[发明专利]基于分层联邦学习的无人机小基站集群RAN切片方法

摘要

本发明针对无人机小基站集群为地面用户提供差异化服务的场景，提出一种基于分层联邦学习的无人机小基站集群RAN切片方法基于分层联邦学习的动态RAN切片框架，以提升切片性能隔离效果、减少协同训练过程的通信代价。首先，考虑到无人机动态部署和数据不足等特点，通过数据增广促进本地模型训练。然后，根据位置和数据分布信息，设计面向无人机集群的分簇策略，支持边缘模型聚合，使得边缘的成员无人机有更多机会参与联邦学习并降低通信代价。最后，探索基于注意力机制的边缘和全局模型聚合方案，增强全局联邦学习模型的泛化能力。仿真结果表明，同典型分布式机器学习方法相比，本发明能够提升切片性能隔离效果，降低无人机协同训练的通信代价。