2024年1月第1期40移动通信udyNetworks:AStudy[JJ.MobileCommunications,2024,48(1):40-46.ZHANGYatong,ZHANGBaoqing,MENGWeixiao,etal.FederatedEdgeLearningApproachesforSatellite-TerrestrialCooperative引用格式：张雅童，张保庆孟维晓，等.面向星地协同网络的联邦边缘学习方法研究[].移动通信，2024,48(1)：40-46.面向6G的星地融合网络技术专题1面向星地协同网络各的联邦边缘学习方法研究张雅童，张保庆？，孟维晓"，陈舒怡（1.哈尔滨工业大学电子与信息工程学院，黑龙江哈尔滨150001；2.北京电子工程总体研究所，北京100854）【摘要】目前地面蜂窝网络无法实现全球广域覆盖，同时抗毁性不高。低轨卫星网络的加入，弥补了地面蜂窝网络的不足。二者协同成为星地协同网络后可以打破两种网络之间互相独立的现状并结合它们的优点，是未来的发展趋势。在对星地协同网络中海量设备产生的大量数据进行分析处理时，易出现隐私信息泄露和数据孤岛问题。为解决上述问题，提出一种包含分层聚合和用户关联策略的联邦边缘学习算法。该算法通过分层聚合来适配星地协同网络，并通过用户关联策略实现时延和模型精度的联合优化。仿真表明，所提出的算法可以使协同网络中进行联邦边缘学习的全过程时延较低，同时可以得到较高的模型测试精度。【关键词】星地协同网络；联邦学习；边缘计算；联邦边缘学习doi:10.3969/j.issn.1006-1010.20231212-0001中图分类号：TN929.5OSID:扫描二维码文献标志码：A文章编号：1006-1010(2024)01-0040-07与作者交流FederatedEdgeLearnionroachesforSateite-errestrialoperativeNetworks:AStZHANGYatong',ZHANGBaoqing,MENGWeixiao',CHENShuyi'(1.SchoolofElectronicandInformationEngineering,HarbinInstituteofTechnology,Harbin150001,China;2.BeijingInstituteofElectronicSystemEngineering,Beijing100854,China)[Abstract]Currentterrestrialcellularnetworkscannotachieveglobalwide-areacoverageandlackrobustnessagainstdestruction.TheintegrationoflowEarthorbitsatellitenetworkscompensatesforthesedeficiencies.Thecollaborationofthesetwo,formingsatellite-terrestrialcooperativenetworks,breakstheindependenceofbothsystemsandcombinestheiradvantages,signalingafuturetrend.Whenanalyzingandprocessingmassiveamountsofdatageneratedbynumerousdevicesinsatellite-terrestrialcooperativenetworks,issuesofpri...
