基于神经崩塌的深度监督型联邦学习用于OFDM系统信号检测
信号处理
2025-06-25 v1
摘要
未来的无线网络预计将被AI赋能，其性能高度依赖训练数据集的质量。然而，物理层实体往往仅观察到不同功率时延分布特征的部分无线环境。联邦学习能够解决此有限可观测性问题，但常在数据异构性方面受限。为克服这一挑战，我们提出一种受神经崩塌启发的深度监督型联邦学习（NCDSFL）算法。
引用
@article{arxiv.2506.19476,
title = {Neural Collapse based Deep Supervised Federated Learning for Signal Detection in OFDM Systems},
author = {Kaidi Xu and Shenglong Zhou and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2506.19476},
year = {2025}
}