面向联邦学习的节能大规模MIMO：传输设计与资源分配
信息论
2022-11-17 v4 math.IT
摘要
本工作提出了用于支持联邦学习（FL）的节能大规模多输入多输出网络的新型同步、异步和基于会话的设计。同步设计依赖于用户在执行每个FL通信轮次时的严格同步，而异步设计允许用户通过使用更低的计算频率来节省能量，从而具有更大的灵活性。基于会话的设计将每个FL通信轮次中的下行链路和上行链路阶段拆分为独立的会话。在该设计中，我们分配用户，使得每个会话中一个参与用户在完成其传输后不加入下一会话。因此，更多的功率和自由度将被分配给未完成的用户，从而导致更高的速率、更短的传输时间，进而更高的能量效率。在所有三种设计中，我们对上行链路和下行链路均使用迫零处理，并开发了优化用户分配、时间分配、功率和计算频率的算法，以在保证一个FL通信轮次的预定义最大执行时间的同时，最小化基站和用户的能量消耗。
引用
@article{arxiv.2112.11723,
title = {Energy-Efficient Massive MIMO for Federated Learning: Transmission Designs and Resource Allocations},
author = {Tung T. Vu and Hien Q. Ngo and Minh N. Dao and Duy T. Ngo and Erik G. Larsson and Tho Le-Ngoc},
journal= {arXiv preprint arXiv:2112.11723},
year = {2022}
}
备注
accepted to appear