空中联邦学习：通过信号处理重新思考边缘人工智能
信息论
2025-12-04 v1 人工智能
机器学习
math.IT
摘要
空中联邦学习（AirFL）是一种新兴范式，它将无线信号处理与分布式机器学习紧密结合，以实现网络边缘的可扩展人工智能。通过利用无线信号的叠加特性，AirFL同时执行学习过程的通信和模型聚合，显著降低了延迟、带宽和能耗。本文对AirFL进行了教程式的处理，提出了一种新颖的分类，将其分为三种设计方法：CSIT感知型、盲型和加权型AirFL。我们提供了关于理论基础、性能分析、复杂性考量、实际限制和未来研究方向的全面指南。
引用
@article{arxiv.2512.03719,
title = {Over-the-Air Federated Learning: Rethinking Edge AI Through Signal Processing},
author = {Seyed Mohammad Azimi-Abarghouyi and Carlo Fischione and Kaibin Huang},
journal= {arXiv preprint arXiv:2512.03719},
year = {2025}
}