MMJun, 2019

在衰落信道中为无线计算优化功率控制

PDF
TL;DR该论文研究了在衰落信道上 Over-the-air computation（空中计算）的功率控制问题。通过优化无线设备的发送功率和协作中心的信号缩放因子，实现最小化计算误差的目标。通过推导出闭合形式的最优解，并设计规则化的通道倒置结构，通过平衡信号幅度对齐和噪声抑制之间的权衡，以获得更好的计算性能。
over-the-air computationpower controlfading channelssignal scaling factoroptimization
发现论文，激发创造
  • OFDM 系统中带有不完全信道状态信息的无线计算

    本文研究了具有不完美信道状态信息的正交频分复用系统中，通过多个子载波同时发送信号进行分布式功能计算的无线设备的发射系数和访问点的接收波束成形向量的联合优化问题。

    Jul, 2023

  • 通过非相干无线计算的动态功率控制实现私有联邦学习

    在联邦学习中，通过动态功率控制的 AirComp 方案进一步保护模型权重隐私并提高模型性能，边缘设备通过激活相邻正交频分复用（OFDM）子载波传输本地随机梯度的符号，通过能量在子载波上的积累获得边缘服务器的多数表决，然后通过动态功率控制算法进一步抵消多数表决聚集值的偏差，整个方案能够减轻时间同步误差、信道衰落和噪声带来的影响，该方案的理论收敛性证明得到重新推导。

    Aug, 2023

  • 面向空中计算网络的协作干扰管理

    本文研究多小区 AirComp 网络的功率控制策略，包括中心化多小区功率控制和分布式功率控制。该文提出了一种基于集成电路的方法来解决无中心控制的情况并证明了该算法的有效性，模拟结果表明，采用所提出的算法的协作功率控制可以大幅减少 AirComp 网络的总均方误差。

    Jul, 2020

  • 空中计算系统：优化、分析和扩展定律

    本文介绍一种基于超定性数据信道中数据传输和计算联合进行的方法 ——AirComp，以提高物联网（IoT）中大型数据应用的计算效率和能源效益，并探讨了最低计算平均误差和平均功耗下的方法优化问题。

    Sep, 2019

  • 面向无线联邦边缘学习的优化功率控制设计

    研究了 Air-FEEL 系统中的传输功率控制，通过最大化收敛速度的方法优化功率控制策略，并使用拉格朗日对偶方法得到了优化解，结果表明该策略比传统策略实现了更快的收敛速度。

    Jun, 2021

  • 通过削峰压控实现带压缩的空中协作学习的收敛分析

    本文提出了基于范数剪切的空中联邦学习机制，称作 AirFL-Clip 和 AirFL-Clip-Comp，并且为这两种机制提供了收敛性分析，支持离线评估。同时，作者扩展了这两种机制，支持 Top-k 稀疏化和线性压缩。通过实验证明，这个方法可以有效地解决无线通信下联邦学习的能耗和带宽限制问题。

    May, 2023

  • 高移动性多模式感知的 MIMO 无线计算

    该研究论文探讨了将 over-the-air-computation 技术用于下一代多天线多模传感器网络，特别是设计用于多功能 AirComp 的波束成形和信道反馈技术，其中接收波束成形的优化是通过紧缩传输功率约束的近似问题使用微分几何来求解的。

    Mar, 2018

  • 利用接收噪声实现差分隐私的 AirComp 联邦学习和功率自适应

    本研究旨在实现保护隐私的 AirComp-based 联邦学习，通过利用接收器噪声扰动从而防止私人数据的推断，通过调整接收信号级别以有效控制噪声扰动水平来实现差分隐私，分析了隐私和信噪比之间的权衡。

    Apr, 2020

  • 无线联合边缘学习的宽带数字无线计算

    本文提出了首个基于正交频分复用（OFDM）的数字化无线计算（AirComp）系统，该系统适用于多个边缘设备同时传输模型数据，使用非正交无线资源，并且边缘服务器直接从叠加信号聚合数据。

    Dec, 2022

  • 联合功率控制与数据大小选择用于辅助联邦学习的空中计算

    联合优化基站和移动设备的信号放大因子以及每个移动设备参与本地训练的数据量，提出了一种减少均方误差的方法，有助于改善联合学习的训练性能。

    Aug, 2023