摘要：联邦边缘学习无需传输本地数据,在保护用户隐私的基础上,大大降低了上行链路压力。联邦边缘学习通过智能边缘设备,利用本地数据集训练局部模型后上传模型参数至中心服务器;中心服务器聚合本地上传的局部模型参数形成全局模型后进行更新,然后将更新后的模型下发给智能边缘设备开始新一轮迭代。但是局部模型精度以及局部模型训练时间,对全局模型聚合以及模型更新过程会产生重大影响。因此提出自适应动态批量梯度下降策略,在局部模型训练过程中自动调整梯度下降抽取的批量大小,优化联邦学习的局部模型精度及收敛速度。针对用户数据的非独立同分布特性,设计一种联合双维度用户调度策略的自适应动态批量梯度下降算法,通过收敛时间和数据多样性进行双维度约束。经MNIST数据集、fashion MNIST数据集和CIFAR-10数据集的训练测试,算法在有效降低聚合等待时间的同时能够进一步提高全局模型精度和收敛速度。与固定批量为64、128、256的梯度下降算法相比,该算法的全局模型精度在运行100 s时提升分别为32.4%、45.2%、87.5%。

摘要：提出了一种基于地球同步轨道(Geostationary Earth Orbit,GEO)卫星的非地面物联网(Internet of Things Non-Terrestrial Networks,IoT NTN)网络系统。该系统结合了NB-IoT技术和5G NTN标准,旨在满足空天地海一体化物联网通信和应急通信的需求。详细描述了系统设计、调度和通信时序等方面,并给出了k-Offset参数的计算方法。借助我国自主研制的天通一号卫星移动通信系统,完成了基于3GPP Rel 17 NTN标准的5G卫星物联网通信系统实践,并在预商用基站上完成通信组网测试,实现了基站和终端之间通过GEO卫星的双向数据通信,且整个系统的通信时延、速率等性能指标符合预期。该研究能够对未来卫星物联网通信系统的设计和应用提供参考。

摘要：NB-IoT(窄带物联网)是一种基于授权频谱的通信系统,需要特定频谱资源来实现通信。针对没有授权频谱资源,但对NB-IoT系统的高安全性、高可靠性有需求的专用网络应用场景,提出一种NB-IoT-U(基于非授权频谱的窄带物联网)系统。阐述该系统的应用价值,系统设计的相关技术与实践实例,特别针对基于230 MHz的NB-IoT-U系统给出实际的参考设计和性能指标分析。