空中联邦边缘学习的优化功率控制
信息论
2020-11-12 v1 信号处理
math.IT
摘要
空中联邦边缘学习（Air-FEEL）是一种用于无线网络上隐私保护分布式学习的高通信效率方案。Air-FEEL利用无线信道的波形叠加特性实现梯度/模型更新的“一次性”空中聚合，从而有望实现与网络规模无关的极低聚合时延。然而，这种通信效率可能以学习性能下降为代价，源于设备间非均匀信道衰落与噪声扰动引起的聚合误差。已有工作采用信道反转功率控制（或其变体）通过对齐信道增益来减小聚合误差，但在深度衰落场景下因噪声放大可能高度次优。为克服此问题，我们研究用于提升Air-FEEL学习性能的功率控制优化。为此，我们首先推导任意给定功率控制策略下损失函数的最优性间隙，分析Air-FEEL的收敛行为。随后在边缘设备平均与最大功率约束下，优化功率控制以最小化最优性间隙、加速收敛。该问题因不同设备与迭代间功率控制变量的耦合通常非凸且难解。为应对此挑战，我们联合利用逐次凸近似（SCA）与信赖域方法开发了高效算法。数值结果表明，优化功率控制策略比信道反转与均匀功率传输等基准策略收敛显著更快。
引用
@article{arxiv.2011.05587,
title = {Optimized Power Control for Over-the-Air Federated Edge Learning},
author = {Xiaowen Cao and Guangxu Zhu and Jie Xu and Shuguang Cui},
journal= {arXiv preprint arXiv:2011.05587},
year = {2020}
}