[发明专利]一种无线通信网络中无线电地图的构造和定位方法及其系统

权利要求书

1.一种无线通信网络中无线电地图的构造和定位方法，其特征在于，具体包括以下步骤：

进行无线电频谱数据的收集；

响应于完成无线电频谱数据的收集，选择参与训练的边缘用户；

响应于选择参与训练的边缘用户，进行联邦学习训练，得到训练完成的神经网络模型；

输出保存神经网络模型；

根据保存的神经网络模型，进行无线电地图定位。

2.如权利要求1所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，参与总体训练的边缘用户在其本地通过系统设备来进行无线电频谱信息的收集，其主要包括位置信息与信道有关的信息，主要包括对应地理位置信息的信干噪比、大尺度信道增益信息进行收集。

3.如权利要求1所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，选择参与训练的边缘用户具体包括以下子步骤：

初始化参数；

根据初始化的参数，确定参与本轮训练的所有边缘用户与未参与本轮训练的所有边缘用户在下一轮训练中被选择概率的大小；

根据参与本轮训练的所有边缘用户与未参与本轮训练的所有边缘用户在下一轮训练中被选择概率的大小，确定参与下一轮训练的边缘用户。

4.如权利要求3所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，初始化参数包括初始化最大用户选择数N，确定全程参与训练的用户l^*，随机从{1,2,L,L}个用户中选择N-1个边缘用户参与本轮训练。

5.如权利要求4所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，根据初始化的参数，确定各个边缘用户被选择概率的大小具体包括以下子步骤：

根据初始化参数进行批量数据的训练，获得参与本轮训练的边缘用户训练前后梯度的变换信息；

参与本轮训练的边缘用户通过上行数据传输将获得的参与本轮训练的边缘用户训练前后的梯度变化信息发送给无人机聚合端；

无人机聚合端使用神经网络利用接收到的训练前后的梯度变化信息预测出未参与本轮训练用户的梯度变化信息；

根据未参与本轮训练的边缘用户的梯度变化信息，获得每个边缘用户下一轮训练被选择概率的大小。

6.如权利要求5所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，训练前后梯度变化信息包括，边缘用户l进行第μ轮训练时产生的梯度变化信息||e_lμ||和全程参与训练的用户l^*的梯度变化信息

7.如权利要求6所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，每个边缘用户下一轮训练被选择概率的大小P_lμ+1具体表示为：

其中l^*为一直参与训练过程的用户，l'为未参与本轮训练的用户，N为系统最大允许参与训练用户数，||e_l'μ||表示未参与本轮训练的边缘用户的梯度变化信息，||e_lμ||表示训练前后梯度的变换信息。

8.如权利要求7所述的无线通信网络中无线电地图的构造和定位方法，其特征在于，定义联邦学习过程中总的损失函数其中f(w,x_li,y_li)为边缘用户l的损失函数，其中w为边缘用户l神经网络的模型参数，x_li为边缘用户l数据的输入向量，y_li边缘用户l为神经网络的输出向量，m为边缘用户l每批次训练数据的大小。