RIS 지원 무선 연합 학습에서 수렴 지연성을 고려한 적응적 변조 및 자원 할당

Convergence-Latency-Aware Adaptive Modulation and Resource Allocation in RIS-Assisted Wireless Federated Learning

무선 네트워크를 통한 연합 학습(FL)은 비신뢰적인 무선 전송, 특히 차단된 전파 환경에서 상당한 학습 지연과 성능 저하를 겪습니다. 재구성 가능한 지능형 표면(RIS)이 통신 신뢰성을 향상시킬 수 있지만, 기존의 무선 FL 연구에서는 변조 방식에 따른 전송 오류가 학습 수렴 및 통신 지연 사이의 균형에 미치는 영향을 거의 고려하지 않습니다. 본 논문에서는 RIS 지원 차단 링크 전파 시나리오에서 작동하는 무선 FL 시스템을 고려하고, 수렴-지연성을 고려한 통신 설계에 적응적 변조와 서브 채널 할당에 초점을 맞춥니다. 업로드된 로컬 기울기에 대한 심볼 오류의 영향을 분석하여, 심볼 오류율(SER)이 FL 손실 감소에 미치는 영향을 나타내는 수렴 관련 상한을 유도합니다. 이 결과를 바탕으로, 수렴-지연성 최적화 문제를 정형화하고, 이를 혼합 정수 비선형 프로그래밍(MINLP) 문제로 표현하여, 저 복잡도의 하이브리드 교차 최적화 프레임워크를 사용하여 해결합니다. MNIST, CIFAR-10 및 음성 명령 데이터셋에 대한 광범위한 실험 결과, 제안된 방식은 기존의 적응적 통신 방식보다 빠르고 높은 테스트 정확도를 지속적으로 달성하며, 특히 복잡한 작업과 어려운 무선 환경에서 더욱 두드러진 성능 향상을 보입니다.

Federated learning (FL) over wireless networks suffers from significant training latency and degraded convergence due to unreliable wireless transmission, especially under blocked propagation environments. Although reconfigurable intelligent surfaces (RISs) can improve communication reliability, existing wireless FL studies rarely characterize the trade-off between learning convergence and communication delay under modulation-dependent transmission errors. In this paper, we consider a wireless FL system operating under RIS-assisted blocked-link propagation scenarios, and focus on adaptive modulation and sub-channel allocation for convergence-latency aware communication design. By characterizing the effect of symbol errors on uploaded local gradients, we derive a convergence-related upper bound that reveals the impact of symbol error rate (SER) on FL loss decay. Based on this result, we formulate a joint convergence-latency optimization problem, which is cast as a mixed-integer nonlinear programming (MINLP) problem, and solve it using a low-complexity hybrid alternating optimization framework. Extensive experiments on MNIST, CIFAR-10, and Speech Commands show that the proposed scheme consistently achieves faster convergence and higher test accuracy than existing adaptive communication schemes, especially in complex tasks and challenging wireless scenarios.