基于自编码器的无线联邦学习中的 AirComp 星座设计

原文约300字，阅读约需1分钟。发表于：。

该研究提出了一种支持数字调制的端到端通信系统，旨在克服数字调制的 AirComp 中精确解码总和信号的挑战，通过使用自编码器网络结构和发射机、接收机组件的共同优化，填补了数字调制的 AirComp 情景中精确解码总和信号的重要空白，可以推动联邦学习在当代无线系统中的部署。

本文介绍了一种基于UMAirComp框架的边缘联邦学习方式，通过模拟波束成形上传本地模型参数并更新全局模型参数，降低通信延迟和成本。提出了PAM和AGP算法，解决非凸非光滑损失约束下的大规模优化问题。在边缘联邦学习系统中获得较小的误差。测试结果表明UMAirComp系统对自主驾驶任务更敏感。