基于生成神经网络的联邦信道建模系统
网络与互联网体系结构
2023-05-31 v1 分布式、并行与集群计算
机器学习
摘要
本文提出一种数据驱动的方法，用于无人机毫米波无线网络中空对地信道估计。与针对特定地理区域而难以适用于其他区域的传统集中式学习方法不同，我们提出一种广义模型，使用联邦学习（FL）进行信道估计，并能预测低空平台与地面终端之间的空对地路径损耗。为此，我们提出的基于 FL 的生成对抗网络（FL-GAN）被设计为生成式数据模型，可学习不同类型的数据分布，并从相同分布中生成真实模式，而无需在训练阶段前进行先验数据分析。为评估所提模型的有效性，我们使用模型生成的合成数据分布与实际数据分布之间的 Kullback-Leibler 散度（KL）和 Wasserstein 距离来评估其性能。我们还将所提技术与其他生成模型进行比较，如 FL-变分自编码器（FL-VAE）以及独立的 VAE 和 GAN 模型。研究结果表明，FL-GAN 生成的合成数据与真实数据的分布相似度最高。这表明所提方法在生成可用于不同地区的数据驱动信道模型方面是有效的。
引用
@article{arxiv.2305.18856,
title = {A Federated Channel Modeling System using Generative Neural Networks},
author = {Saira Bano and Pietro Cassarà and Nicola Tonellotto and Alberto Gotta},
journal= {arXiv preprint arXiv:2305.18856},
year = {2023}
}