用于毫米波大规模MIMO中混合波束成形的联邦学习
信号处理
2020-08-25 v3 信息论
机器学习
math.IT
摘要
基于混合波束成形的机器学习已通过集中式机器学习(CML)技术得到广泛研究,这类技术需要使用从用户处收集的大规模数据集来训练全局模型。然而,由于有限的通信带宽和隐私问题,用户与基站(BS)之间传输整个数据集在计算上是不可行的。在这项工作中,我们引入了基于联邦学习(FL)的混合波束成形框架,其中模型训练通过在BS仅收集来自用户的梯度来完成。我们设计了一个卷积神经网络,其输入为信道数据,在输出端产生模拟波束成形器。通过数值模拟,证明了FL对信道数据中的缺陷与损坏具有比CML更强的容忍度,且传输开销更少。
关键词
引用
@article{arxiv.2005.09969,
title = {Federated Learning for Hybrid Beamforming in mm-Wave Massive MIMO},
author = {Ahmet M. Elbir and Sinem Coleri},
journal= {arXiv preprint arXiv:2005.09969},
year = {2020}
}
备注
Accepted in IEEE Communications Letters