STAR-RIS集成的非正交多址接入与空中联邦学习：框架、分析与优化
信息论
2022-07-08 v3 网络与互联网体系结构
信号处理
math.IT
摘要
本文利用一个同时发射与反射可重构智能表面（STAR-RIS），将非正交多址接入（NOMA）与空中联邦学习（AirFL）集成到统一框架中。STAR-RIS在调整混合用户的解码顺序以实现高效干扰抑制和全向覆盖扩展方面发挥着重要作用。为刻画非理想无线信道对AirFL的影响，推导了实际损失与最优损失之间最优性间隙（亦称收敛上界）的闭式表达式。该分析揭示，学习性能受主动与被动波束赋形方案以及无线噪声的显著影响。此外，当学习率随训练进行而衰减时，明确显示最优性间隙以线性速率收敛。为在满足服务质量要求的同时加速收敛，通过联合设计用户发射功率与STAR-RIS配置模式，构建了一个混合整数非线性规划（MINLP）问题。接着，提出基于信赖域的连续凸近似方法和基于惩罚的半定松弛方法，以迭代处理解耦的非凸子问题。然后开发了一种交替优化算法，为原始MINLP问题寻找次优解。大量仿真结果表明：i）所提框架可通过并发上行通信高效支持NOMA与AirFL用户；ii）与现有基线相比，我们的算法在IID与非IID设定下均实现更快收敛速率；iii）在调优良好的STAR-RIS辅助下，频谱效率与学习性能均显著提升。
引用
@article{arxiv.2106.08592,
title = {STAR-RIS Integrated Non-Orthogonal Multiple Access and Over-the-Air Federated Learning: Framework, Analysis, and Optimization},
author = {Wanli Ni and Yuanwei Liu and Yonina C. Eldar and Zhaohui Yang and Hui Tian},
journal= {arXiv preprint arXiv:2106.08592},
year = {2022}
}
备注
The paper has been accepted for publication in the IEEE Internet of Things Journal