面向联邦边缘学习的多小区非相干空中计算
信息论
2022-02-14 v2 信号处理
math.IT
摘要
在本文中，我们提出一种框架，在多小区环境中依次在上行链路（UL）和下行链路（DL）均发生空中计算（OAC），以解决联邦边缘学习（FEEL）的时延与可扩展性问题。为消除边缘设备（ED）与边缘服务器（ES）处的信道状态信息（CSI）并放宽 OAC 的时间同步要求，我们采用非相干计算方案，即基于频移键控（FSK）的多数投票（MV）（FSK-MV）。在所提框架下，多个 ES 作为 UL 中的聚合节点，每个 ES 独立确定 MV。在 ES 广播检测到的 MV 后，ED 通过 DL 中的另一次 OAC 确定梯度的符号。因此，小区间干扰被利用于 OAC。在本研究中，我们证明了采用所提 OAC 框架的 FEEL 非凸优化问题的收敛性。我们还通过对比多小区与单小区场景、同质与异质数据分布下的测试精度，数值评估了所提方法的有效性。
引用
@article{arxiv.2202.00506,
title = {Multi-cell Non-coherent Over-the-Air Computation for Federated Edge Learning},
author = {Mohammad Hassan Adeli and Alphan Sahin},
journal= {arXiv preprint arXiv:2202.00506},
year = {2022}
}
备注
6 pages, accepted to International Conference on Communications (ICC) 2022