一种基于1bit压缩感知的无线联邦学习方法

摘要

本发明公开了一种基于1bit压缩感知的无线联邦学习方法，包括：基站下发全局模型给各个用户端；用户端在本地提供数据进行训练；用户端将本地模型与下发的全局模型进行对比；用户端记录本轮本地模型更新的幅度和更新的趋势；用户端根据本地模型更新的幅度，动态选定稀疏度以及用于稀疏化的阈值；用户端根据阈值对本地模型更新的趋势进行稀疏化；用户端通过1‑bit压缩感知的方法进行压缩；基站通过BIHT算法和接收到的稀疏度将观测信号重构；基站通过接收到的阈值和重构的更新的稀疏趋势恢复用户端的本地模型；基站更新全局模型；基站下发新的全局模型给各个用户端进行一轮新的训练直到达到收敛。本发明降低了用户端的传输能耗。