55、无线信道上的联邦学习策略与无人机网络数据路由研究

最新推荐文章于 2025-10-12 22:05:13 发布

raspberrypi5

最新推荐文章于 2025-10-12 22:05:13 发布

阅读量27

点赞数

CC 4.0 BY-SA版权

分类专栏：物联网与智能空间前沿文章标签：联邦学习共识策略 FEDAVG

本文链接：https://blog.youkuaiyun.com/raspberrypi5/article/details/152244828

物联网与智能空间前沿专栏收录该内容

66 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

无线信道上的联邦学习策略与无人机网络数据路由研究

1. 联邦学习策略模拟结果

在介绍了联邦平均（FEDAVG）和完全分布式策略后，我们对由50个节点组成的图上的共识策略（Consensus strategy）性能进行了模拟，并将结果与FEDAVG的性能进行了比较。模拟的额外参数如下表所示：
| 策略 | 设备数量 | 活跃设备数量 | 样本数量 | 批量大小 |
| ---- | ---- | ---- | ---- | ---- |
| 共识策略 | 30 | 20 | 500 | 100 |
| FEDAVG | 30 | 20 | 500 | 100 |

实验在EMNIST数据集上执行，训练模型的任务是将手写数字图像分类为10个类别。实现的机器学习模型以28×28大小的图像作为输入，模型包括2个卷积层，使用修正线性单元（ReLu）作为激活函数，每个层采用L2范数正则化，权重衰减为10 - 7，输出层是一个大小为10的全连接层，后面跟着一个归一化层。

在本次实验中，共识策略最多从3个邻居节点进行模型平均，即|Nk| < 3，且每一轮都会变化。我们假设网络是异构的，即信号向量x是非独立同分布（non - IID）的。我们对独立同分布（IID）和非独立同分布的本地数据的性能进行了模拟。

模拟结果表明，对于两种类型的数据（IID和non - IID），共识策略需要更多的通信轮次才能收敛。这是可以预期的，因为共识策略中的节点仅与邻居节点交换模型参数，而FEDAVG中的所有节点在每个通信轮次都会将模型参数发送到中央服务器。在网络异构（non - IID）的情况下，共识策略的性能更稳定，这是共识策略相对于FEDAVG的最大优势。

我们可以将实验结果总结如下：
- 共识策略和FEDAVG在异构网络中的收敛稳定性较差。
- 共识策略弥补了中央服务器的缺失，性能良好，但与FEDAVG策略相比，需要更多的通信轮次才能收敛。

下面是模拟结果的流程图：

graph LR
    A[开始模拟] --> B[选择数据类型（IID/non - IID）]
    B --> C[执行共识策略模拟]
    B --> D[执行FEDAVG策略模拟]
    C --> E[记录共识策略收敛轮次和性能]
    D --> F[记录FEDAVG策略收敛轮次和性能]
    E --> G[比较两种策略结果]
    F --> G
    G --> H[得出结论]

2. 无人机网络数据路由背景

无人机（UAV）在极端时间敏感的用例中有大量应用，它们与低功率设备形成有利结构。在时间敏感的情况下，有效通信对低功率设备至关重要。如果节点具有移动性，设计通信协议将具有挑战性。

部署大量无人机面临着构建高效通信协议和确保无碰撞、无缝操作等挑战。为了实现无人机之间的无缝协作，无人机间通信变得必要。在飞行自组织网络（FANET）中，无人机之间的通信称为UAV - to - UAV（U2U）链路，而无人机与地面站的通信分别称为UAV - to - Infrastructure（U2I）或UAV - to - Ground（U2G）链路。

UAV网络的动态拓扑使得构建路由协议具有挑战性，节点的不均匀分布和移动性使得在FANET中进行长期多跳路由更加困难。因此，为移动自组织网络（MANET）和车辆自组织网络（VANET）构建的通信协议不能直接应用。通信协议的设计必须基于其高移动性导致的频繁拓扑变化。

定位是设计通信协议的一个关键方面，网络拓扑由系统中UAV位置估计的准确性决定。例如，如果节点移动性高且GPS采样时间短，可能会降低正在使用的通信协议的性能。使用先进的卡尔曼滤波器结合GPS和惯性测量单元可以帮助提高定位精度，而电磁辐射和多径接收的存在会降低位置估计的性能。

不同文献中提出了适用于UAV网络的不同路由协议，常见的分类如下：
- 基于位置的路由协议
- 基于拓扑的路由协议
- 基于集群的路由协议
- 确定性路由协议
- 随机路由协议
- 基于社交网络的路由协议

节点移动性模型在设计高效路由协议中起着重要作用，它取决于UAV的应用类型。例如，UAV路径预定义时，移动性模型是规则的；群集或多UAV系统在没有中央控制的情况下执行自主操作属于群组移动性模型；随机方向和随机路径点是最常用的随机移动性模型。与确定性移动性模型相比，使用随机移动性模型设计路由协议更具挑战性，路由协议的设计应考虑移动性模型以确保端到端的数据传输。

