面向星地协同网络的联邦边缘学习方法研究 |
| |
引用本文: | 张雅童,张保庆,孟维晓,陈舒怡.面向星地协同网络的联邦边缘学习方法研究[J].移动通信,2024(1):40-46. |
| |
作者姓名: | 张雅童 张保庆 孟维晓 陈舒怡 |
| |
作者单位: | 1. 哈尔滨工业大学电子与信息工程学院;2. 北京电子工程总体研究所 |
| |
基金项目: | 国家自然科学基金委面上项目“空天地融合网络泛在感知接入与智能协同业务处理方法”(6227010992); |
| |
摘 要: | 目前地面蜂窝网络无法实现全球广域覆盖,同时抗毁性不高。低轨卫星网络的加入,弥补了地面蜂窝网络的不足。二者协同成为星地协同网络后可以打破两种网络之间互相独立的现状并结合它们的优点,是未来的发展趋势。在对星地协同网络中海量设备产生的大量数据进行分析处理时,易出现隐私信息泄露和数据孤岛问题。为解决上述问题,提出一种包含分层聚合和用户关联策略的联邦边缘学习算法。该算法通过分层聚合来适配星地协同网络,并通过用户关联策略实现时延和模型精度的联合优化。仿真表明,所提出的算法可以使协同网络中进行联邦边缘学习的全过程时延较低,同时可以得到较高的模型测试精度。
|
关 键 词: | 星地协同网络 联邦学习 边缘计算 联邦边缘学习 |
|
|