[發明專利]一種基于聯邦學習的移動設備射頻分布識別方法在審
| 申請號： | 202110228356.0 | 申請日： | 2021-03-02 |
| 公開（公告）號： | CN113037662A | 公開（公告）日： | 2021-06-25 |
| 發明（設計）人： | 胡蘇;吳薇薇;高原;林迪;曹江;尹峻松;王雙雙 | 申請（專利權）人： | 電子科技大學;中國人民解放軍軍事科學院戰爭研究院 |
| 主分類號： | H04L25/02 | 分類號： | H04L25/02;H04L5/00;G06N20/00 |
| 代理公司： | 成都正華專利代理事務所(普通合伙) 51229 | 代理人： | 李蕊 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 聯邦 學習 移動 設備 射頻 分布 識別 方法 | ||
1.一種基于聯邦學習的移動設備射頻分布識別方法，其特征在于，包括以下步驟：
S1、通過瑞利衰落信道采集時域數據，并對所述時域數據進行預處理；
S2、根據所述預處理后的時域數據，利用移動設備構建基于聯邦學習的分布式計算模型；
S3、根據所述時域數據的層次劃分，利用動態樣本選擇算法對所述分布式計算模型進行訓練，完成基于聯邦學習的移動設備射頻分布識別。
2.根據權利要求1所述的基于聯邦學習的移動設備射頻分布識別方法，其特征在于，所述步驟S1包括以下步驟：
S101、通過瑞利衰落信道采集時域數據；
S102、使用最小均方誤差為目標的信道估計方法，將所述時域數據進行歸一化處理；
S103、將所述時域數據劃分為若干個子序列，并設輸入的I/Q子序列長度為T，每個子序列的長度為t；
S104、利用滑動窗口對各子序列進行分割，完成對時域數據的預處理。
3.根據權利要求2所述的基于聯邦學習的移動設備射頻分布識別方法，其特征在于，所述步驟S104中所述滑動窗口的長度與各子序列的長度相同。
4.根據權利要求1所述的基于聯邦學習的移動設備射頻分布識別方法，其特征在于，所述步驟S2中的分布式計算模型包括若干個移動設備，以及匯總若干個移動設備更新數據的總服務器，且各移動設備訓練各自的時域數據。
5.根據權利要求4所述的基于聯邦學習的移動設備射頻分布識別方法，其特征在于，所述步驟S2包括以下步驟：
S201、將預處理后的時域數據分發至不同的移動設備，并利用總服務器協調若干個移動設備；
S202、選擇nk個移動設備，并利用聯邦學習模型對分布在每個移動設備上的時域數據進行訓練；
S203、將訓練結果匯總至總服務器，完成基于聯邦學習的分布式計算模型的構建。
6.根據權利要求5所述的基于聯邦學習的移動設備射頻分布識別方法，其特征在于，每個所述移動設備的平均梯度的表達式如下：
式中，gk表示移動設備的平均梯度，Jk表示目標損失函數，wk表示分布式計算模型的參數權重；
每個所述移動設備的權重更新的表達式如下：
式中，表示第t+1次迭代時參數的更新權重，η表示學習速率，Wtk表示第t次迭代時參數的權重。
7.根據權利要求6所述的基于聯邦學習的移動設備射頻分布識別方法，其特征在于，所述聯邦學習模型包括加密樣本對齊模塊、加密模型訓練模型以及激勵效果模塊；
所述加密樣本對齊模塊，通過加密樣本對齊在各移動設備不暴露各自的用戶樣本ID的情況下，找出共同用戶，并共享共同用戶的數據；
所述加密模型訓練模塊，用于利用公鑰加密體系，對所述共同用戶數據的傳遞損失梯度進行加密，以實現分布式計算模型的更新；
所述激勵效果模塊，用于利用永久性數據記錄機制記錄所述分布式計算模型的效果，并根據所述效果優化分布式學習模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學;中國人民解放軍軍事科學院戰爭研究院，未經電子科技大學;中國人民解放軍軍事科學院戰爭研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110228356.0/1.html，轉載請聲明來源鉆瓜專利網。
