(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111509287.7 (22)申请日 2021.12.10 (65)同一申请的已公布的文献号 申请公布号 CN 114169243 A (43)申请公布日 2022.03.11 (73)专利权人 浙江辰时科技 集团有限公司 地址 311100 浙江省杭州市余杭区仓前街 道欧美金融城2幢2906室、 2907室、 2908室 (72)发明人 袁晓军　钟晨曦　黄浩　秦浪　 (74)专利代理 机构 杭州裕阳联合专利代理有限 公司 33289 专利代理师 高明翠 (51)Int.Cl. G06F 30/27(2020.01)G06F 17/16(2006.01) G06N 20/00(2019.01) H04B 7/0413(2017.01) H04B 7/06(2006.01) H04B 7/08(2006.01) (56)对比文件 CN 113139662 A,2021.07.20 审查员 闪赛 (54)发明名称 MIMO干扰信道下空中计算多任务联邦学习 方法 (57)摘要 本发明公开了一种MIMO干扰信道下空中计 算多任务联邦学习方法， 多任务联邦学习系统由 MIMO干扰信道中的多个共享时频资源的子系统 组成。 系统根据信道和梯度间相关性设计接收端 对齐因子， 进而采用交替优化和分式规划设计 MIMO波束赋形收发器， 消除梯度上传过程中的任 务间干扰。 还提出一种新 颖的方法设计接收端对 齐因子。 这种设计方案增加了优化发端功率的自 由度， 从而避免了现有 方案中为了解决离群者问 题而采用的高复杂 度的用户选择算法。 在优化中 利用了同一任务内来自不同设备梯度之间的空 间相关性， 从而实现更优 越的优化和学习性能。 权利要求书4页 说明书9页 附图2页 CN 114169243 B 2022.07.29 CN 114169243 B 1.一种MIMO干扰信道下空中计算多任务联邦学习方法， 应用于多任务联邦学习 系统； 多任务联邦 学习系统包含K个 FL子系统， 每个FL子系统包含一个NK根天线的中心参数服 务器PS和Mk个NT根天线的边 缘设备； 其特 征在于， 所述MIMO干扰信道下空中计算多任务联邦学习方法包 含以下步骤： S1： 在多任务联邦学习 系统中部署K个不同的FL任务， 每 个FL子系统 处理一个FL任务； S2： FL任务训练的最大通信轮次为T， 对于通信轮次t， 每个边缘设备在本地进行梯度下 降， 计算局部梯度 再计算局部梯度 的均值 和方差 通 过无差错信道将均值 和方差 上传至中心参数服 务器PS； S3： 中心参数服务器PS和边缘设备进行信道信息的估计， 每一通信轮次中梯度上传时 信道保持不变， 并且中心参数服 务器PS拥有全局的信道信息 S4： 中心参数服务器PS估计来自不同边缘设备间的梯度相关性， 通过凸优化方法设计 发端天线 波束赋形 和收端天线 波束赋形 S5： 中心参数服 务器PS对每个k∈[K]， i∈[Mk]， 优化发端天线 波束赋形u<k， i>； S6： 中心参数服 务器PS对每个k∈[K]， i∈[Mk]， 优化收端天线 波束赋形fk； S7： 中心参数服 务器PS计算目标函数obj的值， 若obj的值收敛则跳入S 8， 否则跳入S5； S8： 中心参数服 务器PS计算收端合并因子ζk； S9： 中心参数服 务器PS将优化结果 通过无差错信道回传给边 缘设备； S10： 边缘设备根据优化后的发端天线波束赋形u<k， i>上传本地梯度至中心参数服务器 PS； S11： 中心参数服务器PS根据接收到的信息恢复出聚合梯度 并根据聚合梯度 对模 型进行更新； S12： 中心参数服 务器PS将更新后的全局模型通过 无差错信道回传至每 个边缘设备； S13； 重复上述过程 直至通信轮次t＞T， 否则跳入S2。 2.根据权利要求1所述的MIMO干扰信道下空中计算多任务联邦学习方法， 其特 征在于， 在步骤S1中， 多任务联邦学习 系统的全局损失函数定义 为： 式中， 为各个任务模型参数的全集， wk表示FL任务k的模型参数， Fk(·)为FL 任务k的损失函数， Fk(wk)具体表示 为： 式中， Qk为FL任务k数据集 的样本数目， Q<k， i>为第<k， i>个边缘设备上本地数据集 的样 本数目， F<k， i>为第<k， i>个边 缘设备的本地损失函数。 3.根据权利要求2所述的MIMO干扰信道下空中计算多任务联邦学习方法， 其特 征在于， 在S2中， 根据下述公式计算均值 和方差 权　利　要　求　书 1/4 页 2 CN 114169243 B 2式中， D为梯度向量长度， 表示梯度向量 的第d个元 素。 4.根据权利要求3所述的MIMO干扰信道下空中计算多任务联邦学习方法， 其特 征在于， 在S4中， 定义 为轮次t时FL任务k内Mk个边缘设备发送的梯 度组成的矩阵， FL任务 k内边缘设备间梯度的相关系数矩阵 定义如下： 式中， 为同一系统内第d维梯度组成的向量。 5.根据权利要求 4所述的MIMO干扰信道下空中计算多任务联邦学习方法， 其特 征在于， 在S5中， 优化设备发端 波束赋形u<k， i>的具体方法为： 固定住其 他 的波束赋形向量和收端 波束赋形fk， 进行如下优化： s.t.||u<k， i>||2≤P0 其中， P0为最大功率， 系数矩阵 和向量 由如下公式给 出： 其中， 为分式规划引入的辅助变量， 由如下公式给 出： 其中， σ2为高斯白噪声分布的方差 。 6.根据权利要求5所述的MIMO干扰信道下空中计算多任务联邦学习方法， 其特 征在于， 在S6中， 优化收端天线 波束赋形fk的具体方法为： 固定 进行如下优化： s.t.||fk||2≤1 其中， 系数矩阵 和向量 由如下公式给 出： 权　利　要　求　书 2/4 页 3 CN 114169243 B 3