MIMO 信道上的空中联邦学习：一种稀疏编码复用方法
信号处理
2023-04-11 v1
摘要
空中联邦学习（OA-FL）的通信瓶颈在于上传本地学习模型的梯度。本文研究利用多输入多输出（MIMO）技术降低梯度上传的通信开销。我们提出一种新颖的稀疏编码复用（SCoM）方法，采用稀疏编码压缩与 MIMO 复用，以平衡 FL 模型的通信开销与学习性能。我们通过定量刻画梯度聚合误差，推导了基于 SCoM 的 MIMO OA-FL 方案学习性能损失的上界。基于分析结果，我们表明使 FL 学习性能损失上界最小化的最佳复用数据流数目由发射与接收天线数中的较小值给出。随后，我们构建了预编码与后处理矩阵设计的优化问题，以最小化梯度聚合误差。为解决该问题，我们开发了基于交替优化（AO）与交替方向乘子法（ADMM）的低复杂度算法，有效缓解了梯度聚合误差的影响。数值结果证明了所提 SCoM 方法的优异性能。
引用
@article{arxiv.2304.04402,
title = {Over-the-Air Federated Learning Over MIMO Channels: A Sparse-Coded Multiplexing Approach},
author = {Chenxi Zhong and Xiaojun Yuan},
journal= {arXiv preprint arXiv:2304.04402},
year = {2023}
}