机器综合现象(SoM)-辅助FDD预编码：基于垂直联邦学习的感知异构性
信号处理
2025-03-14 v2
摘要
频分双工系统中预编码设计的高复杂度迫切需要简化方案。以机器综合现象(SoM)为指导，本文引入一种在垂直联邦学习(VFL)框架内的异构多车辆、多模态感知辅助预编码方案，显著缩短 pilot 序列长度，同时优化系统的总速率。我们解决了由于 onboard sensor 配置不同导致的局部数据异构性问题，通过精心设计的 VFL 训练程序加以克服。为从多模态感知中提取有价值的信道特征，我们采用三种不同的数据预处理方法，将原始数据转换为与预编码相关的有信息表示。此外，我们提出一种基于 VFL 框架的在线训练策略，使该方案能够动态适应用户数量的波动。数值结果表明，该方法在短 pilot 序列下，接近传统使用完美信道状态信息(CSI)的优化方法性能。
引用
@article{arxiv.2501.10941,
title = {Synesthesia of Machines (SoM)-Aided FDD Precoding with Sensing Heterogeneity: A Vertical Federated Learning Approach},
author = {Haotian Zhang and Shijian Gao and Weibo Wen and Xiang Cheng},
journal= {arXiv preprint arXiv:2501.10941},
year = {2025}
}
备注
7 pages, 7 figures