基于图学习的空天地一体化网络合作推理方法研究

摘要

在空天地一体化网络 (SAGIN, space-air-ground integrated network) 中，通过推理已训练的深度神经网络 (DNN, deep neural network) 能够实现多样化的人工智能 (AI, artificial intelligence) 服务。由于 DNN 的参数量不断增大，在有限的通信和计算资源下，推理任务的执行过程通常需要多方的合作。本论文将认知无线电技术 (CR, cognitive radio) 融入 SAGIN 中，以最小化合作推理时延为目标，在卫星通信干扰阈值约束、设备服务质量约束以及发射功率约束下，以无人机 (UAV, unmanned aerial vehicle) 为推理任务的发起者建立考虑设备关联、模型分割以及功率优化的合作推理问题。该问题是多维变量耦合的非凸问题，本文根据优化变量将原问题分解，提出一种融合二次无约束二值优化 (QUBO, quadratic unconstrained binary optimization) 和注意力机制的图学习法，将目标函数和约束条件建模为 QUBO 形式，并且通过哈密尔顿量松弛生成可微的损失函数，进而利用动态多头注意力机制对图结构问题中的节点信息进行聚合，从而完成设备关联和模型分割优化。此外，使用连续凸逼近 (SCA, successive convex approximation) 对发射功率进行优化，最后对三部分子问题交替迭代求解。仿真结果表明，所提方法能够将合作推理任务总时延降低 11%。