本发明涉及联邦学习的预编码,尤其涉及一种基于联邦学习的数据传输方法、装置和终端设备。
背景技术:
1、在2016年首次提出的联邦学习(fl)框架的概念,其是通过用户分布式训练本地数据,并上传模型参数以联合训练全局模型的技术过程,这既确保了隐私安全又在一定程度上降低了通信成本。然而,由于无线信道带来的通信和训练挑战,联邦学习通常难以在实践中实现。
2、而联邦学习在实际的应用场景,各个设备在上传模型参数传输时,需要生成信道中各信息符号对应的预编码,从而对信息符号进行编码后再上传对应的数据信号。而在车联网的应用场景中,由于车联网中设备会进行高速移动,使得基站与车联网设备之间的无线信道会发生动态的变化,导致在车联网的联邦学习中,因为动态变化的信道则需要频繁交换各个信道状态。而现有的预编码技术在面对动态变化的信道,即在面对时变的信道时,需要频繁交换所有参与联邦学习的设备的信道状态信息才能进行预编码,这将会使得系统的信道开销增加,从而导致联邦学习的数据传输速率较低,使得联邦学习对应的模型收敛速度较慢。
技术实现思路
1、本发明实施例提供了一种基于联邦学习的数据传输方法、装置和终端设备,能有效解决现有技术中需要频繁交换所有参与联邦学习的设备的信道状态信息才能进行预编码,这将会使得系统的信道开销增加,且使得联邦学习对应的模型收敛速度较慢的问题。
2、本发明一实施例提供了一种基于联邦学习的数据传输方法,适用于参与联邦学习的各个本地设备,包括:
3、根据预设状态方程以及预设观测方程对导频信号进行预测,得到对应的信道状态估计信息;其中,所述导频信号为本地设备在目标时间帧中向参与联邦学习的服务器发送的信号;
4、根据所述导频信号以及所述信道状态估计信息,生成所述设备所在信道对应的用于表征信道特性的信道矩阵;
5、根据所述信道矩阵,生成对应的目标预编码器,并基于所述目标预编码器对第一信息符号进行编码,生成第二信息符号;
6、将各个设备的第二信息符号传输至服务器,以使所述服务器根据各第二信息符号收集在目标时间帧内对应的模型训练数据。
7、优选地,所述根据预设状态方程以及预设观测方程对导频信号进行预测,得到对应的信道状态估计信息,包括:
8、将导频信号作为卡尔曼滤波器的输入;
9、重复以下预测操作,直至达到预测操作的迭代次数,生成最终的信道状态估计信息:
10、基于所述卡尔曼滤波器当前时刻对应的状态方程和观测方程,以及当前时刻的导频信号的观测值,对上一次预测的信道状态估计信息进行重新预测,得到当前的信道状态估计信息和当前的协方差;
11、根据当前的协方差进行预测得到新的协方差后,基于新的协方差得到卡尔曼增益;
12、基于当前的信道状态估计信息以及卡尔曼增益,生成此次预测的信道状态估计信息;
13、在判定未达到预测操作的迭代次数时,根据导频信号的观测值和此次预测的信道状态估计信息,更新卡尔曼滤波器的状态方程和观测方程。
14、优选地,所述根据所述导频信号以及所述信道状态估计信息,生成所述设备所在信道对应的用于表征信道特性的信道矩阵,包括:
15、根据所述导频信号,以及所述导频信号对应的接收信号计算得到信道冲激响应;
16、根据所述信道冲激响应以及所述信道状态估计信息中的幅度、相位和延迟,生成所述信道矩阵。
17、优选地,在生成对应的目标预编码器之前,包括:
18、获取卡尔曼滤波器实时录入的各个设备的信道参数;
19、在检测到设备的信道参数发生变化时,根据变化后的信道参数对已生成的信道矩阵进行更新,并将更新后的信道矩阵作为最终的信道矩阵;其中,所述最终的信道矩阵用于生成对应的目标预编码器。
20、优选地,基于所述目标预编码器对第一信息符号进行编码,生成第二信息符号,包括:
21、根据如下公式对第一信息符号进行编码,生成第二信息符号:
22、
23、
24、
25、其中,mdd为第n个设备的第二信息符号,bdd,n为第n个设备的信道矩阵,ρn为设备满足发射功率约束的预设标量值,on为目标编码器,ox,n为目标编码器的子矩阵,gdd,n为第n个设备的第一信息符号。
