智能反射面赋能的联邦边缘学习及其在车联网中的应用

TN92; 针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题,提出了一种智能反射面(RIS)赋能的空中联邦边缘学习系统,其利用智能反射面的信道可重构性自适应地配置信号传播环境,并利用空中计算实现联邦边缘学习模型的快速聚合.具体来说,首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为,并以此构造统一的无线资源优化问题,通过联合设计收发端波束成形方案和RIS相移来优化学习性能.仿真结果验证了所提方案的有效性,并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性.最后,探讨了其在车联网中应用的可能性....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 44; no. 10; pp. 46 - 57
Main Authors 王平, 杨志伟, 李贺举
Format Journal Article
LanguageChinese
Published 上海自主智能无人系统科学中心,上海 201210%同济大学电子与信息工程学院,上海 201804 2023
同济大学电子与信息工程学院,上海 201804
Subjects
over-the-air computation
convergence analysis
智能反射面
Internet of vehicles
data heterogeneity
收敛分析
车联网
空中计算
federated edge learning
联邦边缘学习
reconfigurable intelligent surface
数据异构
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2023192

Cover

More Information
Summary:TN92; 针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题,提出了一种智能反射面(RIS)赋能的空中联邦边缘学习系统,其利用智能反射面的信道可重构性自适应地配置信号传播环境,并利用空中计算实现联邦边缘学习模型的快速聚合.具体来说,首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为,并以此构造统一的无线资源优化问题,通过联合设计收发端波束成形方案和RIS相移来优化学习性能.仿真结果验证了所提方案的有效性,并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性.最后,探讨了其在车联网中应用的可能性.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2023192