[发明专利]一种无线联邦学习方法及装置

说明书

本发明公开了一种无线联邦学习方法及装置，方法包括步骤：基于空中计算的分布式学习用户和基于非正交多址接入的集中式学习用户通过双功能智能超表面辅助的并发传输，共享上行频谱资源，将本地数据和模型参数同时发送到基站进行混合学习；基站首先对基于非正交多址接入的集中式用户进行信号译码，从而获得每个集中式学习用户的本地数据，用以计算其模型参数；然后基站利用串行干扰消除及空中计算技术得到联邦学习用户的平均模型参数；基站结合前述两类模型参数，更新全局模型；之后基站将全局模型下发至所有联邦学习用户以进行下一轮学习，直至全局模型收敛或达到最大迭代次数。本发明可以显著降低通信开销和降低传输时延以及获得更好的学习性能。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种无线联邦学习系统架构训练的方法、装置及电子设备。

背景技术

随着分布式学习技术的不断发展，联邦学习技术使得位置分散的设备能够在用户端处理原始数据的同时协同执行模型训练。当前，可以通过基于空中计算的联邦学习来降低通信开销和延迟的问题。

双功能智能超表面技术是一种新型的无线信号传播环境智能重构技术，智能超表面是由大量低成本无源反射元件组成的平面，每个元件能够独立地诱导入射信号的振幅和相位变化，从而协同实现精细的三维反射波束形成。双功能智能超表面可以同时支持反射和折射两种工作模式，通过同时调整全方向入射信号的相位与幅度主动改善基站与用户之间的信道条件，进而实现信息的并行传输。

由于联邦学习具有分散性，所有参与者都需要在本地设备上执行模型计算。但是在实践中，本地用户之间的计算能力是多种多样的，这使得计算能力不足但数据量大的设备难以协同训练共享模型。

因此，我们亟需一种针对用户异构性问题的技术，以解决用户计算能力不足导致以协同训练的问题。

发明内容

本发明针对上述问题，提出一种无线联邦学习方法及装置，以提高无线联邦学习系统在计算资源受限情境中的性能。

为了实现上述目的，本发明提供如下技术方案：

第一方面，本发明提供了一种无线联邦学习方法，包括以下步骤：

S201、基于空中计算的分布式学习用户和基于非正交多址接入的集中式学习用户通过双功能智能超表面辅助的并发传输，共享上行频谱资源，将本地数据和模型参数同时发送到基站进行混合学习；

S202、基站首先对基于非正交多址接入的集中式用户进行信号译码，从而获得每个集中式学习用户的本地数据，用以计算其模型参数；然后基站利用串行干扰消除及空中计算技术得到联邦学习用户的平均模型参数；

S203、基站结合前述两类模型参数，更新全局模型；之后基站将全局模型下发至所有联邦学习用户以进行下一轮学习，直至全局模型收敛或达到最大迭代次数。

进一步地，步骤S201的具体方法为：有计算能力的用户通过本地计算得到模型参数，利用空中计算上传到基站；没有计算能力的用户通过使用非正交多址接入技术将他们的本地数据集传输到基站，并由基站来代替其进行模型计算，从而参与到学习的过程中；借助双功能智能超表面，使得集中式学习的本地数据与联邦学习的模型参数得以并行上传，从而将两者集成到一个统一的框架中。

进一步地，步骤S201中，所有用户集合表示为U＝N∪K，其中，联邦学习用户集合表示为集中式学习用户的集合表示为根据双功能智能超表面的空间设置，将其自由空间分为折射区域与反射区域，对于分别位于这两个区域内的用户的信号传输到反射面时，双功能智能超表面分别采用折射和反射大的模式将信号传送到基站，具体形式为：