26、在上述的方法实施例的基础上,本发明对应提供了装置项实施例。
27、本发明一实施例提供了一种基于联邦学习的数据传输装置,包括:信道状态估计信息生成模块、信道矩阵生成模块、编码模块以及信息符号传输模块;
28、所述信道状态估计信息生成模块,用于根据预设状态方程以及预设观测方程对导频信号进行预测,得到对应的信道状态估计信息;其中,所述导频信号为本地设备在目标时间帧中向参与联邦学习的服务器发送的信号;
29、所述信道矩阵生成模块,用于根据所述导频信号以及所述信道状态估计信息,生成所述设备所在信道对应的用于表征信道特性的信道矩阵;
30、所述编码模块,用于根据所述信道矩阵,生成对应的目标预编码器,并基于所述目标预编码器对第一信息符号进行编码,生成第二信息符号;
31、所述信息符号传输模块,用于将各个设备的第二信息符号传输至服务器,以使所述服务器根据各第二信息符号收集在目标时间帧内对应的模型训练数据。
32、优选地,所述信道状态估计信息生成模块,用于根据预设状态方程以及预设观测方程对导频信号进行预测,得到对应的信道状态估计信息,包括:
33、所述信道状态估计信息生成模块,用于将导频信号作为卡尔曼滤波器的输入;
34、重复以下预测操作,直至达到预测操作的迭代次数,生成最终的信道状态估计信息:
35、基于所述卡尔曼滤波器当前时刻对应的状态方程和观测方程,以及当前时刻的导频信号的观测值,对上一次预测的信道状态估计信息进行重新预测,得到当前的信道状态估计信息和当前的协方差;
36、根据当前的协方差进行预测得到新的协方差后,基于新的协方差得到卡尔曼增益;
37、基于当前的信道状态估计信息以及卡尔曼增益,生成此次预测的信道状态估计信息;
38、在判定未达到预测操作的迭代次数时,根据导频信号的观测值和此次预测的信道状态估计信息,更新卡尔曼滤波器的状态方程和观测方程。
39、优选地,所述信道矩阵生成模块,用于根据所述导频信号以及所述信道状态估计信息,生成所述设备所在信道对应的用于表征信道特性的信道矩阵,包括:
40、所述信道矩阵生成模块,用于根据所述导频信号,以及所述导频信号对应的接收信号计算得到信道冲激响应;
41、根据所述信道冲激响应以及所述信道状态估计信息中的幅度、相位和延迟,生成所述信道矩阵。
42、在上述的方法实施例的基础上,本发明对应提供了终端设备项实施例。
43、本发明另一实施例提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述发明实施例所述的一种基于联邦学习的数据传输方法。
44、在上述的方法实施例的基础上,本发明对应提供了存储介质项实施例。
45、本发明另一实施例提供了一种存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的一种基于联邦学习的数据传输方法。
46、通过实施本发明具有如下有益效果:
47、本发明实施例提供了一种基于联邦学习的数据传输方法、装置和终端设备,在所述基于联邦学习的数据传输方法中,各个本地设备对于上传的第一信息符号进行预编码时,可以直接根据设备发送的导频信号进行状态演化和预估后,得到对应的信道状态估计信息,并基于所述信道状态估计信息生成每一设备所在信道对应的信道矩阵,从而可以得到对应的目标预编码器,实现对第一信息符号进行编码生成第二信息符号,从而本发明的数据传输方法无需频繁地交换其他时变信道的信道响应信息才能获得对应的信道矩阵,而是通过当前信道对应的导频信号进行直接预估得到对应的信道响应,从而实现快速对需要上传的第一信息符号进行编码,无需过多的信道开销,提高了系统的性能,则本发明可以快速将生成的第二信息符号上传至服务器,以使所述服务器可以快速根据各第二信息符号收集目标时间帧内对应的模型训练数据,从而加快了联邦学习对应的模型收敛速度。