智能反射面赋能的联邦边缘学习及其在车联网中的应用

摘要：

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.

关键词：联邦边缘学习、数据异构、智能反射面、空中计算、收敛分析、车联网

所属期刊栏目：44

分类号：TN92

在线出版日期：2023-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：46-57