基于异构图神经网络的多节点频率使用网络协作频谱管理

《Drones》：Heterogeneous Graph Neural Network-Based Collaborative Spectrum Management for Multi-Node Frequency-Usage Network

　　

摘要

无人机在复杂干扰环境中大量部署，使得对协作频谱管理的需求日益迫切，以减轻干扰并最大化网络容量。本文提出了一种面向分层无人机通信网络协作频谱管理的异构图神经网络（HGNN）框架。所提出的架构由三层组成：终端传输与控制层用于局部频谱监测，子域传输与控制层用于区域干扰定位，全局控制层用于全网频谱优化。每一层均包含多个感知无人机，它们仅与本层的传输与控制无人机（T&C UAV）进行通信，T&C UAV负责聚合并处理其下属感知节点的数据，并沿T&C UAV链路逐级向上转发结果。针对非均匀干扰条件下频谱环境的复杂时空依赖性，设计了一种具有层内和层间消息传递机制的分层异构图神经网络。仿真结果表明，在48节点和81节点场景下，所提出的HGNN框架相比SL-GNN分别实现了约7.1%和1.4%的稳态效用提升，同时干扰抑制比（ISR）分别提高了1.5 dB和2.9 dB。