基于压缩感知和量化编码的无线联邦学习方法

摘要

本发明涉及一种基于压缩感知和量化编码的无线联邦学习方法，包括：本地提供数据进行训练；读取训练后的模型数据；按比例增加上一轮记录稀疏化误差；对模型稀疏化；记录本轮稀疏化误差；压缩编码；量化编码；传输；量化解码；信号重构；服务器更新模型；将新的全局模型下发给用户端进行一轮新的训练。本发明通过手动稀疏化的方式，引入压缩感知和量化编码，减少模型数据的信息量，使之成为更容易传输的类型，在信源处减少了传输数据的信息量，减少了对发射功率、信道带宽的要求，降低了模型训练的成本，一定程度上提高了模型更新的效率，加快了最终模型完成的速度。