流体天线赋能的面向Over-the-Air联邦学习：定位、波束赋形与用户选择的联合优化
信号处理
2025-03-04 v1
摘要
Over-the-air(OTA)联邦学习(FL)有效地利用通信带宽，但在模拟聚合期间易受到错误的影响。虽然通过删除不利信道条件的用户可以缓解这些错误，但这也会减少FL的可用本地训练数据，从而阻碍训练过程的收敛速度。为解决此问题，我们提议使用流体天线(FA)技术来增强信道空间中的自由度，从而提升FL训练的收敛速度。此外，我们开发了一种新方法，有效地协调上行接收器波束赋形、用户选择和FA定位，以优化动态无线环境中OTA FL训练的收敛速度。我们通过利用训练损失上界将其重新表述为混合整数规划问题，然后引入惩罚对偶分解(PDD)方法来求解混合整数混合规划问题。实验结果表明，纳入FA技术显著加快了FL训练的收敛速度，远远超过传统方法。
引用
@article{arxiv.2503.00011,
title = {Fluid Antenna Enabled Over-the-Air Federated Learning: Joint Optimization of Positioning, Beamforming, and User Selection},
author = {Yang Zhao and Minrui Xu and Ping Wang and Dusit Niyato},
journal= {arXiv preprint arXiv:2503.00011},
year = {2025}
}