Investigaciones recientes han demostrado que la capacidad del sistema es extremadamente importante para las redes celulares. Este artículo examina la maximización de la suma ponderada de las velocidades enlace descendente y enlace ascendente de las redes celulares, donde cada celda está compuesta por una estación base full-duplex y un usuario half-duplex. El aprendizaje federado permite entrenar modelos sin datos centralizados y proteger la privacidad de los datos de los usuarios. La colocación de servidores de computación en el borde móvil en satélites de órbita terrestre baja puede crear un sistema de computación en el borde de satélite de órbita terrestre baja, lo que aumenta significativamente la capacidad de procesamiento del satélite. Por lo tanto, este artículo combina el aprendizaje federado y la computación en el borde, propone un algoritmo de descarga de cálculos basado en el aprendizaje federado para garantizar la seguridad de los datos de los usuarios y maximizar la suma ponderada de las velocidades. Un algoritmo de aprendizaje profundo reforzado con excelente capacidad de búsqueda global resuelve el problema de asignación de subcanales y asignación de potencia. Los resultados de la simulación muestran que, en comparación con el algoritmo de referencia, este algoritmo logra la máxima velocidad ponderada y tiene un buen rendimiento de convergencia.

Aprendizaje federado; Satélite de órbita terrestre baja; Computación en el borde móvil; Aprendizaje profundo reforzado; Descarga de cálculos