論文の概要: Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems

• arxiv url: http://arxiv.org/abs/2208.05704v1
• Date: Thu, 11 Aug 2022 08:58:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-12 13:46:42.559207
• Title: Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems
• Title（参考訳）: デジタルセマンティック通信システムのための学習に基づく共同符号化制御
• Authors: Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao
• Abstract要約: 学習に基づくセマンティックコミュニケーションでは、ニューラルネットワークは従来の通信システムで異なるビルディングブロックを置き換える。 ニューラルネットワークに基づくデジタル変調の本質的なメカニズムは、ニューラルネットワークエンコーダの連続的な出力を離散的なコンステレーションシンボルにマッピングすることである。 我々は,BPSK変調を用いたディジタルセマンティック通信のための共同符号化変調方式を開発した。
• 参考スコア（独自算出の注目度）: 45.81474044790071
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In learning-based semantic communications, neural networks have replaced different building blocks in traditional communication systems. However, the digital modulation still remains a challenge for neural networks. The intrinsic mechanism of neural network based digital modulation is mapping continuous output of the neural network encoder into discrete constellation symbols, which is a non-differentiable function that cannot be trained with existing gradient descend algorithms. To overcome this challenge, in this paper we develop a joint coding-modulation scheme for digital semantic communications with BPSK modulation. In our method, the neural network outputs the likelihood of each constellation point, instead of having a concrete mapping. A random code rather than a deterministic code is hence used, which preserves more information for the symbols with a close likelihood on each constellation point. The joint coding-modulation design can match the modulation process with channel states, and hence improve the performance of digital semantic communications. Experiment results show that our method outperforms existing digital modulation methods in semantic communications over a wide range of SNR, and outperforms neural network based analog modulation method in low SNR regime.
• Abstract（参考訳）: 学習に基づくセマンティックコミュニケーションでは、ニューラルネットワークは従来の通信システムで異なるビルディングブロックを置き換える。 しかし、デジタル変調は依然としてニューラルネットワークの課題である。 ニューラルネットワークに基づくデジタル変調の本質的なメカニズムは、ニューラルネットワークエンコーダの連続的な出力を離散的なコンステレーションシンボルにマッピングすることである。 そこで本稿では,BPSK変調を用いたディジタルセマンティック通信のための共同符号化変調方式を提案する。 本手法では,ニューラルネットワークは,具体的なマッピングを行うのではなく,各星座点の確率を出力する。 したがって、決定論的なコードではなくランダムなコードが使われ、各星座点に近い確率でシンボルのより多くの情報を保存する。 ジョイント符号変調設計は、変調過程とチャネル状態とを整合させ、デジタル意味コミュニケーションの性能を向上させることができる。 実験結果から,本手法は,SNRにおける意味コミュニケーションにおける既存のディジタル変調法よりも優れ,低SNR方式におけるニューラルネットワークに基づくアナログ変調法よりも優れていた。

関連論文リスト

• sDAC -- Semantic Digital Analog Converter for Semantic Communications [2.8663473164957303]
  セマンティック通信のための新しいセマンティックデジタルアナログコンバータ(sDAC)を提案する。 デジタルおよびアナログの双方向変換を実現するための、単純で効率的かつ生成的なモジュールである。 実験結果から,提案したsDACは優れた生成特性とチャネルの堅牢性を有することが明らかとなった。
  論文  参考訳（メタデータ） (2024-04-26T19:34:03Z)
• Semantics Alignment via Split Learning for Resilient Multi-User Semantic Communication [56.54422521327698]
  最近の意味コミュニケーションの研究は、ディープジョイントソースやチャネルコーディング(DeepJSCC)のようなニューラルネットワーク(NN)ベースのトランシーバに依存している。 従来のトランシーバとは異なり、これらのニューラルトランシーバは実際のソースデータとチャネルを使用してトレーニング可能であり、セマンティクスを抽出し通信することができる。 本稿では,分割学習(SL)と部分的NN微調整技術を活用する分散学習ベースソリューションを提案する。
  論文  参考訳（メタデータ） (2023-10-13T20:29:55Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals [104.11663769306566]
  周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。 我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
  論文  参考訳（メタデータ） (2023-03-11T16:29:13Z)
• Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
  決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。 提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。 決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
  論文  参考訳（メタデータ） (2022-11-09T09:19:15Z)
• Neuromorphic Wireless Cognition: Event-Driven Semantic Communications for Remote Inference [32.0035037154674]
  本稿ではニューロモルフィックな無線インターネット・オブ・Thingsシステムのためのエンドツーエンドの設計を提案する。 各センサ装置は、ニューロモルフィックセンサと、スパイキングニューラルネットワーク(SNN)と、複数のアンテナを備えたインパルス無線送信機を備える。 パイロット、SNNの符号化、SNNの復号化、ハイパーネットワークは、複数のチャネル実現を通じて共同で訓練される。
  論文  参考訳（メタデータ） (2022-06-13T11:13:39Z)
• Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation [0.0]
  提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。 FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。 提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
  論文  参考訳（メタデータ） (2022-02-06T22:18:42Z)
• End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence [38.518936229794214]
  我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。 我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。 実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
  論文  参考訳（メタデータ） (2020-09-03T09:10:16Z)
• Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
  機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。 このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。 提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-14T06:58:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。