論文の概要: Joint Sensing and Semantic Communications with Multi-Task Deep Learning
- arxiv url: http://arxiv.org/abs/2311.05017v2
- Date: Mon, 21 Oct 2024 16:30:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 20:59:12.679524
- Title: Joint Sensing and Semantic Communications with Multi-Task Deep Learning
- Title（参考訳）: マルチタスク深層学習を用いた共同センシングと意味コミュニケーション
- Authors: Yalin E. Sagduyu, Tugba Erpek, Aylin Yener, Sennur Ulukus,
- Abstract要約: 本稿では,協調センシングとコミュニケーションのための深層学習技術の統合と,セマンティックコミュニケーションの拡張について検討する。
統合システムは、無線チャンネル上で動作し、ノイズやフェーディングを受ける送信機と受信機とを備える。
送信機はディープニューラルネットワーク(DNN)、すなわちエンコーダを使用し、ソース符号化、チャネル符号化、変調のジョイント操作を行う。
受信機は別のDNN、すなわちデコーダを使用して、復調、チャネル復号、ソース復号のジョイント操作を行い、データサンプルを再構築する。
- 参考スコア（独自算出の注目度）: 45.622060532244944
- License:
- Abstract: This paper explores the integration of deep learning techniques for joint sensing and communications, with an extension to semantic communications. The integrated system comprises a transmitter and receiver operating over a wireless channel, subject to noise and fading. The transmitter employs a deep neural network (DNN), namely an encoder, for joint operations of source coding, channel coding, and modulation, while the receiver utilizes another DNN, namely a decoder, for joint operations of demodulation, channel decoding, and source decoding to reconstruct the data samples. The transmitted signal serves a dual purpose, supporting communication with the receiver and enabling sensing. When a target is present, the reflected signal is received, and another DNN decoder is utilized for sensing. This decoder is responsible for detecting the target's presence and determining its range. All these DNNs, including one encoder and two decoders, undergo joint training through multi-task learning, considering data and channel characteristics. This paper extends to incorporate semantic communications by introducing an additional DNN, another decoder at the receiver, operating as a task classifier. This decoder evaluates the fidelity of label classification for received signals, enhancing the integration of semantics within the communication process. The study presents results based on using the CIFAR-10 as the input data and accounting for channel effects like Additive White Gaussian Noise (AWGN) and Rayleigh fading. The results underscore the effectiveness of multi-task deep learning in achieving high-fidelity joint sensing and semantic communications.
- Abstract（参考訳）: 本稿では,協調センシングとコミュニケーションのための深層学習技術の統合と,セマンティックコミュニケーションの拡張について検討する。
統合システムは、無線チャンネル上で動作し、ノイズやフェーディングを受ける送信機と受信機とを備える。
送信機は、ディープニューラルネットワーク(DNN)、すなわち、ソース符号化、チャネル符号化、変調のジョイントオペレーションにエンコーダを使用し、受信機は、復調、チャネル復号、ソース復号のジョイントオペレーションに、別のDNN(デコーダ)を使用してデータサンプルを再構成する。
送信信号は二重目的に機能し、受信機との通信をサポートし、センシングを可能にする。
目標が存在する場合、反射信号が受信され、別のDNNデコーダが検知に使用される。
このデコーダは、ターゲットの存在を検出し、その範囲を決定する。
1つのエンコーダと2つのデコーダを含むこれらのDNNは、データとチャネル特性を考慮して、マルチタスク学習を通じて共同トレーニングを行っている。
本稿では,タスク分類器として動作している受信機に別のデコーダであるDNNを導入することで,意味コミュニケーションを組み込むように拡張する。
このデコーダは、受信した信号に対するラベル分類の忠実さを評価し、通信プロセスにおけるセマンティクスの統合を強化する。
本研究は,CIFAR-10を入力データとして使用し,付加白色ガウスノイズ (AWGN) やレイリーフェディング (Rayleigh fading) などのチャネル効果について考察した。
その結果,多タスク深層学習が高忠実度共同センシングおよび意味コミュニケーションの実現に有効であることを示す。
関連論文リスト
- Will 6G be Semantic Communications? Opportunities and Challenges from
Task Oriented and Secure Communications to Integrated Sensing [49.83882366499547]
本稿では,マルチタスク学習を統合した次世代(NextG)ネットワークにおけるタスク指向およびセマンティックコミュニケーションの機会と課題について検討する。
我々は、送信側の専用エンコーダと受信側の複数のタスク固有のデコーダを表すディープニューラルネットワークを用いる。
トレーニングとテストの段階において、敵対的攻撃に起因する潜在的な脆弱性を精査する。
論文 参考訳（メタデータ） (2024-01-03T04:01:20Z) - Joint Sensing and Task-Oriented Communications with Image and Wireless
Data Modalities for Dynamic Spectrum Access [49.83882366499547]
本稿では,マルチモーダル画像とスペクトルデータの相乗効果を利用した動的スペクトルアクセスの深層学習手法を提案する。
本稿では,送信機を搭載可能な車両などの潜在的な物体を撮影するカメラを備えたエッジデバイスについて考察する。
本稿では、エッジデバイスが、融合センターとして機能する信頼できる受信機に選択的に処理された情報を通信する協調システムを提案する。
論文 参考訳（メタデータ） (2023-12-21T15:26:26Z) - SemantIC: Semantic Interference Cancellation Towards 6G Wireless Communications [22.439797334214045]
本報告では,第6世代(6G)無線ネットワークに対するセマンティック・インターセプション・キャンセリング(SemantIC)という,新たなアンチ・インターオペラビリティ手法を提案する。
SemantICは、セマンティックオートエンコーダを持つチャンネルデコーダへのレシーバのみを必要とする。
論文 参考訳（メタデータ） (2023-10-19T14:13:12Z) - 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) - Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。
送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
論文 参考訳（メタデータ） (2023-01-11T04:15:51Z) - Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial
Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。
再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文 参考訳（メタデータ） (2022-12-20T17:13:22Z) - 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)
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。