具有星间链路的卫星簇星上联邦学习
信息论
2024-09-24 v2 math.IT
摘要
互联卫星巨型星座的出现对蜂窝无线与非地面网络的融合产生了重大影响，同时也提供了此前难以想象的数据收集能力。本文研究了在通过轨道内星间链路（ISL）连接的低地球轨道卫星星座中运行联邦学习（FL）算法的问题，旨在就地高效处理所收集的数据。卫星应用星上机器学习并将本地参数传输给参数服务器（PS）。主要贡献是一种利用轨道内 ISL 增强卫星星座中 FL 的新方法。其核心思想是利用卫星访问的可预测性来创建设计方案，其中 ISL 缓解间歇性连接的影响并将聚合参数传输给 PS。我们首先设计了一种同步 FL，并针对卫星稀疏访问 PS 的情况扩展为异步 FL。通过对每个轨道内聚合参数进行基于稀疏化的压缩，实现了卫星资源的高效利用。从精度和所需数据传输量两方面评估性能。我们观察到，使用 ISL 相比最先进水平收敛速度提升七倍，并通过所提出的网内聚合策略将通信负载降低 。
引用
@article{arxiv.2307.08346,
title = {On-board Federated Learning for Satellite Clusters with Inter-Satellite Links},
author = {Nasrin Razmi and Bho Matthiesen and Armin Dekorsy and Petar Popovski},
journal= {arXiv preprint arXiv:2307.08346},
year = {2024}
}