MIMO 云无线接入网系统中的空中联邦学习
信息论
2023-05-18 v1 信号处理
math.IT
摘要
为解决传统空中联邦学习（OA-FL）覆盖范围有限、资源利用率低等局限，我们提出一种 MIMO 云无线接入网（MIMO Cloud-RAN）中的 OA-FL 框架，其中边缘设备通过接入点（AP）向云服务器（CS）上传（或下载）模型参数。具体而言，每轮训练包含三个阶段：边缘聚合、全局聚合、模型更新与广播。为更好利用 AP 间的相关性（称为 AP 间相关性），我们将全局聚合阶段建模为有损分布式信源编码（L-DSC）问题，从率失真理论角度进行分析。我们进一步分析了所提 MIMO Cloud-RAN 框架中 OA-FL 的性能。基于分析，我们构建了一个通信-学习优化问题，通过考虑 AP 间相关性来提升系统性能。为解决该问题，我们利用交替优化（AO）与极大极小化（MM）设计了算法，有效改善了 FL 学习性能。此外，我们给出了一种利用 AP 间相关性的实际设计方案。数值结果表明，所提实际设计有效利用了 AP 间相关性，并优于其他基线方案。
引用
@article{arxiv.2305.10000,
title = {Over-the-Air Federated Learning in MIMO Cloud-RAN Systems},
author = {Haoming Ma and Xiaojun Yuan and Zhi Ding},
journal= {arXiv preprint arXiv:2305.10000},
year = {2023}
}