一种面向无蜂窝大规模MIMO的量化联邦学习方法与系统

本发明公开了一种面向无蜂窝大规模MIMO的量化联邦学习方法与系统。本发明利用无蜂窝大规模MIMO网络的分布式特性及其出色的网络性能，将联邦学习这一分布式机器学习框架部署在无蜂窝大规模MIMO网络之上。为了缓解联邦学习中频繁交换大量模型参数带来的开销问题，本发明在用户上传模型参数更新值前对其进行量化以减少传输比特数，降低系统的通信开销。考虑到在实际通信中，用户常因干扰或资源限制而接入失败，本发明进一步引入随机用户选择机制，以适应不同用户参与率，优化模型训练性能并降低通信开销。本发明已被证明在考虑信道估计误差、量化误差和部分用户参与下的收敛性。此外，本发明可以实现在保证学习性能的同时减少传输比特数，降低通信开销。