大规模 MIMO 系统中用于联邦学习的随机正交化
信息论
2022-02-01 v1 信号处理
math.IT
摘要
我们提出一种新颖的上行链路通信方法,称为随机正交化,用于大规模多输入多输出(massive MIMO)无线系统中的联邦学习(FL)。随机正交化的关键新颖性源于 FL 模型聚合与大规模 MIMO 的两个独特特性——信道硬化与有利传播——的紧密耦合。因此,随机正交化能够在不要求发送端信道状态信息的情况下实现自然的空中模型聚合,同时显著减少接收端的信道估计开销。我们从通信与机器学习性能两方面进行了理论分析。特别地,建立了收敛速率、客户端数量与天线数量之间的显式关系。实验结果验证了随机正交化用于大规模 MIMO 中 FL 的有效性与高效性。
引用
@article{arxiv.2201.12490,
title = {Random Orthogonalization for Federated Learning in Massive MIMO Systems},
author = {Xizixiang Wei and Cong Shen and Jing Yang and H. Vincent Poor},
journal= {arXiv preprint arXiv:2201.12490},
year = {2022}
}
备注
6 pages, 1 table, 4 figures, accepted to International Conference on Communications (ICC) 2022