面向错位和时变信道的空中联邦学习误差分析
信号处理
2025-08-29 v1
摘要
本文研究了一种基于OFDM的空中联邦学习(OTA-FL)系统，其中多个移动设备(例如无人机)传输本地机器学习(ML)模型至中心参数服务器(PS)进行全局模型聚合。高速移动导致 imperfect信道估计，从而引发错位问题，即来自不同本地设备的模型参数未能同时到达中心PS。此外，移动性引入时变上传信道，这进一步复杂化了聚合过程。所有这些因素共同导致OTA-FL训练过程中的失真问题尚未得到充分探讨。为量化这些效应,我们首先推导单个全局模型更新的闭式表达式，表述为这些信道缺陷。我们随后扩展分析以捕获多个全局更新，给出OTA-FL中累积误差的上界。我们通过大量数值仿真验证了理论结果，这些仿真证实了我们所推导的分析。
引用
@article{arxiv.2508.20277,
title = {Error Analysis for Over-the-Air Federated Learning under Misaligned and Time-Varying Channels},
author = {Xiaoyan Ma and Shahryar Zehtabi and Taejoon Kim and Christopher G. Brinton},
journal= {arXiv preprint arXiv:2508.20277},
year = {2025}
}