通过联合下链上信道赋形提升无线联邦学习
信息论
2025-02-05 v1 信号处理
math.IT
摘要
无线网络中使用模拟传输的联邦学习( FL)可以有效利用通信资源，但易受噪声信道导致的错误影响。在本文中，假设存在多天线基站，我们联合设计下链上行信道赋形，以最大化FL训练在时变信道上的收敛。我们推导了往返模型更新方程，并用于分析FL训练收敛，以捕捉下链和上行信道赋形以及本地模型训练对全局模型更新的影响。旨在最大化FL训练收敛速率，我们提出了一种低复杂度联合下链上行信道赋形(JDUBF)算法，采用贪心方法将多轮联合优化分解为每轮联合优化问题。每轮问题进一步分解为三个子问题，基于块坐标下降框架，其中我们显示每个子问题可通过具有快速闭合形式更新的投影梯度下降法高效求解。还提出一种有效的初始化方法，导致闭合形式的初始点，以加速JDUBF的收敛。仿真结果表明，JDUBF显著优于传统的独立链路信道赋形设计。
引用
@article{arxiv.2502.02034,
title = {Improving Wireless Federated Learning via Joint Downlink-Uplink Beamforming over Analog Transmission},
author = {Chong Zhang and Min Dong and Ben Liang and Ali Afana and Yahia Ahmed},
journal= {arXiv preprint arXiv:2502.02034},
year = {2025}
}
备注
13 pages, 7 figures. arXiv admin note: text overlap with arXiv:2307.00315