Apr, 2024

基于 MIMO 干扰信道的图像传输语义通信的基准测试

PDF
TL;DR语义通信在增强数据传输效率方面具有很大潜力。本文针对干扰情景与基准方案进行了比较研究，提出了一种抗干扰的语义通信方案。该方案基于神经网络（NNs）开发了收发机，它可以单独在接收端或发送端和接收端都集成信道状态信息（CSI）。我们还建立了一个综合损失函数来训练 IRSC 收发机，并采用动态机制来更新损失函数中各个部分的权重，以提高系统对用户的公平性。实验结果表明，所提出的 IRSC 方案能有效地学习抑制干扰，在低信噪比（SNR）环境中优于基准方案。
发现论文，激发创造
  • 深度学习文本语义通信在干扰下的性能极限

    在单个和多个干扰者的无线电频率干扰的情况下，研究了名为 DeepSC 的文本 SemCom 系统的性能极限，并通过引入一个明确的概率框架来展示，当单个和多个干扰者的 RFI 功率变得非常大时，DeepSC 会产生语义上不相关的句子。这些性能极限提供了有关 IR2 SemCom 设计的设计思路，并揭示了 DeepSC 和 SemCom 对 RFI 的漏洞，同时还启发了其他文本 SemCom 技术的性能分析。

    Feb, 2023

  • 基于可学习 CSI 融合掩码的鲁棒图像语义编码在 MIMO 多径衰落信道中

    本文提出了一种可学习的 CSI 融合语义通信框架（LCFSC），通过将 CSI 作为辅助信息，引入 MIMO 通道状态信息，并在 Swin Transformer 中使用非侵入式 CSI 融合多头注意力模块，从而实现 CSI 感知的语义编码。实验结果表明，在 MIMO 衰落通道中，LCFSC 相对于传统方案和现有的基于 Swin Transformer 的语义通信框架具有更好的性能。

    May, 2024

  • 分布式图像语义无线传输的高效通信框架

    提出了基于联邦学习的语义通信框架（FLSC），旨在通过全局聚合改善多任务分布式图像传输，其中每个用户的每个链接由基于分层视觉变换器（HVT）的提取器和适应特定任务的适应性翻译器组成。通过仿真实验结果表明，FLSC 在粗略语义信息方面表现优秀，并在低信噪比和信道带宽比场景中明显优于传统方案。

    Aug, 2023

  • 合作语义通信网络中图像传输的优化

    本研究开发了一种语义通信框架用于图像传输；引入多模态度量方法对比提取得到的语义信息与原始图像之间的相关性，以最小化每个服务器的传输延迟同时满足用户 ISS 需求为目标，提出了基于价值分解的最大熵多智能体强化学习算法以解决资源块的分配问题，在模拟实验中将传输延迟降低至传统多智能体强化学习的 16.1%。

    Jan, 2023

  • 一对多语义通信系统：设计，实现，性能评估

    本研究提出了一种基于深度神经网络和迁移学习的语义通信系统，名为 MR_DeepSC，此系统解决了多用户情况下应用语义通信的问题，并在低信噪比条件下实现了最佳性能。

    Sep, 2022

  • 基于 RIS 的空中语义通信 —— 一个衍射深度神经网络方法

    通过使用可重新配置的智能表面和空中衍射深度神经网络的新方法，该文论述了基于 RIS 的空中语义通信，介绍了其系统模型、数据和控制流以及性能分析，并与传统硬件方法进行了比较。

    Dec, 2023

  • 资源有限网络中基于多模态相似度估计的图像生成语义传播

    该研究提出了一种基于多模态语义信息传输的图像传输方法，通过提取多模态语义信息并传输，接收方使用图像生成模型生成多张图像，并根据语义相似性进行选择。研究探索了评估原始图像和生成图像的语义特征相似性的新指标，并表明所提出的方法可促进通过移动网络进行各种服务应用的照片的传输与利用。

    Apr, 2024

  • 无线网络中语义信息恢复

    本研究通过推广 Basu 等人的方法，将语义建模扩展至完整的通信马尔科夫链，提出了一种 ML-based 的语义通信系统 SINFONY，通过传输信息的同时进行压缩，有效提高了信息传输质量，尤其在多分发情况下，SNR 比传统通信系统提高了 20dB。

    Apr, 2022

  • 近地空中飞艇载人大规模 MIMO 网络的深度联合语义编码与波束成形

    通过整合语意通信和大规模多输入多输出（MIMO）技术，本文提出了一种适用于航天飞艇的大规模 MIMO 图像传输网络的深度联合语意编码和波束成形（JSCBF）方案，实现了源压缩、异常校正和高频谱效率的性能提升。

    May, 2024

  • SemantIC: 6G 无线通信的语义干扰抵消

    该论文提出了一种新颖的抗干扰技术 —— 语义干扰消除（SemantIC），用于提高第六代无线网络的信息质量。SemantIC 只需要接收器将信道译码器与语义自编码器级联，从网络信息理论的角度来看，语义自编码器的神经网络通过训练存储副信息，并在迭代解码中提供副信息，作为 Wyner-Ziv 定理的一种实现。仿真结果验证了 SemantIC 的性能改进，而不需要额外的信道资源成本。

    Oct, 2023