一种基于静态特征分布的分组空中联邦学习方法与系统

本发明公开了一种基于静态特征分布的分组空中联邦学习方法与系统。方法包括：将全局模型更新向量按维度划分为若干信号子段；依据客户端本地数据分布特征进行静态分组，每组客户端仅负责部分子段的传输任务；各客户端在本地完成模型训练后，对其更新向量进行矢量量化编码，提取码字索引，将编码后的子段信号发送至服务器；服务器接收各组上传信号后，在考虑信道失真和噪声的条件下恢复信号，基于恢复的量化索引向量还原子段内容，并结合误差反馈机制更新全局模型；该过程可通过轮转式子段调度和多轮迭代完成整个模型的聚合优化。本发明有效降低了每轮通信开销，增强了抗噪能力，并提升了在无线信道下的联邦学习系统整体通信效率与模型收敛性能。