本公开一般地涉及无线通信系统，并且具体地涉及无线通信系统中的联邦学习。
背景技术：
1、随着无线通信以及人工智能(artificial intelegence,ai)/机器学习(machinelearning,ml)的发展，已经开始考虑将ai与ml引入无线通信系统。例如，ai/ml技术的引入可以在无线通信系统的性能、能源效率以及安全性和隐私性等方面带来显著改进。
2、常规的ai/ml方案一般需要收集用户数据并且以集中的方式训练收集到的用户数据。但是，这种常规的ai/ml方案可能在用户隐私以及通信数据量等方面存在弊端。已经出现了克服这些弊端的称为联邦学习(federated learning，fl)的新的机器学习框架。在联邦学习系统中，客户端设备在fl服务器确定的初始模型的基础上利用本地数据进行训练，并将训练获得的本地模型上传到fl服务器。fl服务器将从各个客户端设备接收到的本地模型进行聚合，并将聚合模型发送给各个客户端设备。各个客户端设备在接收到的聚合模型的基础上再次利用本地数据进行训练，并且将训练获得的新的本地模型上传到fl服务器以供新一轮的聚合和训练。借助于联邦学习，用户不需要将原始的本地数据上传到服务器，因此，一方面可以改善用户的隐私性，另一方面可以减小数据传输量。因此，联邦学习成为了无线通信系统中期望采用的ai/ml方案。
技术实现思路
1、本公开提出了一种与无线通信系统中的联邦学习有关的方案，具体地，本公开提供了一种用于无线通信系统的控制设备、终端设备、方法和存储介质。
2、本公开的一个方面涉及一种用于无线通信系统的控制设备，包括处理电路，被配置为：接收与所述无线通信系统中的多个终端设备相关联的多个模型，其中，所述多个模型包括至少一个聚合模型，其中，所述至少一个聚合模型中的每个聚合模型是由相应的一个终端设备将其本地模型与来自一个或多个其他终端设备的各自的本地模型进行聚合而生成的，并且每个本地模型是由相应的一个终端设备基于该终端设备的本地数据进行训练而获得的。
3、本公开的另一个方面涉及一种用于无线通信系统的第一终端设备，包括处理电路，被配置为：向所述无线通信系统的控制设备上传基于本地数据进行训练而获得的第一本地模型；经由侧链路通信向所述无线通信系统的第二终端设备发送第一本地模型，以供第二终端设备生成聚合模型。
4、本公开的另一个方面涉及一种用于无线通信系统的第二终端设备，包括处理电路，被配置为：经由侧链路通信从所述无线通信系统的至少一个第一终端设备接收至少一个第一本地模型，所述至少一个第一本地模型中的每一个是由所述至少一个第一终端设备中的一个第一终端设备基于其本地数据进行训练而获得的；和将基于本地数据进行训练而获得的第二本地模型与所述至少一个第一本地模型进行聚合以生成聚合模型，并将所述聚合模型上传到所述无线通信系统的控制设备。
5、本公开的另一个方面涉及一种用于无线通信系统的第三终端设备，第三终端设备与一个或多个其他终端设备构成终端设备组，第三终端设备包括处理电路，被配置为：经由侧链路通信从所述终端设备组中的至少一个其他终端设备接收至少一个本地模型，所述至少一个本地模型中的每一个是由所述至少一个其他终端设备中的一个其他终端设备基于其本地数据进行训练而获得的；将基于本地数据进行训练而获得的第三本地模型与所接收的至少一个本地模型中的至少一个进行聚合以生成聚合模型，并将所述聚合模型上传到所述控制设备；和经由侧链路通信向所述终端设备组的各其他终端设备发送第三本地模型，以供各其他终端设备生成聚合模型。
6、本公开的另一个方面涉及一种用于无线通信系统的控制设备侧的方法，包括：接收与所述无线通信系统中的多个终端设备相关联的多个模型，其中，所述多个模型包括至少一个聚合模型，其中，所述至少一个聚合模型中的每个聚合模型是由相应的一个终端设备将其本地模型与来自一个或多个其他终端设备的各自的本地模型进行聚合而生成的，并且每个本地模型是由相应的一个终端设备基于该终端设备的本地数据进行训练而获得的。
7、本公开的另一个方面涉及一种用于无线通信系统的第一终端设备的方法，包括：向所述无线通信系统的控制设备上传基于本地数据进行训练而获得的第一本地模型；经由侧链路通信向所述无线通信系统的第二终端设备发送第一本地模型，以供第二终端设备生成聚合模型。
8、本公开的另一个方面涉及一种用于无线通信系统的第二终端设备的方法，包括：经由侧链路通信从所述无线通信系统的至少一个第一终端设备接收至少一个第一本地模型，所述至少一个第一本地模型中的每一个是由所述至少一个第一终端设备中的一个第一终端设备基于其本地数据进行训练而获得的；和将基于本地数据进行训练而获得的第二本地模型与所述至少一个第一本地模型进行聚合以生成聚合模型，并将所述聚合模型上传到所述无线通信系统的控制设备。
9、本公开的另一个方面涉及一种用于无线通信系统的第三终端设备的方法，第三终端设备与一个或多个其他终端设备构成终端设备组，所述方法包：经由侧链路通信从所述终端设备组中的至少一个其他终端设备接收至少一个本地模型，所述至少一个本地模型中的每一个是由所述至少一个其他终端设备中的一个其他终端设备基于其本地数据进行训练而获得的；将基于本地数据进行训练而获得的第三本地模型与所接收的至少一个本地模型中的至少一个进行聚合以生成聚合模型，并将所述聚合模型上传到所述控制设备；和经由侧链路通信向所述终端设备组的各其他终端设备发送第三本地模型，以供各其他终端设备生成聚合模型。
10、本公开的另一个方面涉及一种存储有可执行指令的非暂时性计算机可读存储介质，所述可执行指令当被执行时实现如上述方面所述的方法。
11、本公开的另一个方面涉及一种包括可执行指令的计算机程序产品，所述可执行指令当被执行时实现如上述方面所述的方法。
12、本公开的另一个方面涉及一种设备。所述设备包括：处理器和存储装置，所述存储装置存储有可执行指令，所述可执行指令当被执行时实现如前所述的方法。
13、提供上述概述是为了总结一些示例性的实施例，以提供对本文所描述的主题的各方面的基本理解。因此，上述特征仅仅是例子并且不应该被解释为以任何方式缩小本文所描述的主题的范围或精神。本文所描述的主题的其他特征、方面和优点将从以下结合附图描述的具体实施方式而变得明晰。
1.一种用于无线通信系统的控制设备，包括处理电路，被配置为：
2.如权利要求1所述的控制设备，其中，所述处理电路进一步被配置为：
3.如权利要求1所述的控制设备，其中，所述处理电路进一步被配置为：
4.如权利要求3所述的控制设备，其中，所述处理电路进一步被配置为：
5.如权利要求2或3所述的控制设备，其中，所述处理电路进一步被配置为：
6.如权利要求1至4中任一项所述的电子设备，其中，所述多个模型还包括一个或多个本地模型，其中，所述一个或多个本地模型中的至少一个本地模型与所述至少一个聚合模型所聚合的本地模型中的至少一个本地模型相同。
7.如权利要求1至4中任一项所述的控制设备，其中，所述处理电路进一步被配置为：
8.如权利要求7所述的控制设备，其中，所述处理电路进一步被配置为：
9.如权利要求8所述的控制设备，其中，所述一个或多个终端设备包括：
10.如权利要求8所述的控制设备，其中，所述处理电路进一步被配置为：
