基于联邦学习的多用户语义通信系统部署方法

语义通信是一种有发展潜力的新型通信技术，通过挖掘信源中的语义信息从而减少传输所需要的数据量。语义通信通常采用深度学习的方式建立编解码模型，在收发端共享模型参数的前提下实现端到端的数据传输，但在实际场景中，由于多用户的存在，端到端的传输具有局限性，语义通信系统的部署有更多需要考虑的问题。为了使语义通信能应用于多用户的场景，本文提出了语义通信系统模型的联邦学习部署方式，利用用户端的数据对深度学习模型进行更为有效的训练。从而在不直接使用用户数据的前提下，使模型学习到用户数据的特征，实现了多用户场景下语义通信系统的部署。仿真结果表明，通过联邦学习训练得到的模型可以达到接近于集中训练的效果，并且保护了用户隐私。