論文の概要: Deep Joint Source-Channel Coding for Efficient and Reliable
Cross-Technology Communication
- arxiv url: http://arxiv.org/abs/2402.10072v1
- Date: Fri, 26 Jan 2024 04:55:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 12:36:40.506324
- Title: Deep Joint Source-Channel Coding for Efficient and Reliable
Cross-Technology Communication
- Title(参考訳): 高精度で信頼性の高いクロステクノロジー通信のためのディープジョイントソースチャネル符号化
- Authors: Shumin Yao, Xiaodong Xu, Hao Chen, Yaping Sun, and Qinglin Zhao
- Abstract要約: クロステクノロジー通信(CTC)は、非互換無線技術間の直接通信を可能にする有望な技術である。
本稿では,効率よく信頼性の高いCTCを実現するためのディープジョイント・ソースチャネル符号化方式を提案する。
- 参考スコア(独自算出の注目度): 7.133814048121873
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-technology communication (CTC) is a promising technique that enables
direct communications among incompatible wireless technologies without needing
hardware modification. However, it has not been widely adopted in real-world
applications due to its inefficiency and unreliability. To address this issue,
this paper proposes a deep joint source-channel coding (DJSCC) scheme to enable
efficient and reliable CTC. The proposed scheme builds a neural-network-based
encoder and decoder at the sender side and the receiver side, respectively, to
achieve two critical tasks simultaneously: 1) compressing the messages to the
point where only their essential semantic meanings are preserved; 2) ensuring
the robustness of the semantic meanings when they are transmitted across
incompatible technologies. The scheme incorporates existing CTC coding
algorithms as domain knowledge to guide the encoder-decoder pair to learn the
characteristics of CTC links better. Moreover, the scheme constructs shared
semantic knowledge for the encoder and decoder, allowing semantic meanings to
be converted into very few bits for cross-technology transmissions, thus
further improving the efficiency of CTC. Extensive simulations verify that the
proposed scheme can reduce the transmission overhead by up to 97.63\% and
increase the structural similarity index measure by up to 734.78%, compared
with the state-of-the-art CTC scheme.
- Abstract(参考訳): クロステクノロジー通信(CTC)は、ハードウェア修正を必要とせず、非互換な無線技術間の直接通信を可能にする有望な技術である。
しかし、その非効率性と信頼性のため、現実世界のアプリケーションでは広く採用されていない。
そこで本稿では,効率良く信頼性の高いctcを実現するために,djscc(deep joint source-channel coding)方式を提案する。
提案方式は, 送信側と受信側でそれぞれニューラルネットワークベースのエンコーダとデコーダを構築し, 同時に2つの重要なタスクを遂行する。
1) 本質的な意味のみが保存されている点にメッセージを圧縮する。
2)非互換技術間で伝達される意味意味の意味のロバスト性を確保する。
このスキームは、既存のCTC符号化アルゴリズムをドメイン知識として組み込んで、エンコーダとデコーダのペアをガイドし、CTCリンクの特性をよりよく学習する。
さらに、このスキームはエンコーダとデコーダの共有意味知識を構築し、技術横断伝送のために意味意味を非常に少ないビットに変換することで、ctcの効率をさらに向上させる。
広範なシミュレーションにより、提案手法は伝送オーバーヘッドを最大97.63\%削減し、構造的類似度指標を最大734.78%増加させることができることが検証された。
関連論文リスト
- NNCTC: Physical Layer Cross-Technology Communication via Neural Networks [5.316403200445237]
技術間通信は、多様な無線技術間のシームレスな相互作用を可能にする。
NNCTCは、無線通信におけるトレーニング可能なニューラルモデルの適応性に着想を得たニューラルネットワークベースのクロステクノロジー通信フレームワークである。
論文 参考訳(メタデータ) (2024-03-15T04:36:44Z) - Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
本稿では,実用的な意味コミュニケーションフレームワークを提案する。
2つの知性エージェント間の効果的な目標指向情報共有を可能にする。
数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
論文 参考訳(メタデータ) (2023-11-30T03:36:19Z) - Generative AI-aided Joint Training-free Secure Semantic Communications
via Multi-modal Prompts [89.04751776308656]
本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。
セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
論文 参考訳(メタデータ) (2023-09-05T23:24:56Z) - Improving CTC-AED model with integrated-CTC and auxiliary loss
regularization [6.214966465876013]
自動音声認識(ASR)において、コネクショニスト時間的分類とアテンションベースエンコーダデコーダ(AED)共同訓練が広く適用されている。
本稿では,2つの融合法,すなわち直接ロジット加算(DAL)と最大確率保存(PMP)を用いる。
我々は,CTCの寸法に適合するように注意結果を適応的にアフィン変換することで,次元整合性を実現する。
論文 参考訳(メタデータ) (2023-08-15T03:31:47Z) - 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) - Perceptual Learned Source-Channel Coding for High-Fidelity Image
Semantic Transmission [7.692038874196345]
本稿では, 深部JSCCの最適化のために, 対向損失を導入する。
我々の新しい深層JSCCアーキテクチャは、エンコーダ、無線チャネル、デコーダ/ジェネレータ、および識別器を組み合わせたものである。
ユーザスタディでは、知覚的に類似したエンドツーエンドの画像伝送品質を達成することで、約50%の無線チャネル帯域幅コストを節約できることを確認した。
論文 参考訳(メタデータ) (2022-05-26T03:05:13Z) - CTC Variations Through New WFST Topologies [79.94035631317395]
本稿では,コネクショニスト時相分類(CTC)のような自動音声認識アルゴリズムを実装するために,WFST(Weighted Finite-State Transducer)トポロジを提案する。
1)ユニット間の直接遷移をepsilon>バックオフ遷移に置き換える"compact-CTC"、(2)WFSTコンポジションで使用する際に空白>自己ループのみを追加する"minimal-CTC"、(3)非ブランクユニットの自己ループを許可する"selfless-CTC"の3つの新しいCTC変種が提案されている。
論文 参考訳(メタデータ) (2021-10-06T23:00:15Z) - Intermediate Loss Regularization for CTC-based Speech Recognition [58.33721897180646]
本稿では,コネクショニスト時間分類(CTC)の目的に基づいて,自動音声認識(ASR)のための簡易かつ効率的な補助的損失関数を提案する。
提案手法は,WSJコーパスの単語誤り率(WER)9.9%,AISHELL-1コーパスの文字誤り率(CER)5.2%である。
論文 参考訳(メタデータ) (2021-02-05T15:01:03Z) - EfficientFCN: Holistically-guided Decoding for Semantic Segmentation [49.27021844132522]
最先端セマンティックセマンティックセグメンテーションアルゴリズムは主に拡張されたFully Convolutional Networks (DilatedFCN)に基づいている
本稿では,拡張畳み込みのないイメージネット事前学習ネットワークをバックボーンとする,効率的なFCNを提案する。
このようなフレームワークは、計算コストの1/3しか持たない最先端の手法に比べて、同等またはそれ以上の性能を達成する。
論文 参考訳(メタデータ) (2020-08-24T14:48:23Z)
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。