面向密集低轨星座的星上联邦学习
信号处理
2021-11-29 v1
摘要
目前，各种私人和公共实体正在规划和部署由小型低地球轨道 (LEO) 卫星组成的巨型星座。虽然全球连接是其主要目标，但这些星座也提供了收集海量数据的潜力，例如用于地球观测。功率和带宽限制，以及隐私、限制延迟或弹性等动机，使得直接在星座内处理这些数据变得可取。我们考虑实施由星座外参数服务器 (PS) 协调的星上联邦学习 (FL)，并提出一种为支持 FL 而定制的新颖通信方案。它利用轨道内星间链路、卫星运动的可预测性以及部分聚合来大幅减少训练时间和通信成本。特别是，对于一个由 40 颗卫星均匀分布在五个低地球轨道上且 PS 位于中地球轨道的星座，我们观察到与基线相比，训练过程时间加速了 29 倍，PS 处的流量减少了 8 倍。
引用
@article{arxiv.2111.12769,
title = {On-Board Federated Learning for Dense LEO Constellations},
author = {Nasrin Razmi and Bho Matthiesen and Armin Dekorsy and Petar Popovski},
journal= {arXiv preprint arXiv:2111.12769},
year = {2021}
}