存在相位噪声的空中联邦学习：分析与对策
信号处理
2024-01-17 v1 分布式、并行与集群计算
摘要
无线连接的设备可以利用联邦学习协作训练机器学习模型，其中模型更新的聚合通过空中计算完成。设备中不精确时钟引起的载波频率偏移将导致空中信道的相位随机漂移，使得相干块中的后部符号传输质量低于前部符号。为了减轻符号质量下降的影响，我们提出了一种方案，在传输前对梯度应用 Roll、Flip 和 Sort 排列之一。通过仿真，我们表明这些排列既可以改善也可以降低学习性能。此外，我们推导了梯度估计的期望和方差，结果表明其随相干块中符号数量的增加呈指数增长。
引用
@article{arxiv.2401.08183,
title = {Over-the-Air Federated Learning with Phase Noise: Analysis and Countermeasures},
author = {Martin Dahl and Erik G. Larsson},
journal= {arXiv preprint arXiv:2401.08183},
year = {2024}
}
备注
Accepted in CISS 2024