模型拆分增强的通信高效联邦学习用于CSI反馈
信号处理
2025-06-05 v1
摘要
近期进展引入了基于联邦机器学习的信道状态信息（CSI）压缩，在用户设备（UE）向基站（BTS）上传下行CSI之前。然而，大多数现有算法由于UE与BTS之间频繁的参数交换而带来较高的通信开销。在本工作中，我们提出了一种模型拆分方法，在BTS处设置共享模型，在UE处设置多个局部模型以降低通信开销。此外，我们在BTS中植入流水线模块以减少训练时间。通过限制前向和反向传播过程中边界参数的交换，我们的算法在联邦CSI反馈训练中相比基准方法显著减少了交换的参数数量。
引用
@article{arxiv.2506.04113,
title = {Model Splitting Enhanced Communication-Efficient Federated Learning for CSI Feedback},
author = {Yanjie Dong and Haijun Zhang and Gaojie Chen and Xiaoyi Fan and Victor C. M. Leung and Xiping Hu},
journal= {arXiv preprint arXiv:2506.04113},
year = {2025}
}