基于接收波束赋形的面向功率效率的远端聚合式联邦学习

本文研究了采用远端模拟聚合和服务器端多天线波束赋形的联邦学习（FL）的上行功率效率传输设计。我们联合优化每个FL通信轮次中的设备发射权重和接收波束，以最小化总体设备发射功耗，同时确保FL训练收敛。通过收敛性分析，我们建立了联合聚合误差的充分条件，以保证FL训练收敛。利用这些条件，我们将功率最小化问题重新表述为一种独特的双凸结构，包含发射波束优化子问题和接收波束可行性子问题。尽管存在这种非标准结构，我们提出了一种新颖的交替优化方法，保证目标值单调递减，从而允许收敛到局部最优解。我们进一步考虑了 imperfect信道状态信息（CSI），这需要在功率最小化问题和FL收敛分析中考虑信道估计误差。我们提出了一种CSI误差感知的联合波束赋形算法，该算法在不考虑信道估计误差的算法中显著优于后者。仿真实验在标准分类数据集上表明，我们提出的方法在广泛的参数设置下，能够实现显著的功率降低，同时在相同收敛速率下实现相同的目标精度。