工厂子网络内协作通信中的能效联邦学习
信号处理
2026-03-24 v2
摘要
本文研究了在工业子网络中中继辅助联邦学习（FL）设置下的能效传输协议，考虑了延迟和功率约束。在子网络中，设备通过直接向边缘主接入点（pAP）或通过作为中继的辅助接入点（sAP）传输其本地模型来协作训练全局模型，以优化训练延迟。我们首先为提出的传输协议制定了能效问题。鉴于其非凸性，我们将其分解为分别最小化计算和传输能量。首先，我们引入一种算法，将设备分为单跳和双跳组以减少传输能量，然后选择关联的sAP。随后，我们优化发射功率，旨在最大化能效。为此，我们提出了一种顺序参数凸近似（SPCA）方法来联合配置系统参数。数值结果表明，与单跳传输相比，中断概率显著降低，总能耗至少节省两倍，同时收敛速度更快。
引用
@article{arxiv.2404.18010,
title = {Energy-Efficient Federated Learning in Cooperative Communication within Factory Subnetworks},
author = {Hamid Reza Hashempour and Gilberto Berardinelli and Shashi Raj Pandey and Hien Quoc Ngo},
journal= {arXiv preprint arXiv:2404.18010},
year = {2026}
}