语义通道均衡器:多用户语义通信中的语言不匹配建模
我们通过一个语义和目标导向的通信系统,放宽了代理之间的共享语言的约束,以探索在分布式任务求解中语言不匹配的影响。我们提出了一个数学框架,模拟并度量了代理使用不同语言时引入的语义失真,并通过数值评估证明了一种新的语义通道均衡方法的有效性。
May, 2024
在即将到来的 AI 辅助的 6G 网络中,整合语义、语用和目标导向的沟通策略变得必不可少。本文的主要贡献是:首先,提出并详细说明了一种新的数学建模方法,用于描述由于语义和有效性水平上的语言不匹配而导致的错误;其次,提供了一种利用最优传输理论来抵消这些类型错误的新算法解决方案。我们的数值结果显示了所提出机制在嘈杂的通信环境下弥补语言不匹配的潜力,从而提高了可靠通信的可达性。
Jan, 2024
提出了一种新颖的基于视觉 - 语言模型的跨模态语义通信系统,通过跨模态知识库、记忆辅助编解码和噪声注意模块来解决图像语义通信系统中的挑战,实验证实了该系统的有效性、适应性和鲁棒性。
May, 2024
该研究基于潜在扩散模型构建了一种语义交流系统,并通过三项改进,即异常值鲁棒编码器、轻量级单层潜在空间转换适配器和端到端一致性精炼策略,证明了该系统对异常值的稳健性、在未知分布数据传输中的适应能力以及保持高人类感知质量的实时信道去噪任务能力,优于现有的去噪方法。
Jun, 2024
本文提出一个利用神经网络解决多模态语义通信问题的分布式框架,该框架包括传统的信道编码和解码,进一步建立了针对各种多模态语义任务的一般速率自适应编码机制。优化方案旨在在保持语义任务推理准确性的同时,最小化推理延迟。本文的数值结果表明,所提出的机制总体上表现优于传统通信和现有的语义通信系统。
May, 2023
本文研究语音分离的问题,发现不同语言对模型的影响可忽略,而采用安卓手机录制的数据进行训练可以得到最好的泛化性能。同时,作者提出了一种针对信道不匹配的新的解决方案,通过测量信道相似性并选择合适的训练数据,可以有效提高模型在实际测试数据上的性能。
Mar, 2022
本研究提出了两种认知语义通信框架,并利用知识图谱开发语义通信系统,其中包括一种简单、通用且可解释的语义对齐算法和有效的语义校正方法,进行了广泛的仿真测试,表明我们的认知语义通信系统在数据压缩率和通信可靠性方面优于基准通信系统,并构建了一个软件定义无线电原型系统用于演示。
Mar, 2023