买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：一种基于联邦学习的CSI反馈压缩增强方法及装置，涉及通信领域，包括：在当前训练轮次，基站获取上一个训练轮次全局CSI反馈信息，确定导频信号；用户设备根据导频信号获取CSI信息，通过CSI压缩网络的训练得到CSI反馈压缩信息；确定当前训练轮次的发送及接收配置方案；按方案用户设备向基站发送CSI反馈压缩信息和CSI压缩网络模型；基站提取CSI反馈压缩信息，用CSI恢复网络对CSI反馈压缩信息进行恢复处理，得到CSI反馈恢复信息；基站聚合CSI压缩网络模型得到聚合后的联邦学习聚合模型参数。本发明能适应信道状态的动态性变化，充分利用本地计算资源，保护本地数据集隐私，降低通信开销，减少端到端的时延。

主权项：1.一种基于联邦学习的CSI反馈压缩增强方法，其特征在于，包括以下步骤：步骤S101：首先配置多个用户设备和一个基站，同时在每个用户设备中设置CSI压缩网络且在基站中设置CSI恢复网络；在当前训练轮次，基站获取到上一个训练轮次的全局CSI反馈信息，确定当前训练轮次待发送的导频信号；用户设备根据基站发送的导频信号，获取当前训练轮次的CSI信息；以CSI信息作为输入，用户设备通过CSI压缩网络的训练得到CSI反馈压缩信息；步骤S102：用户设备和基站分别根据所获取的当前训练轮次的CSI信息和上一个训练轮次的全局CSI反馈信息，确定当前训练轮次的发送及接收配置方案；步骤S103：按照发送及接收配置方案，用户设备向基站发送CSI反馈压缩信息和CSI压缩网络模型；基站接收到来自各个用户设备的叠加信号后，从中提取出各个用户设备的CSI反馈压缩信息；基站使用CSI恢复网络对来自各个用户设备的CSI反馈压缩信息进行恢复处理，得到CSI反馈恢复信息；基站聚合CSI压缩网络模型得到聚合后的联邦学习聚合模型参数，并结束当前训练轮次；步骤S103的具体操作流程如下：步骤S1031：假设用户设备k的两个并行的功率分配因子分别为pt,c,k和pt,f,k，用户设备k根据功率分配因子pt,c,k和pt,f,k分别为CSI反馈压缩信息和CSI压缩网络模型参数ωt,k分配发送功率；步骤S1032：各个用户设备使用两个并行的功率分配因子分别控制CSI反馈压缩信息的发送功率和CSI压缩网络模型参数的发送功率，各个用户设备将经过发送功率控制后的CSI反馈压缩信息和CSI压缩网络模型参数叠加后在相同的时频资源上发送至基站；假设用户设备k的CSI反馈压缩信息的功率为1，在第t个训练轮次中，基站收到来自各个用户设备的叠加信号yt，叠加信号yt的具体计算公式为： 其中，ht,k为当前通信轮次内用户设备k与基站之间的信道增益，ωt,k为CSI压缩网络模型参数，nt为加性高斯白噪声，对应功率为σ2；基站先提取出第1个用户设备的CSI反馈压缩信息，然后将其从叠加信号中去除，然后提取出第2个用户设备的CSI反馈压缩信息，再将其从叠加信号中去除；基站将不断的进行连续干扰消除操作，直到基站提取出所有用户设备的CSI反馈压缩信息，并将其从叠加信号中去除；步骤S1033：基站接收来自各个用户设备的信号干扰噪声比，并采用连续干扰消除技术按照信号干扰噪声比由强到弱的顺序逐个提取各个用户设备的CSI反馈压缩信息，并将所提取的CSI反馈压缩信息从叠加信号中去除；假设K个用户设备与基站之间的信道增益满足以下条件：|ht，1|2≥|ht，2|2≥…≥|ht，k|2≥…≥|ht，K|2则基站将按照用户设备编号1,2,…,K的顺序进行提取CSI反馈压缩信息；其中，基站接收到的用户设备k的信号干扰噪声比γt,k为： 其中，ht,n和ht,k分别为当前通信轮次内用户设备n和用户设备k与基站之间的信道增益；若不假设K个用户设备与基站之间的信道增益的顺序，则需要具体确定基站提取各个用户设备上传的CSI压缩反馈信息的顺序，基站接收到的用户设备k的信号干扰噪声比γt,k为： 其中，表示用户设备编号所组成的集合，π表示基站提取各个用户设备上传的CSI压缩反馈信息的顺序，表示用户设备n的提取顺序在用户设备k之后，即基站先提取用户设备k的CSI压缩反馈信息，再提取用户设备n的CSI压缩反馈信息；步骤S1034：基站利用各个用户设备所上传的CSI反馈压缩信息训练CSI恢复网络，得到当前训练轮次内的CSI反馈恢复信息；基站基于当前训练轮次内来自各个用户设备的CSI反馈恢复信息，获得当前训练轮次内的全局CSI信息，调整下一训练轮次所发送的导频信号，并确定下一训练轮次内的CSI反馈压缩信息提取顺序；步骤S1035：基站对来自各个用户设备的CSI压缩网络模型参数进行模型聚合，得到联邦学习聚合模型参数；步骤S1035的具体操作流程如下：在基站提取出所有用户设备的CSI反馈压缩信息后，剩余叠加信号主要包括各个用户设备上传的CSI压缩网络模型，剩余叠加信号的具体计算公式为： 基站利用剩余叠加信号以聚合来自各个用户设备的CSI压缩网络模型，联邦学习聚合模型的具体计算公式为： 其中，为第t+1个训练轮次内的联邦学习聚合模型，也将作为下一训练轮次的联邦学习全局模型，并且作为各个用户设备本地的CSI压缩网络训练的起始参数。

全文数据：

权利要求：

百度查询： 华能伊敏煤电有限责任公司 一种基于联邦学习的CSI反馈压缩增强方法、装置及电子设备