本文介绍了一种新颖的三阶段图神经网络（GNN），旨在优化用于下行信息传输的可重构智能表面（RIS）辅助多波导捏合天线（PA）系统。GNN根据用户位置和信道条件分别学习最优的PA位置和RIS相位偏移，并随后确定波束形成向量。所提出的GNN采用无监督学习方式，并提供了与凸优化相结合的实现策略，以平衡推理时间和解的最优性。数值结果证明了GNN的有效性、泛化能力、性能可靠性和实时适用性。 AI
影响 这项研究可能通过先进的AI驱动优化带来更高效的无线通信系统。
排序理由 该条目是一篇学术论文，详细介绍了GNN赋能的天线系统的新颖优化方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
