基于图神经网络的多用户MIMO功率分配与干扰抑制设计_通信与信号处理.docxVIP

PAGE2

基于图神经网络的多用户MIMO功率分配与干扰抑制设计

第一章绪论

1.1研究背景

随着第五代移动通信系统的大规模商用部署，以及第六代移动通信技术研究的逐步深入，无线通信网络正朝着超高速率、超大连接、超低时延的方向持续演进。

多输入多输出技术作为提升频谱效率的核心物理层手段，通过在同一时频资源上并行服务多个用户，实现了空间维度的深度复用。

然而，多用户MIMO系统的性能增益高度依赖于精确的下行预编码与功率分配设计。当基站天线数量与用户规模显著增加时，用户间的共信道干扰问题变得异常复杂且难以实时管理。

传统优化方法，如加权最小均方误差迭代算法或分支定界法，虽然能够逼近理论最优解，但其计算复杂度随用户数和天线数呈指数级增长，难以满足毫秒级动态调度的实时性要求。

与此同时，深度学习技术的迅猛发展为物理层信号处理提供了全新的解决范式。神经网络凭借其强大的非线性映射能力和并行计算特性，有望在极短时间内完成复杂的资源分配决策。

然而，传统全连接神经网络或卷积神经网络难以显式建模多用户间的空间拓扑关系与干扰耦合结构，导致学习效率低下且泛化能力受限。

图神经网络作为一种专门处理图结构数据的深度学习模型，能够自然地捕捉节点间的连接关系与信息传播过程。将多用户MIMO系统中的用户视为图节点，将用户间干扰强度定义为边权重，即可构建出反映网络拓扑的干扰图。

基于该干扰图训练图神经网络，