一种联邦学习网络模型优化方法

本发明提出一种联邦学习网络模型优化方法，属于无线通信与联邦学习技术领域,旨在解决传统联邦学习在无线通信环境中面临的通信开销大、延迟高以及多径效应干扰等问题。该方法通过利用RIS技术优化无线信道的相位，减少多径效应带来的信号干扰和衰落并进行相位补偿，提升通信质量；同时，结合空中计算(OAC)技术，联合设计发射端与接收端，充分利用无线信道的物理特性，实现模型参数的聚合，降低通信开销和时延。服务器将聚合后的信号解调并反量化为模型参数，更新全局模型后分发至所有客户端，启动下一轮训练。为联邦学习在无线环境中的实现提供了新方案。