通信高效联邦边缘学习的大规模数字空中计算
信息论
2024-08-30 v2 信号处理
math.IT
摘要
空中计算（AirComp）是一种促进无线网络中通信与计算融合的有前景技术， 在模型训练、推理以及更多新兴边缘智能应用中尤其有效。AirComp 依赖于未编码传输的单个信号，这些信号由于无线介质的叠加特性而自然在多址信道上相加。尽管在通信效率方面取得了显著提高，但如何将 AirComp 纳入现有和未来基于离散调制方案的数字通信网络中，仍是一个挑战。本文提出了一种大规模数字空中计算（MD-AirComp）方案，利用无源大规模接入协议来提高与当前和下一代无线网络的兼容性。MD-AirComp 采用向量量化来降低上行链路通信开销，并采用共享量化和调制码本。在接收端，我们提出了一种近最优的基于近似消息传递的算法，用于从叠加序列中计算模型聚合结果， 该算法依赖于估计每种码序列传输的设备数量，而非尝试解码单个发射器的消息。我们将 MD-AirComp 应用于联邦边缘学习（FEEL），并表明它在使用相同通信资源的情况下显著加快了 FEEL 的收敛速度，优于现有技术。为支持进一步的研究并确保可重复性，我们已在 https://github.com/liqiao19/MD-AirComp 上提供代码。
引用
@article{arxiv.2405.15969,
title = {Massive Digital Over-the-Air Computation for Communication-Efficient Federated Edge Learning},
author = {Li Qiao and Zhen Gao and Mahdi Boloursaz Mashhadi and Deniz Gündüz},
journal= {arXiv preprint arXiv:2405.15969},
year = {2024}
}
备注
IEEE Journal on Selected Areas in Communications