OptiVote：用于空间数据中心通信高效分布式联邦学习的非相干FSO空中多数投票
信号处理
2026-01-09 v2 机器学习
摘要
大型星座的快速部署正在推动空间数据中心(SDC)的长期愿景，其中互联卫星形成在轨分布式计算和学习基础设施。在此类系统中实现分布式联邦学习具有挑战性，因为迭代训练需要在带宽和能量受限且链路条件高度动态的卫星间链路上频繁进行聚合。在这项工作中，我们利用空中计算(AirComp)作为网内聚合原语。然而，传统的相干AirComp依赖严格的相位对齐，由于卫星抖动和多普勒效应，在空间环境中难以维持。为克服这一局限，我们提出了OptiVote，一个鲁棒且通信高效的非相干自由空间光(FSO) AirComp框架，用于面向空间数据中心的联邦学习。OptiVote将符号随机梯度下降(signSGD)与多数投票(MV)聚合原则和脉冲位置调制(PPM)相结合，其中每颗卫星通过激活正交PPM时隙来传递局部梯度符号。聚合节点通过非相干能量累积执行MV检测，将相位敏感的场叠加转化为相位无关的光强合并，从而消除了对精确相位同步的需求并提高了对动态损伤的鲁棒性。为缓解异质FSO信道引起的聚合偏差，我们进一步开发了一种重要性感知的、无需信道状态信息(CSI)的动态功率控制方案，在不增加额外信令的情况下平衡接收能量。我们通过刻画统计FSO信道下的聚合误差概率并为非凸目标建立收敛保证，提供了理论分析。
引用
@article{arxiv.2512.24334,
title = {OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers},
author = {Anbang Zhang and Chenyuan Feng and Wai Ho Mow and Jia Ye and Shuaishuai Guo and Geyong Min and Tony Q. S. Quek},
journal= {arXiv preprint arXiv:2512.24334},
year = {2026}
}