Cloud-RAN 上的协作边缘 AI 推理
信息论
2024-04-10 v1 人工智能
机器学习
信号处理
math.IT
摘要
本文提出了一种基于云无线接入网（Cloud-RAN）的协作边缘 AI 推理架构。具体而言，地理上分布式的设备捕获实时含噪传感数据样本并提取含噪局部特征向量，随后在各远程无线电头（RRH）处进行聚合以抑制传感噪声。为实现高效的上行特征聚合，我们利用空中计算（AirComp）技术，允许每个 RRH 在相同的资源块上同时接收来自所有设备的局部特征向量。此后，这些聚合后的特征向量被量化并传输至中央处理器（CP）以进行进一步聚合及下游推理任务。本工作的目标是通过一种称为判别增益的替代准确率指标来最大化推理准确率，该指标衡量特征空间中不同类别的可分辨性。关键挑战在于同时抑制耦合的传感噪声、由恶劣无线信道引起的 AirComp 失真，以及由前传链路有限容量导致的量化误差。为应对这些挑战，本文提出了一种联合发送预编码、接收波束成形和量化误差控制方案以增强推理准确率。大量数值实验证明了我们提出的优化算法相较于各种基线的有效性和优越性。
引用
@article{arxiv.2404.06007,
title = {Collaborative Edge AI Inference over Cloud-RAN},
author = {Pengfei Zhang and Dingzhu Wen and Guangxu Zhu and Qimei Chen and Kaifeng Han and Yuanming Shi},
journal= {arXiv preprint arXiv:2404.06007},
year = {2024}
}
备注
This paper is accepted by IEEE Transactions on Communications on 08-Apr-2024