多用户无线网络下基于夹针天线的低延迟联邦学习
概率论
2026-04-06 v2
摘要
无线网络上的联邦学习（FL）在上行链路受限时存在根本性限制，尤其是当上行信道遭遇阻塞、衰落或弱直线视距（LoS）条件时。夹针天线系统（PASS）提供了一种新的物理层能力，通过动态重新定位介质导波沿的辐射点，实现可控LoS连接，显著改善信道质量。本文开发了FedPASS，一个以PASS为辅助的低延迟无线FL框架。我们构建了多目标优化问题，联合最小化端到端往返时延和FL最优性间隙的上界。 resulting formulation is a mixed-integer nonlinear program subject to practical constraints on scheduling, transmit power, local CPU frequency, and PA placement. 为解决所需的计算挑战，我们发展了两级迭代算法：外层循环通过块坐标下降更新排程、通信时间分配和功率控制；内层循环在间距约束下使用高斯-赛德尔坐标更新和网格搜索优化PA位置。在MNIST和CIFAR-10上的数值结果表明，FedPASS在准确率上相当于理想化FL基线，同时大幅降低了总体训练时延。
引用
@article{arxiv.2603.08598,
title = {Asymptotic formulas for products of Poisson distributions},
author = {Džiugas Chvoinikov and Jonas Šiaulys},
journal= {arXiv preprint arXiv:2603.08598},
year = {2026}
}