一种基于模型量化的联邦学习训练方法、基站及用户设备

本发明公开了一种基于模型量化的联邦学习训练方法、基站及用户设备，该方法包括：S1：基站向被选用户设备集合广播全局模型参数、量化位宽设置方案和带宽分配方案，生成训练配置信息；S2：基于训练配置信息，被选用户设备执行本地模型训练得到更新后的本地模型参数，计算更新后的本地模型参数与全局模型参数的差值作为本地模型更新量；S3：被选用户设备根据被分配的带宽通过无线信道上传量化后的本地模型更新至基站，基站根据用户设备选择结果以及传输结果生成带有聚合标识的模型更新集合；S4：基站执行加权聚合生成新的全局模型参数，并通过网络优化算法生成下一轮训练的网络配置参数。本发明能够在动态网络环境和用户设备异构的条件下，实现训练的低时延。