国网湖北省电力有限公司 周想凌,胡晨,罗弦,等:基于图注意力网络的无线信道功率资源优化分配

学术   科技   2024-09-06 17:10   北京  

祝贺《电力信息与通信技术》

蝉联中国科技核心期刊 

引文信息


周想凌,胡晨,罗弦,等.基于图注意力网络的无线信道功率资源优化分配[J].电力信息与通信技术,202422(5)63-69

ZHOU Xiangling,HU Chen,LUO Xian,et al.Optimized wireless channel power resource allocation based on graph attention network[J].Electric Power Information and Communication Technology,2024,22(5):63-69(in Chinese)


01

研究背景


在机器学习技术蓬勃发展的今天,利用机器学习工具设计更加快捷、高效的功率分配解决方案已成为无线资源分配领域研究的热点方向。为更好地优化无线自组织网络中的节点发射功率,进一步提升网络总体吞吐量,文章提出一种基于图神经网络理论的发射功率分配算法。


02

主要创新点



1)对ad hoc网络进行GNN建模,将发射机与其对应的接收机作为GNN节点,将两者之间的链路增益参数作为节点特征,构建基于GAT理论的GNN模型,如图1所示。
图1  基于GAT的ad hoc图神经网络模型
2)将上述GAT网络模型引入传统WMMSE迭代功率分配算法,采用无监督学习方式对特定迭代参数进行训练,加快迭代过程的收敛速度,形成GAT-UWMMSE功率分配算法总体架构框图如图2所示。
图2  GAT-UWMMSE算法总体架构框图
3)将本文提出的GAT-UWMMSE算法与已有的传统WMMSE算法和UWMMSE算法的性能进行仿真验证,证明GAT-UWMMSE算法可在不同路径传播条件下获得高于其他算法的系统吞吐量,如图3所示,同时具备良好的低复杂度特性。

图3  路径损耗系数对吞吐量性能的影响比较


03
解决的问题和意义

文章研究成果对于提高电力物联网等具有高可靠性和高时效性要求的专用物联网系统性能具有重要意义。下一步,计划在已有研究基础上,进一步优化算法性能,包括但不限于改进参数设置、研究论证新的图神经网络学习策略及算法架构,以及与波束赋形等信道技术进行联合优化等。同时,将积极探讨以图神经网络整体替代传统迭代算法的全新功率分配方案。




作者介绍

周想凌
周想凌(1965),男,正高级工程师,从事电力系统数字化建设、管理和研究工作。
胡晨(1989),男,工程师,从事电力系统通信工程建设、管理和研究工作。
罗弦(1982),男,高级工程师,从事电力数字化技术与业务的建设、管理和研究工作。
吕苏(1982),男,高级经济师,从事电力系统数字化技术商务管理和研究工作。
罗先南(1985),男,高级工程师,通信作者,从事电力系统通信技术研究工作,E-mail:15895900264@139.com。


电力信息与通信技术
发布期刊信息及论文
 最新文章