一些已研究的路由算法包括：
- 贪婪周边无状态路由（GPSR） ：该算法有两种将数据包从源发送到目的地的方法。第一种是贪婪转发，即节点将数据包转发到几何上离目的地最近的邻居节点；当节点的邻居都不比节点本身更靠近目的地时，使用第二种方法，即周边转发，将数据包转发到其周边的一个节点。虽然这会使数据包暂时在几何距离上离目的地更远，但提高了可达性，因为周边节点可以将数据包转发到目的地。
- 基于接收者的机会转发协议（ROF） ：使用基于双信道的转发机制将数据包从源发送到目的地。发送者将数据包广播给所有邻居，邻居节点通过两个步骤竞争转发权。首先，离发送者较远的邻居节点自行排除；然后，剩余节点根据一定机制竞争转发权，获胜的节点开始转发数据包。如果没有节点参与转发权竞争，则以越步模式进行重传。
- 基于无人机的移动性管理分组路由协议（MMUG） ：分三个阶段基于路径长度、带宽、距离和广播消息创建最优路径。第一阶段，地面站将感测数据传输到UAV；第二阶段，UAV根据组头（GH）的覆盖范围对节点进行分组，靠近地面站的组节点收集所有节点的位置信息，若有UAV在GH范围内移动或进入GH范围，这些节点的信息将更新到组节点，根据最小带宽、最小延迟和最小路径长度计算路由度量，按长度、带宽和延迟的顺序优先选择，以减少控制开销和路由开销；第三阶段，GH与地面基站通信。

下面是几种路由协议的比较表格：
| 路由协议 | 工作原理 | 优点 | 缺点 |
| ---- | ---- | ---- | ---- |
| GPSR | 贪婪转发和周边转发结合 | 提高可达性 | 可能导致数据包暂时远离目的地 |
| ROF | 双信道竞争转发 | 利用机会转发 | 可能存在重传 |
| MMUG | 分阶段创建最优路径 | 减少控制和路由开销 | 实现相对复杂 |

3. 无人机网络数据路由的提出方法

3.1 问题陈述与假设

网络由能够捕获环境数据的K个静态节点、网关节点和密集部署的N个UAV节点组成，所有节点的通信覆盖半径为Rc。网络中的多个源节点有数据要传输到网关节点，目标是通过可用的UAV节点将数据从多个源节点中继到网关节点，需选择最佳的数据包转发路径以提高网络效率。

假设节点通过GPS或类似的定位技术知道自己的位置，并且所有节点都知道网关节点的位置。同时，使用基于跨层架构的无线通信协议ZigBee来建立UAV网络中的通信。由于动态拓扑无法建立端到端连接，因此采用类似于中断容忍网络（DTN）的方法进行数据传输，即中间节点能够存储数据，并在识别到下一跳邻居时转发数据。

3.2 提出的协议阶段

提出的协议有三个阶段，具体如下：
1. 网络初始化 ：
- 源节点广播包含其位置信息的发现包Pdisc给所有邻居。
- 接收Pdisc包的节点在小时间间隔ρt后回复Prep包。ρt的值因节点而异，基于两个因素计算：一是网关节点的位置，二是接触时间（ˆt）。接触时间是根据通信范围和移动向量信息计算的接触时间。
- ρt与节点i和网关节点之间的欧几里得距离d(i,bs)成正比，与接触时间ˆt成反比，即ρt ∝ d(i,bs) / ˆt。接触时间长且离网关节点欧几里得距离近的UAV中继邻居的ρt值较小。
- 首先收到Prep包的节点被视为数据路由的下一跳。源节点在ˆt时间内继续传输数据，这是两个节点保持在彼此传输范围内的接触时间。
- 接触时间计算：两个移动节点n1和n2的接触时间是它们保持在传输范围r内的时间。设−−−→X1(t)是节点n1的位置向量，−→X2(t)是节点n2的位置向量。初始时两节点距离小于传输范围r，当节点移动超出通信范围时的时间为t′，则接触时间ˆt = t′ - t0。相对速度vr = −→v1 - −→v2，根据公式ˆt = r - (x1 - x2)² + (y1 - y2)² / (v1 cos θ1 - v2 cos θ2)² + (v1 sin θ1 - v2 sin θ2)² 计算，其中(x1, y1)和(x2, y2)分别是n1和n2的坐标。中继节点以同样方式转发数据，直到数据包到达网关节点。当网关节点收到所有源节点的初始位置数据包后，进入下一阶段。
2. Steiner顶点计算 ：网关节点检测到多个源节点的存在后，使用Steiner树算法计算通过移动中继节点将多个源节点连接到网关节点的最佳路由路径。该算法保证参与路由的节点数量最少，并且能够根据变化的拓扑动态选择邻居节点。
3. 数据通信 ：根据计算出的最佳路由路径进行数据传输。

下面是协议流程的mermaid流程图：

graph LR
    A[网络初始化] --> B[源节点广播Pdisc]
    B --> C[邻居节点计算ρt并回复Prep]
    C --> D[确定下一跳节点]
    D --> E[源节点传输数据ˆt时间]
    E --> F[中继节点转发数据]
    F --> G[网关节点收集源节点位置信息]
    G --> H[Steiner顶点计算]
    H --> I[计算最佳路由路径]
    I --> J[数据通信]

4. 总结

联邦学习中的共识策略和FEDAVG策略各有优劣。在异构网络中，两者收敛稳定性都较差，但共识策略在没有中央服务器的情况下仍能有较好表现，只是收敛所需通信轮次更多。而在无人机网络数据路由方面，由于UAV网络的动态拓扑和节点移动性，传统的路由协议不能直接应用。我们提出的基于Steiner树算法的路由协议，通过三个阶段的操作，能够在多源数据传输到网关节点的场景中，选择最佳路由路径，减少参与路由的节点数量，提高网络效率和能量效率。

总的来说，无论是联邦学习还是无人机网络数据路由，都在不断探索更高效、更稳定的解决方案，以适应不同的应用场景和需求。未来，随着技术的发展，这些领域有望取得更大的突破。