联邦学习网络中可重构智能反射表面辅助的资源分配方法组成比例

本发明专利技术涉及一种联邦学习网络中可重构智能反射表面辅助的资源分配方法，由引入能效优化模型、转化能效优化模型、优化用户设备发送功率、优化基站接收标量、优化可重构智能反射表面相移系数步骤组成；本发明专利技术采用了空中计算技术和可重构智能反射表面技术，解决了联邦学习中本地模型上传时因上传设备过多引起的频谱资源受限的问题；减小了用户到基站的路径损耗和信道衰落，提升了系统能量效率和频谱利用率；本发明专利技术具有频谱利用率高，能效高等优点。

【技术实现步骤摘要】

本专利技术属于无线通信，具体涉及联邦学习网络中可重构智能反射表面辅助的资源分配方法。

技术介绍

1、作为一种新兴的分布式机器学习范式，联邦学习框架中只上传局部模型参数，而不上传大量的局部数据，显著降低了通信开销。然而，有限的频谱资源和大量的接入请求将不可避免地影响联邦学习的性能。

2、空中计算技术是解决这一问题的有效技术。与传统的通信与计算分离的设计不同，该模型可以利用多接入信道的叠加特性在空中快速完成聚合。此外，空中计算允许参与联邦学习的所有设备共享整个频谱，这可以克服大量数据访问导致的高延迟问题，并减少系统中的通信开销。以上优势使得空中计算技术具有广泛的应用场景。

3、可重构智能反射表面由大量无源反射元件组成，可通过编程控制入射信号的幅度、相位等特性，实现无线信道的按需调节。与传统中继相比，通过适当的配置可以解决无线信道中的衰落和干扰问题。此外，大量的实验数据表明，可重构智能反射表面辅助无线通信可以大大提高系统性能。近年来，将可重构智能反射表面应用于无线通信被认为是未来无线通信的关键技术之一。

4、在联邦学习网络中采本文档来自技高网...

【技术保护点】

1.一种联邦学习网络中可重构智能反射表面辅助的资源分配方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的联邦学习网络中可重构智能反射表面辅助的资源分配方法，其特征在于：在步骤（1）中，所述的取值为3。

【技术特征摘要】

1.一种联邦学习网络中可重构智能反射表面辅助的资源分配方法，其特征在于：该方法包括以下步骤：

2.根据...

【专利技术属性】
技术研发人员：任远，王泽阳，张雪薇，王军选，王颖，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：