CHARLES：无线网络上信道质量自适应的空中联邦学习
信息论
2022-05-20 v1 信号处理
math.IT
摘要
空中联邦学习(OTA-FL)已成为一种高效机制，其利用无线介质的叠加特性，在空中执行联邦学习的模型聚合。OTA-FL 自然地对无线信道衰落敏感，这可能显著削弱其学习精度。为应对该挑战，本文提出一种称为 CHARLES（信道质量感知的空中局部估计与缩放）的 OTA-FL 算法。我们的 CHARLES 算法执行信道状态信息(CSI)估计与自适应缩放，以减轻无线信道衰落的影响。我们建立了 CHARLES 的理论收敛速率性能，并分析了 CSI 误差对 CHARLES 收敛的影响。我们表明 CHARLES 中的自适应信道反转缩放方案在不完美 CSI 场景下具有鲁棒性。我们还通过数值结果证明，在不完美 CSI 下具有异构数据时，CHARLES 优于现有 OTA-FL 算法。
引用
@article{arxiv.2205.09330,
title = {CHARLES: Channel-Quality-Adaptive Over-the-Air Federated Learning over Wireless Networks},
author = {Jiayu Mao and Haibo Yang and Peiwen Qiu and Jia Liu and Aylin Yener},
journal= {arXiv preprint arXiv:2205.09330},
year = {2022}
}