استفاده از عملگرهای عصبی طیفی گراف برای پرتوفرمینگ تطبیقی و حذف تداخل در سامانه های Massive MIMO باند تراهرتز

با گسترش شبکه های نسل ششم و نیاز به نرخ داده بسیار بالا، استفاده از سامانه های Massive MIMO در باند تراهرتز به عنوان یکی از راهکارهای کلیدی مطرح شده است. با این حال، این سامانه ها با چالش هایی نظیر تداخل میان کاربران، پیچیدگی محاسباتی بالا و دشواری طراحی پرتوفرمینگ تطبیقی در محیط های پویا مواجه هستند. هدف این پژوهش ارائه رویکردی نوین برای پرتوفرمینگ تطبیقی و حذف تداخل در سامانه های Massive MIMO باند تراهرتز با بهره گیری از عملگرهای عصبی طیفی گراف است. در این روش، ساختار شبکه به صورت یک گراف مدل سازی شده و با استفاده از تبدیل طیفی گراف، الگوهای ارتباطی و همبستگی کانال استخراج می شود؛ سپس یک مدل مبتنی بر عملگر عصبی طیفی برای یادگیری نگاشت میان وضعیت کانال و وزن های بهینه پرتوفرمینگ طراحی می گردد. نتایج شبیه سازی نشان می دهد که روش پیشنهادی در مقایسه با روش های متداول پرتوفرمینگ، بهبود قابل توجهی در نسبت سیگنال به تداخل و نویز (SINR)، افزایش بهره طیفی و کاهش تداخل میان کاربران ارائه می دهد، در حالی که پیچیدگی محاسباتی نیز در محیط های پرتراکم کاهش می یابد. این یافته ها نشان می دهد که استفاده از عملگرهای عصبی طیفی گراف می تواند به عنوان یک چارچوب کارآمد برای طراحی الگوریتم های هوشمند در سامانه های ارتباطی نسل آینده مورد استفاده قرار گیرد.

کلیدواژه ها:

پرتوفرمینگ تطبیقی ، Massive MIMO باند تراهرتز ، عملگرهای عصبی طیفی گراف ، حذف تداخل ، شبکه های بی سیم نسل ششم (۶G)