English(EN) Beamforming Design Via GNN in mmWave Cell-Free Massive MIMO Using Sub-6 GHz CSI

图神经网络利用Sub-6 GHz CSI优化毫米波波束成形

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了一种新颖的毫米波（mmWave）无蜂窝大规模MIMO系统的波束成形方法，该方法利用图神经网络（GNN）从Sub-6 GHz信道状态信息（CSI）中学习波束成形器。这种方法显著降低了获取完整毫米波CSI的相关开销。该系统被建模为无线图，并且GNN经过训练，通过捕捉用户间干扰和基站间协作来优化下行链路总速率。仿真结果表明，这种Sub-6 GHz辅助的基于GNN的波束成形器性能具有竞争力，通常优于依赖完整毫米波CSI的传统方法。 AI

影响这项研究通过减少对大量信道状态信息的需求，可能带来更高效的无线通信。

排序理由该条目是一篇学术论文，详细介绍了一种用于无线通信系统的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 20 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了一种用于无线通信系统的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Sina Tavakolian, Abolfazl Zakeri, Ahmed Alkhateeb, Markku Juntti, Nhan Thanh Nguyen · 2026-09-01 04:00

基于GNN的波束成形设计用于Sub-6 GHz CSI下的毫米波无蜂窝大规模MIMO

arXiv:2608.30524v1 Announce Type: cross Abstract: Beamforming methods in millimeter-wave (mmWave) cell-free massive multiple-input multiple-output (CFmMIMO) systems require accurate channel state information (CSI), whose acquisition entails significant training overhead. This pap…

本文如何被排名

报道来源 [1]

基于GNN的波束成形设计用于Sub-6 GHz CSI下的毫米波无蜂窝大规模MIMO

相关实体

相关话题