EPFL-REMNet：面向 6G 异构无线电环境的高效个性化联邦数字孪生
网络与互联网体系结构
2025-11-12 v2
摘要
无线电环境图(REM)正从 5G 的均匀环境过渡到 B5G/6G 的异构景观。然而，标准的联邦学习(FL)作为这一分布式任务的自然匹配，面临在这些新环境中固有的非独立同分布(Non-IID)条件下 accuracy 和 communication efficiency 性能下降的问题。本文提出 EPFL-REMNet，一个用于构建 6G 异构无线电环境高保真数字孪生体的高效个性化联邦框架。所提出的 EPFL-REMNet 采用“共享主干 + 轻量级个性化头部”模型，其中仅传输压缩后的共享主干，而每个客户端的个性化头部在本地维护。我们通过在基于无线电环境复杂度的三个不同的 Non-IID 场景(轻、中、重)中构建数据在 90 个客户端之间进行地理分区来测试 EPFL-REMNet。实验结果表明，EPFL-REMNet 在所有 Non-IID 设置下都实现了比标准 FedAvg 和最近的前沿方法在 accuracy 和 uplink 开销方面的双重提升。特别是，它显著减少了数据集间的性能差异，提高了长尾客户端的局部地图精度，从而增强了数字孪生体的整体完整性。
引用
@article{arxiv.2511.05238,
title = {EPFL-REMNet: Efficient Personalized Federated Digital Twin Towards 6G Heterogeneous Radio Environment},
author = {Peide Li and Liu Cao and Lyutianyang Zhang and Dongyu Wei and Ye Hu and Qipeng Xie},
journal= {arXiv preprint arXiv:2511.05238},
year = {2025}
}
备注
Approx. 12 pages, 3 figures, 3 tables; focuses on 6G heterogeneous radio environment digital twin construction via personalized federated learning