来源：期刊VIP网 时间：
作者：魏武;徐波;赖海光;孙红琪;唐晓宇;赵海涛;
单位：南京控维通信科技有限公司;南京邮电大学通信与信息工程学院;
摘要：空天地一体化网络(Space-Air-Ground Integrated Network, SAGIN)是未来网络的重要发展范式，利用该网络中的数据训练智能模型将实现多样化的智慧服务。同时，考虑到数据孤岛和隐私安全问题，联邦学习(Federated Learning, FL)的概念被提出，而在资源受限的SAGIN中部署FL算法仍存在训练时间长、学习性能差等挑战。针对这些挑战，围绕SAGIN中非独立同分布(Non-Independent and Identically Distributed, Non-IID)数据场景下的高效FL方法展开研究，提出一种面向SAGIN的3层FL架构，建立设备-无人机、无人机-卫星2级模型聚合机制；针对数据分布异构性问题，进一步揭示设备关联策略对模型误差的影响。基于此，以最小化训练时延与模型误差为目标，结合增益排序机制和凸优化算法联合优化设备关联与带宽分配策略，有效提升FL的训练效率。此外，在卫星服务时间受限的场景下，设计设备动态剔除策略，迭代调整参与训练的设备数量和资源分配结果，确保在有限时间内完成模型训练。仿真结果表明，所提面向SAGIN的FL优化方法能够在保障FL性能的前提下，显著降低训练时延并增加可参与训练的设备数量。
关键词：空天地一体化网络;;联邦学习;;设备关联;;资源分配
基金资助：国家自然科学基金联合基金项目(U2441226)~~
