一种面向空天地一体化网络的低时延高性能联邦学习方法

本发明公开了一种面向空天地一体化网络的低时延高性能联邦学习方法，属于物联网环境中地面网络、卫星通信、无人机通信、网络优化及资源分配技术领域。本发明包括：①构建了四层空天地一体化联邦学习系统，用户在本地训练模型后上传至基站，基站结合用户关联决策和无线资源分配方案，完成模型聚合，并通过无人机协调与其他基站的模型交换；②设计了联合优化问题，最小化用户关联权重偏差和训练延迟，并采用基于梯度下降的联合原始‑对偶算法求解；③在考虑低轨卫星有限接入时间窗口的前提下，基站根据优化结果完成模型聚合，通过无人机协调后上传至卫星，实现低时延高性能联邦学习。本方法具有有限的时间内提高得学习性能等优点。