一种基于联邦学习的语义通信知识协同演化方法

本发明涉及语义通信以及联邦学习技术领域，具体为一种基于联邦学习的语义通信知识协同演化方法，包括：S1、全局模型预训练与下发；S2、边缘组训练初始化与动态调度；S3、客户端本地训练与边缘聚合；S4、跨边缘全局同步聚合；S5、闭环迭代更新机制。本发明本方法通过组内异步更新与组间同步聚合相结合，在边缘侧利用动态客户端选择与递增稀疏化，高效平衡了模型性能与通信开销。基于Lyapunov优化的联合调度框架从系统层面保证了训练过程的长期稳定与资源可控，最终，周期性的跨域知识融合有效克服了数据异质性带来的壁垒，显著增强了全局模型的最终泛化能力，实现了高效且鲁棒的协同演化。