[發(fā)明專利]一種基于隨機聚合波束成形的用戶設(shè)備選擇方法有效
| 申請?zhí)枺?/td> | 202111503756.4 | 申請日： | 2021-12-10 |
| 公開（公告）號： | CN114189899B | 公開（公告）日： | 2023-03-31 |
| 發(fā)明（設(shè)計）人： | 劉升恒;黃永明;徐春梅;傅凝寧 | 申請（專利權(quán)）人： | 東南大學 |
| 主分類號： | H04W24/06 | 分類號： | H04W24/06;H04B7/06;H04B7/08;G06N20/00;H04L41/14;H04L41/142 |
| 代理公司： | 南京瑞弘專利商標事務(wù)所(普通合伙) 32249 | 代理人： | 孫建朋 |
| 地址： | 211102 江*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 隨機 聚合 波束 成形 用戶 設(shè)備 選擇 方法 | ||
1.一種基于隨機聚合波束成形的用戶設(shè)備選擇方法，其特征在于，包括以下步驟：
步驟1、構(gòu)建聯(lián)邦學習系統(tǒng)模型；
步驟1.1、在一個邊緣智能系統(tǒng)中，有K個配備了一根天線的邊緣用戶設(shè)備和一個配備了N根天線的中心節(jié)點，其中N小于K；所有用戶設(shè)備構(gòu)成的集合記作每個用戶設(shè)備k擁有自己的本地數(shù)據(jù)集/而全局數(shù)據(jù)集則由這些本地數(shù)據(jù)集組合而成/這些用戶設(shè)備共同實現(xiàn)一個智能應(yīng)用；
步驟1.2、采用聯(lián)邦學習分布式學習框架；
步驟2、訓練步驟1中構(gòu)建的分布式聯(lián)邦學習模型，并使用空中計算技術(shù)來提高通信效率，確定因采用該空中計算技術(shù)產(chǎn)生的聚合誤差；
步驟3、根據(jù)步驟2中確定的聚合誤差，構(gòu)建兩個優(yōu)化問題，其一是在用戶設(shè)備選擇數(shù)固定的情況下最小化均方誤差的問題，其二是保證均方誤差在低水平的情況下，最大化可選擇的用戶設(shè)備數(shù)的問題；
步驟4、針對步驟3中構(gòu)建的兩個優(yōu)化問題，分別提出了基于隨機聚合波束成形的最小化均方誤差算法和基于隨機聚合波束成形的最大化用戶設(shè)備選擇算法去求解；
所述基于隨機聚合波束成形的最小化均方誤差算法包括以下步驟：
步驟A、確定要選擇的用戶設(shè)備數(shù)一個隨機采樣次數(shù)Nm，每次循環(huán)都會產(chǎn)生一個輔助變量tmp，tmpmax是記錄循環(huán)到當前回合為止的最大的tmp的一個變量，并初始化tmpmax＝0；從1到Nm，不斷循環(huán)以下步驟B至步驟D三個步驟，即一共執(zhí)行Nm次；其中/表示S中元素的數(shù)量；
步驟B、從復高斯分布中隨機采樣一次得到mr，其中I是N×N維的單位矩陣，并對mr進行歸一化mr＝mr/||mr||；mr從復高斯分布/中隨機采樣一次得到的結(jié)果，其物理意義是隨機生成的波束成形矢量；
步驟C、對每一個用戶設(shè)備k，計算等效信道功率然后將所有的等效信道功率進行降序排列，選出其中的第S個值記為tmp；hk是第k個用戶和中心節(jié)點之間的信道矢量；
步驟D、若tmptmpmax，則令tmpmax＝tmp，然后該回合要選擇的參與更新的用戶設(shè)備子集確定為而m＝mr；
步驟E、循環(huán)執(zhí)行完成后，得到所求的參與更新的用戶設(shè)備子集和中心節(jié)點的波束成形矢量m；
所述基于隨機聚合波束成形的最大化用戶設(shè)備選擇算法包括以下步驟：
步驟a、首先確定限制MSE的閾值一個隨機采樣的次數(shù)Nm；并且將可選擇的最大用戶設(shè)備子集初始化為空集，即/從1到Nm，不斷循環(huán)步驟b至步驟e這四個步驟，即一共循環(huán)Nm次；
步驟b、從復高斯分布中隨機采樣一次得到mr，其中I是N×N維的單位矩陣，并對mr進行歸一化，即mr＝mr/||mr||；/
步驟c、對每一個用戶設(shè)備k，計算P是各個用戶設(shè)備信號發(fā)射功率的上限值；
步驟d、確定參與更新的用戶設(shè)備的子集為
步驟e、若那么令/m＝mr；
步驟f、循環(huán)過程執(zhí)行完成后，得到可選擇的最大用戶設(shè)備子集和中心節(jié)點的最優(yōu)波束成形矢量m。
2.根據(jù)權(quán)利要求1所述的基于隨機聚合波束成形的用戶設(shè)備選擇方法，其特征在于，所述步驟1.2中采用聯(lián)邦學習分布式學習框架包括以下步驟：
步驟1.2.1、在所有的用戶設(shè)備中選擇一個子集來參與該回合的訓練；
步驟1.2.2、被選中的用戶設(shè)備根據(jù)自己的本地數(shù)據(jù)集對本地模型參數(shù)更新E次，然后將這些參數(shù)上傳給中心節(jié)點；
步驟1.2.3、中心節(jié)點根據(jù)收到的參數(shù)來更新全局模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東南大學，未經(jīng)東南大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111503756.4/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
