研究提出面向通感一体化资源分配的GNN-ISAC算法
Start here
2026年11月6日，arXiv机器学习领域发布最新研究，针对车联网通感一体化（ISAC）中的功率分配难题，提出了图神经网络算法GNN-ISAC。该算法旨在满足感知SINR约束的前提下最大化通信和速率。在技术实现上，GNN-ISAC在图表征中区分了服务商间干扰与内部功率共享两种边类型，并基于感知惩罚和速率损失实现无标签训练。仿真测试表明，该算法的通信和速率接近传统WMMSE算法，但计算量显著降低，且无需重新训练即可直接泛化应用于更大规模的网络环境。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习面向通感一体化资源分配的图神经网络
针对车联网通感一体化（ISAC）功率分配难题，研究提出图神经网络算法 GNN-ISAC，在满足感知 SINR 约束下最大化通信和速率。该算法在图表征中区分服务商间干扰与内部功率共享两种边类型，并通过感知惩罚和速率损失实现无标签训练。仿真表明，GNN-ISAC 计算量远低于传统 WMMSE 且通信和速率接近，同时无需重新训练即可直接泛化至更大规模网络。
Story heat trend
Current heat 8·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.