程(MDP),设计了一个非迭代的框架,合作优化轨迹和无线电资源。该 - 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 - 基于师生学习的低复杂度无线供能通信中的中继选择
射频能量收集(RF-EH)网络是大规模物联网的关键推动因素,通过为能量受限设备提供可控和长距离的能量传输来实现。本研究主要探讨多源多中继射频能量收集网络中非线性能量收集情况下的联合中继选择、调度和功率控制问题。首先,在给定中继选择情况下求解 - 通过自适应图形的无线网络中的多智能体强化学习功率控制
无线网络中的动态优化策略是一个重要的研究领域,本文提出了一种使用图神经网络的方法,将分布式代理之间的动态相互作用建模,并在网络优化问题中实现了较好的泛化能力验证
- 无探索的联合波束赋型学习强化策略:一种批量约束的离线策略
通过深度强化学习技术解决网络参数优化问题,实现速率最大化,涉及功率控制、波束成形和干扰抵消等方面,以提高采样效率和降低算法在商业网络中的风险。
- MM分布式 MIMO 网络中针对 AI 驱动功率分配的实际对抗攻击
本文探讨在分布式多输入多输出网络中,通过神经网络进行最大功率最小化公平性控制,发现 AI 技术对抗性攻击的风险高于传统攻击,并提出了智能防御技术。
- 巨型 MIMO 系统中伴随空间相关性的上下行联合频谱效率提升的试点分配
本文提出一种灵活的载波分配方法,能够联合优化具有相关瑞利衰落信道的多小区大规模多输入多输出系统中的上行和下行数据传输,在最小化加权上下行谱效率之和的约束下,通过利用最大比处理获得的符号误差率的闭式表达式进行优化问题的建模,并使用两种连续的算 - 面向无线联邦边缘学习的优化功率控制设计
研究了 Air-FEEL 系统中的传输功率控制,通过最大化收敛速度的方法优化功率控制策略,并使用拉格朗日对偶方法得到了优化解,结果表明该策略比传统策略实现了更快的收敛速度。
- 异构无线网络中基于图神经网络的可扩展功率控制 / 波束成形
本文提出了一种名为异构干扰图神经网络(HIGNN)的无监督学习框架来解决异构设备对设备网络中功率控制 / 波束成形的挑战,该框架可以实现对小型网络的训练,并展现出强大的性能表现。
- 基于深度学习的无蜂窝式大规模 MIMO 网络功率控制
本文提出了一种基于深度学习的功率控制算法,用于解决无蜂窝网络下具有最大最小用户公平性问题的大规模多输入多输出系统中的最大最小速率优化问题,使用无监督学习的方法使深度神经网络学习最佳用户功率分配方案,模型训练快速且灵活,性能显著且具有较低的计 - 异质图神经网络用于移动蜂窝系统的功率控制学习
使用嵌入先验知识的 HetGNN 及参数共享方案来学习多用户多小区网络中的最优功率控制策略,相比于 DNN,其拥有更低的样本复杂度和较小的网络规模。
- 面向空中计算网络的协作干扰管理
本文研究多小区 AirComp 网络的功率控制策略,包括中心化多小区功率控制和分布式功率控制。该文提出了一种基于集成电路的方法来解决无中心控制的情况并证明了该算法的有效性,模拟结果表明,采用所提出的算法的协作功率控制可以大幅减少 AirCo - 可扩展无线电脱耦大规模天线阵列的结构化大规模访问
本文提出了一种新的结构化大规模接入算法框架,包括一种初始接入算法、一种部分大尺度衰落解码策略、两种导频分配方案和一种分式功率控制策略,模拟结果表明,该框架在局部部分最小均方误差 (LP-MMSE) 和最大比例 (MR) 合并时提供了高的谱效 - MM智能反射面辅助网络:物理层广播功率控制
本文提出了一种基于智能反射面的无线网络,研究了在 QoS 约束下,通过联合设计基站的发射波束和 IRS 元件的相位调节进行物理层广播的功率控制问题,并导出了用于优化方法的性能下界。仿真结果表明,随着 IRS 单元数量的增加,基站的发射功率接 - 关于全双工无小区巨型 MIMO 的频谱效率与能量效率
该研究论文针对实现更高的无线电频谱和能量效率,提出了一种基于 in-band full-duplex 与 cell-free massive MIMO 的联合设计方案,优化了功控制、入口点和用户设备相关联和入口点选择,并结合零强制传输设计提 - 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。
- 5G 网络的深度强化学习:联合波束形成、功率控制和干扰协调
本文讨论了如何使用深度强化学习来优化 5G 网络中的波束成形、功率控制和干扰协同,并将其构建为一个非凸优化问题,以最大化信号干扰加噪声比(SINR); 该算法在子 6 GHz 和毫米波(mmWave)频段的语音无线电和数据无线电中都取得了更 - MM在衰落信道中为无线计算优化功率控制
该论文研究了在衰落信道上 Over-the-air computation(空中计算)的功率控制问题。通过优化无线设备的发送功率和协作中心的信号缩放因子,实现最小化计算误差的目标。通过推导出闭合形式的最优解,并设计规则化的通道倒置结构,通过 - MM变化用户活动下的基站大规模 MIMO 功率控制:一种深度学习解决方案
该论文研究了在具有不同数量活跃用户的多小区 Massive MIMO 系统中的总谱效率(SE)优化问题,并针对性地提出了一种深度学习解决方案来实现实时计算。研究结果表明,所提出的神经网络解决方案在保证计算速度的同时,只损失了 2% 的总谱效