[发明专利]用于联邦学习中的空中(OTA)模型聚合的梯度数据集感知配置

说明书

一种由用户设备(UE)执行的方法生成针对联邦学习任务的局部梯度。该方法基于局部梯度来计算梯度总和功率电平。该方法接收在梯度总和功率电平与用于信道反转系数的缩放因子之间的映射，以将数据块处理成未编码的上行链路信号。该方法还基于从所述映射和所计算的梯度总和功率电平获得的缩放因子来确定信道反转系数。该方法还将模拟调制和信道反转系数应用于数据块以形成未编码的上行链路信号。该方法还在共享上行链路资源上向网络发送未编码的上行链路信号，以用于针对联邦学习任务的全局梯度的空中计算。

技术领域

本公开内容的各方面总体上涉及无线通信，并且更具体地，涉及用于联邦学习(federated learning)中的空中(OTA)模型聚合的5G新无线电(NR)梯度数据集感知配置的技术和装置。

背景技术

无线通信系统被广泛部署以提供各种电信服务，诸如电话、视频、数据、消息收发和广播。典型的无线通信系统可以采用能够通过共享可用系统资源(例如，带宽、发射功率、等等)来支持与多个用户的通信的多址技术。这种多址技术的示例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、正交频分多址(OFDMA)系统、单载波频分多址(SC-FDMA)系统、时分同步码分多址(TD-SCDMA)系统和长期演进(LTE)。LTE/LTE-Advanced是由第三代合作伙伴计划(3GPP)发布的对通用移动电信系统(UMTS)移动标准的一组增强。

无线通信网络可以包括可支持多个用户设备(UE)的通信的多个基站(BS)。用户设备(UE)可以经由下行链路和上行链路与基站(BS)通信。下行链路(或前向链路)指的是从BS到UE的通信链路，而上行链路(或反向链路)指的是从UE到BS的通信链路。如本文将更详细描述的，BS可以被称为节点B、gNB、接入点(AP)、无线电头端、发射接收点(TRP)、新无线电(NR)BS、5G节点B、等等。

已经在各种电信标准中采用以上多址技术，以提供使得不同的用户设备能够在城市、国家、地区甚至全球级别上进行通信的公共协议。新无线电(NR)(也可以称为5G)是由第三代合作伙伴计划(3GPP)发布的对LTE移动标准的一组增强。NR被设计为通过提高频谱效率、降低成本、改善服务、利用新频谱，并在下行链路(DL)上使用具有循环前缀(CP)的正交频分复用(OFDM)(CP-OFDM)，在上行链路(UL)上使用CP-OFDM和/或SC-FDM(例如，也称为离散傅里叶变换扩展OFDM(DFT-s-OFDM))与其他开放标准更好地集成，以及支持波束成形，多输入多输出(MIMO)天线技术和载波聚合，来更好地支持移动宽带互联网接入。

人工神经网络可以包括互连的人工神经元群(例如，神经元模型)。人工神经网络可以是计算设备或表示为由计算设备执行的方法。卷积神经网络(诸如深度卷积神经网络)是一种前馈人工神经网络。卷积神经网络可以包括可在分块化(tiled)感受野中配置的神经元层。期望将神经网络处理应用于无线通信以实现更高的效率。

发明内容

根据本公开内容的一方面，一种由用户设备(UE)执行的方法生成针对联邦学习任务的局部梯度。该方法基于局部梯度来计算梯度总和功率电平(gradient Sum-Powerlevel)。该方法接收在梯度总和功率电平与用于信道反转系数的缩放因子之间的映射，以将数据块处理成未编码的上行链路信号。该方法还基于从所述映射以及所计算的梯度总和功率电平获得的缩放因子，来确定信道反转系数。该方法还将模拟调制和信道反转系数应用于数据块以形成未编码的上行链路信号。该方法还在共享上行链路资源上向网络发送未编码的上行链路信号，以用于针对联邦学习任务的全局梯度的空中计算。