面向 6G 网络的无线联邦学习（WFL）——第二部分：先算后传 NOMA 范式
信息论
2021-04-27 v1 人工智能
math.IT
摘要
如本工作第一部分所讨论的，利用先进多址接入协议并联合优化通信与计算资源，可促进无线联邦学习（WFL）时延的降低，这对 WFL 高效集成至第六代无线网络（6G）至关重要。为此，在第二部分中我们提出并优化了一种基于非正交多址接入（NOMA）的 WFL 网络新型通信协议。具体而言，引入了先算后传 NOMA（CT-NOMA）协议，其中用户并发完成本地模型训练，随后同时将训练参数传输至中心服务器。此外，考虑并评估了两种用于缓解 NOMA 中用户间干扰的检测方案，对应于连续干扰消除过程中固定与可变解码顺序。进而，针对两种考量方案联合优化计算与通信资源，以最小化 WFL 通信轮次中的总时延。最后，仿真结果验证了 CT-NOMA 相较于基于时分多址的基准在时延降低方面的有效性。
引用
@article{arxiv.2104.12005,
title = {Wireless Federated Learning (WFL) for 6G Networks -- Part II: The Compute-then-Transmit NOMA Paradigm},
author = {Pavlos S. Bouzinis and Panagiotis D. Diamantoulakis and George K. Karagiannidis},
journal= {arXiv preprint arXiv:2104.12005},
year = {2021}
}