論文の概要: Joint Sensing and Task-Oriented Communications with Image and Wireless Data Modalities for Dynamic Spectrum Access

• arxiv url: http://arxiv.org/abs/2312.13931v1
• Date: Thu, 21 Dec 2023 15:26:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-22 14:32:07.283232
• Title: Joint Sensing and Task-Oriented Communications with Image and Wireless Data Modalities for Dynamic Spectrum Access
• Title（参考訳）: ダイナミックスペクトラムアクセスのための画像・無線データモダリティを用いた共同センシングとタスク指向通信
• Authors: Yalin E. Sagduyu, Tugba Erpek, Aylin Yener, Sennur Ulukus
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.83882366499547
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a deep learning approach to dynamic spectrum access, leveraging the synergy of multi-modal image and spectrum data for the identification of potential transmitters. We consider an edge device equipped with a camera that is taking images of potential objects such as vehicles that may harbor transmitters. Recognizing the computational constraints and trust issues associated with on-device computation, we propose a collaborative system wherein the edge device communicates selectively processed information to a trusted receiver acting as a fusion center, where a decision is made to identify whether a potential transmitter is present, or not. To achieve this, we employ task-oriented communications, utilizing an encoder at the transmitter for joint source coding, channel coding, and modulation. This architecture efficiently transmits essential information of reduced dimension for object classification. Simultaneously, the transmitted signals may reflect off objects and return to the transmitter, allowing for the collection of target sensing data. Then the collected sensing data undergoes a second round of encoding at the transmitter, with the reduced-dimensional information communicated back to the fusion center through task-oriented communications. On the receiver side, a decoder performs the task of identifying a transmitter by fusing data received through joint sensing and task-oriented communications. The two encoders at the transmitter and the decoder at the receiver are jointly trained, enabling a seamless integration of image classification and wireless signal detection. Using AWGN and Rayleigh channel models, we demonstrate the effectiveness of the proposed approach, showcasing high accuracy in transmitter identification across diverse channel conditions while sustaining low latency in decision making.
• Abstract（参考訳）: 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活用し,動的スペクトルアクセスへ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。 デバイス上での計算にかかわる計算上の制約や信頼の問題を認識し,エッジデバイスが選択的に処理された情報を融合センタとして機能する信頼できる受信機に通信し,潜在的な送信機が存在するか否かを判断する協調システムを提案する。 これを実現するために,送信機のエンコーダを用いて,共同音源符号化,チャネル符号化,変調を行うタスク指向通信を用いる。 このアーキテクチャは、オブジェクト分類のための縮小次元の必須情報を効率的に伝達する。 同時に、送信された信号はオブジェクトを反射して送信機に戻り、ターゲットセンサーデータの収集を可能にする。 そして、収集したセンシングデータは、タスク指向通信を介して融合センタに伝達される縮小次元情報と共に、送信機で第2ラウンドのエンコーディングを行う。 受信側において、デコーダは、ジョイントセンシングおよびタスク指向通信によって受信されたデータを融合して送信機を識別するタスクを実行する。 送信機の2つのエンコーダと受信機のデコーダを共同で訓練し、画像分類と無線信号検出のシームレスな統合を可能にする。 awgnとrayleighチャネルモデルを用いて,提案手法の有効性を実証し,意思決定における低レイテンシを維持しつつ,多様なチャネル条件における送信者識別における高い精度を示す。

関連論文リスト

• Rate-Distortion-Perception Theory for Semantic Communication [73.04341519955223]
  シンボル歪みおよび意味知覚制約下での意味コミュニケーションの達成可能なデータレートについて検討する。 我々は、受信者が特定の歪みや知覚の制約を満たす意味情報ソースを直接推測できるケースが存在することを観察する。
  論文  参考訳（メタデータ） (2023-12-09T02:04:32Z)
• Joint Sensing and Semantic Communications with Multi-Task Deep Learning [45.622060532244944]
  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。
  論文  参考訳（メタデータ） (2023-11-08T21:03:43Z)
• 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)
• Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects [78.84264189471936]
  NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。 無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。 エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
  論文  参考訳（メタデータ） (2022-12-19T17:54:36Z)
• Robust Information Bottleneck for Task-Oriented Communication with Digital Modulation [31.39386509261528]
  タスク指向通信は、主に学習ベースのジョイントソースチャネル符号化(JSCC)を用いており、通信効率のよいエッジ推論システムを設計することを目的としている。 チャネル変動に対する通信ロバスト性を改善するために,ロバスト情報ボトルネック (RIB) と呼ばれるロバスト符号化フレームワークを開発した。 提案するDT-JSCCは,通信遅延の低いベースライン方式よりも優れた推論性能を実現する。
  論文  参考訳（メタデータ） (2022-09-21T14:21:14Z)
• Distributed Image Transmission using Deep Joint Source-Channel Coding [8.316711745589354]
  相関画像ソースに対するディープジョイントソースチャネル符号化(D-JSCC)の問題点について検討する。 軽量エッジエンコーダと強力なセンターデコーダを備えたディープニューラルネットワークソリューションを提案する。 本研究は,両リンクの雑音表現を利用して,両リンクの復元品質を著しく改善したことを示す。
  論文  参考訳（メタデータ） (2022-01-25T14:25:26Z)

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。