无线蜂窝系统中应用联邦学习的信令机制技术方案

本申请公开了一种无线蜂窝系统中应用联邦学习的信令机制，信令机制包括：一个无线节点向另外一个无线节点发送基于联邦学习的人工智能模型信息，该信息至少包括无线应用案例、联邦学习类型、人工智能模型结构、特征参数、处理时延要求、联邦学习的时间信息、参与联邦学习的方式、人工智能模型传输的性能参数；另外一个无线节点向此无线节点应答是否加入联邦学习以及发送相关的确认信息。联邦学习以及发送相关的确认信息。联邦学习以及发送相关的确认信息。

【技术实现步骤摘要】
无线蜂窝系统中应用联邦学习的信令机制


[0001]本专利技术涉及数据处理技术，更具体的说，是涉及无线蜂窝系统中应用联邦学习的信令处理方法和装置。

技术介绍

[0002]人工智能技术可以应用于无线蜂窝系统中，帮助解决无线通信的系列问题，例如无线调度、切换优化等。但是受限于数据隐私保护、采集数据量不足等因素，人工智能模型的部署和性能受到很大制约。基于这样的背景，可以将基于联邦学习的人工智能技术引入到无线通信中来，帮助解决数据隐私、数据量受限等问题。
[0003]联邦学习分为横向联邦和纵向联邦。横向联邦学习也称为特征对齐的联邦学习，横向联邦学习参与者的数据特征是对齐的。纵向联邦学习，适用于参与者训练样本ID重叠较多，而数据特征重叠较少的情况。
[0004]目前，将基于联邦学习的人工智能技术引入到无线蜂窝系统的研究刚刚开始，无线节点之间的信令机制也没有相关标准，尚无相关公开的技术资料。

技术实现思路

[0005]有鉴于此，本专利技术提供如下技术方案。
[0006]1．一种无线蜂窝系统中的信令机制，应用于无线节点之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线蜂窝系统中的信令机制，应用于无线节点之间的联邦学习，其特征在于，包括：一个无线节点向另外一个无线节点发送基于联邦学习的人工智能模型信息，该信息至少包括无线应用案例、联邦学习类型、人工智能模型结构、特征参数、处理时延要求、联邦学习的时间信息、参与联邦学习的方式、人工智能模型传输的性能参数；另外一个无线节点向此无线节点应答是否加入联邦学习以及发送相关的确认信息。2.根据权利要求1所述的一种无线蜂窝系统中的信令机制，其特征在于，所述无线应用案例，至少包括一个或者多个以下配置参数：无线资源优化、用户行为检测、网络节能、负载均衡、用户移动性优化、用户体验优化。3.根据权利要求1所述的一种无线蜂窝系统中的信令机制，其特征在于，所述联邦学习的时间信息，至少包括：人工智能模型局部优化完成时间；向中心节点发送完成局部优化的人工智能模型的时间；中心节点完成人工智能模型全局优化的时间；中心节点将全局优化的人工智能模型发送给本地节点的时间。4.根据权利要求1所述的一种无线蜂窝系统中的信令机制，其特征在于，所述参与联邦学习的方式，至少包括...

【专利技术属性】
技术研发人员：韩丽华，
申请(专利权)人：北京物资学院，
类型：发明
国别省市：