RIS辅助的含噪下行链路空中联邦学习
信息论
2023-09-20 v1 信号处理
math.IT
摘要
空中联邦学习（OTA-FL）利用无线信道固有的叠加特性来整合通信与模型聚合。尽管它是无线联邦学习的一种天然有前景的框架，但仍需谨慎缓解物理层损伤。本工作中，我们考虑一个异构边缘智能网络，其具有不同边缘设备资源和非独立同分布的用户数据集，并在一般非凸学习目标下。我们利用可重构智能表面（RIS）技术，在不完美 CSI 场景下，增强同时时变上行链路和下行链路含噪通信信道上的 OTA-FL 系统。我们提出一种跨层算法，在该一般现实设定中联合优化 RIS 配置、通信与计算资源。具体而言，我们设计动态本地更新步长，结合 RIS 相移与传输功率以提升学习性能。我们给出了所提算法的收敛性分析，并在数值结果中表明其在异构系统和不完美 CSI 下优于现有统一方法。
引用
@article{arxiv.2309.10758,
title = {RIS-Assisted Over-the-Air Adaptive Federated Learning with Noisy Downlink},
author = {Jiayu Mao and Aylin Yener},
journal= {arXiv preprint arXiv:2309.10758},
year = {2023}
}
备注
Appeared in 2023 IEEE ICC Workshop on Edge Learning over 5G Mobile Networks and Beyond