[論文レビュー] Over-the-Air Computation with DFT-spread OFDM for Federated Edge Learning

Alphan Şahin, Bryson Everette+1 more|arXiv (Cornell University)|Dec 26, 2021

Privacy-Preserving Technologies in Data被引用数 7

ひとこと要約

本稿は、DFT-s-OFDMとパルス位置変調（PPM）を用いた非コherentなオーバーザエアコンピューティング（AirComp）方式を提唱し、CSIフリーなフェデレーテッドエッジラーニングを実現する。局所勾配の符号をPPMシンボルにエンコードし、エッジサーバーでエネルギー検出を用いて多数決を検出することで、エッジデバイスおよびサーバーでのチャネル状態情報（CSI）を必要とせず、瑞々しいフェージング環境下でも高いテスト精度を達成する一方で、ピーク対平均包絡線電力比（PMEPR）を顕著に低減する。

ABSTRACT

In this study, we propose an over-the-air computation (AirComp) scheme for federated edge learning (FEEL) without channel state information (CSI) at the edge devices (EDs) or the edge server (ES). The proposed scheme relies on non-coherent communication techniques for achieving distributed training by majority vote (MV). In this work, the votes, i.e., the signs of the local gradients, from the EDs are represented with the pulse-position modulation (PPM) symbols constructed with discrete Fourier transform (DFT)-spread orthogonal frequency division multiplexing (OFDM) (DFT-s-OFDM). By taking the delay spread and time-synchronization errors into account, the MV at the ES is obtained with an energy detector. Hence, the proposed scheme does not require CSI at the EDs and ES. We also prove the convergence of the distributed training when the MV is obtained with the proposed scheme under fading channel. Through simulations, we show that the proposed scheme provides a high test accuracy in fading channels while resulting in lower peak-to-mean envelope power ratio (PMEPR) symbols.

研究の動機と目的

• 既存のAirComp方式における高い通信オーバーヘッドとCSI依存性を是正すること。
• エッジデバイスおよびエッジサーバーにおけるチャネル状態情報（CSI）の必要性を排除すること。
• 時間同期誤差および多径フェージングに対して耐性を持つ分散学習を可能にすること。
• 無線エッジラーニングシステムにおけるハードウェア効率を向上させるためにピーク対平均包絡線電力比（PMEPR）を低減すること。

提案手法

• 各エッジデバイスでDFT-spread OFDM（DFT-s-OFDM）を用いて、局所勾配の符号からPPMシンボルを生成する。
• 各勾配符号をPPMシンボル内の時間ドメインパルスとしてエンコードし、干渉を避けるためにOFDMシンボル間でパルスを分散配置する。
• コherent結合を用いず、エネルギー検出を用いてエッジサーバーで勾配符号の多数決（MV）を推定する。
• 十分なガードインターバルとサブキャリア間隔を確保することで、遅延スプレッドおよび時間同期誤差に対して耐性を持つようにシステムを設計する。
• 最大遅延スプレッドおよび同期誤差（55.6 ns）をカバーするため、7シンボルのガードインターバルを適用し、直交性を確保する。
• スーパーポジットされたPPM信号からの多数決を推定するために、しきい値ベースのエネルギー検波器を用い、非コherent検出を実現する。

実験結果

リサーチクエスチョン

• RQ1 CSIフリーなAirComp方式は、フェージングおよび同期誤差下でもフェデレーテッドエッジラーニングにおける信頼性の高いモデルアグリゲーションを達成できるか？
• RQ2 DFT-s-OFDMとPPMを用いた信号方式は、OBDAのようなQPSKベース方式と比較してPMEPRおよび同期誤差に対する耐性でどのように優れるか？
• RQ3 提案されたPPM-MV方式におけるパルス長（M_pulse）がPMEPRおよびシステムリソース使用量に与える影響は何か？
• RQ4 エッジデバイスおよびエッジサーバーでのチャネル状態情報がなくても、提案方式は高いテスト精度を維持できるか？
• RQ5 特にTCIが利用不可または同期が不完全な状況下でも、ITU EPAのような現実的なフェージング環境下でシステムはどのように動作するか？

主な発見

• 提案されたPPM-MV方式は、フェージング環境下でもエッジデバイスおよびエッジサーバーでのCSIがなくても、OBDAと同等の高いテスト精度を達成する。
• OBDAとは異なり、時間同期誤差下でも高い性能を維持する。特にコherent結合が不可な状況下で顕著な優位性を示す。
• OBDAと比較してPMEPRが顕著に低減されるが、M_pulseが増加するにつれて時間ドメインリソース使用量が増加するというトレードオフがある。
• M_pulse = 13の場合、PMEPRはOBDAよりも顕著に低く抑えられつつ、妥当なスペクトル効率を維持する。
• 多数決がエネルギー検出により推定される場合、フェージング環境下でも学習プロセスの理論的収束が確認された。
• シミュレーション結果から、非理想状態においてもPPM-MV手法はOBDAを上回る性能を示し、特にTCIが利用不可または同期が不完全な状況で顕著な優位性を示す。