論文の概要: Distributed Deep Joint Source-Channel Coding over a Multiple Access
Channel
- arxiv url: http://arxiv.org/abs/2211.09920v1
- Date: Thu, 17 Nov 2022 22:36:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 16:06:48.018099
- Title: Distributed Deep Joint Source-Channel Coding over a Multiple Access
Channel
- Title（参考訳）: マルチアクセスチャネル上での分散型深層結合型ソースチャネル符号化
- Authors: Selim F. Yilmaz, Can Karamanli, Deniz Gunduz
- Abstract要約: ディープジョイントソースチャネル符号化(DeepJSCC)を用いたノイズの多い多重アクセスチャネル(MAC)上の分散画像伝送について検討する。
本稿では,非直交的な方法で圧縮された画像表現を送信する,新しい共同画像圧縮・伝送方式を提案する。
現在のDeepJSCCを用いた伝送と比較して,再構成画像の品質は大幅に向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider distributed image transmission over a noisy multiple access
channel (MAC) using deep joint source-channel coding (DeepJSCC). It is known
that Shannon's separation theorem holds when transmitting independent sources
over a MAC in the asymptotic infinite block length regime. However, we are
interested in the practical finite block length regime, in which case separate
source and channel coding is known to be suboptimal. We introduce a novel joint
image compression and transmission scheme, where the devices send their
compressed image representations in a non-orthogonal manner. While
non-orthogonal multiple access (NOMA) is known to achieve the capacity region,
to the best of our knowledge, non-orthogonal joint source channel coding (JSCC)
scheme for practical systems has not been studied before. Through extensive
experiments, we show significant improvements in terms of the quality of the
reconstructed images compared to orthogonal transmission employing current
DeepJSCC approaches particularly for low bandwidth ratios. We publicly share
source code to facilitate further research and reproducibility.
- Abstract（参考訳）: 我々は,ディープジョイントソースチャネル符号化(DeepJSCC)を用いて,ノイズの多い多重アクセスチャネル(MAC)上の分散画像伝送を検討する。
シャノンの分離定理は、漸近無限ブロック長系においてMAC上の独立したソースを伝達する際に成り立つことが知られている。
しかし、我々は実際的な有限ブロック長の体系に興味を持ち、その場合、ソースとチャネルの符号化は準最適であることが知られている。
そこで本研究では,圧縮画像表現を非直交方式で送信する新しいジョイント画像圧縮伝送方式を提案する。
非直交多重アクセス(NOMA)はキャパシティ領域を実現することが知られているが、我々の知る限り、実用システムのための非直交連系チャネル符号化(JSCC)方式はこれまでに研究されていない。
広範にわたる実験により,特に低帯域幅比のDeepJSCCを用いた直交伝送と比較して,再構成画像の品質は著しく向上した。
我々は、さらなる研究と再現性を促進するためにソースコードを公開している。
関連論文リスト
- Distributed Deep Joint Source-Channel Coding with Decoder-Only Side
Information [6.411633100057159]
本稿では,受信側のみに相関する側情報が存在する場合,ノイズの多い無線チャネル上での低遅延画像伝送について検討する。
本稿では,デコーダのみの側情報をレシーバ側の複数段階に組み込んだ新しいニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-10-06T15:17:45Z) - High Perceptual Quality Wireless Image Delivery with Denoising Diffusion
Models [10.763194436114194]
深層学習を用いたジョイントソースチャネル符号化(DeepJSCC)によるノイズの多い無線チャネル上の画像伝送問題について検討する。
対象画像のレンジ・ヌル空間分解を利用した新しい手法を提案する。
再建画像の歪みと知覚的品質は,標準的なDeepJSCCや最先端の生成学習法と比較して有意に向上した。
論文 参考訳（メタデータ） (2023-09-27T16:30:59Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。
最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。
本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文 参考訳（メタデータ） (2022-09-16T11:00:50Z) - DeepJSCC-Q: Constellation Constrained Deep Joint Source-Channel Coding [6.55705721360334]
我々は、DeepJSCC-Qが、複雑な値のチャネル入力を可能にする以前の作業と同じような性能を実現できることを示す。
DeepJSCC-Qは予測不能なチャネル条件下での画質の優雅な劣化を保っている。
論文 参考訳（メタデータ） (2022-06-16T11:43:50Z) - DeepJSCC-Q: Channel Input Constrained Deep Joint Source-Channel Coding [5.046831208137847]
DeepJSCC-Qは、無線画像伝送のためのエンドツーエンドのジョイントソースチャネル符号化方式である。
チャネル条件が悪くなると、前処理で観察される画質の優雅な劣化が保たれる。
論文 参考訳（メタデータ） (2021-11-25T11:59:17Z) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - Deep Multimodal Fusion by Channel Exchanging [87.40768169300898]
本稿では,異なるモードのサブネットワーク間で動的にチャネルを交換するパラメータフリーマルチモーダル融合フレームワークを提案する。
このような交換プロセスの有効性は、畳み込みフィルタを共有してもBN層をモダリティで分離しておくことで保証される。
論文 参考訳（メタデータ） (2020-11-10T09:53:20Z) - Bandwidth-Agile Image Transmission with Deep Joint Source-Channel Coding [7.081604594416339]
画像が時間や頻度で徐々に層に伝達されるシナリオを考察する。
DeepJSCC-$l$は、畳み込みオートエンコーダを使用する革新的なソリューションである。
DeepJSCC-$l$は、低信号対雑音比(SNR)と小さな帯域幅規則の挑戦において、最先端のデジタルプログレッシブ伝送方式と同等の性能を持つ。
論文 参考訳（メタデータ） (2020-09-26T00:11:50Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z) - Decentralized Learning for Channel Allocation in IoT Networks over
Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。
本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-30T10:05:35Z)
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。