Changpeng He

图神经网络优化RIS辅助天线系统

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。