論文の概要: sDAC -- Semantic Digital Analog Converter for Semantic Communications

• arxiv url: http://arxiv.org/abs/2405.02335v1
• Date: Fri, 26 Apr 2024 19:34:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-12 15:50:33.695311
• Title: sDAC -- Semantic Digital Analog Converter for Semantic Communications
• Title（参考訳）: 意味コミュニケーションのための意味的デジタルアナログ変換器sDAC
• Authors: Zhicheng Bao, Chen Dong, Xiaodong Xu,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.8663473164957303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel semantic digital analog converter (sDAC) for the compatibility of semantic communications and digital communications. Most of the current semantic communication systems are based on the analog modulations, ignoring their incorporation with digital communication systems, which are more common in practice. In fact, quantization methods in traditional communication systems are not appropriate for use in the era of semantic communication as these methods do not consider the semantic information inside symbols. In this case, any bit flip caused by channel noise can lead to a great performance drop. To address this challenge, sDAC is proposed. It is a simple yet efficient and generative module used to realize digital and analog bi-directional conversion. On the transmitter side, continuous values from the encoder are converted to binary bits and then can be modulated by any existing methods. After transmitting through the noisy channel, these bits get demodulated by paired methods and converted back to continuous values for further semantic decoding. The whole progress does not depend on any specific semantic model, modulation methods, or channel conditions. In the experiment section, the performance of sDAC is tested across different semantic models, semantic tasks, modulation methods, channel conditions and quantization orders. Test results show that the proposed sDAC has great generative properties and channel robustness.
• Abstract（参考訳）: 本稿では,セマンティック・コミュニケーションとデジタル・コミュニケーションの整合性を実現するためのセマンティック・アナログ・コンバータ(sDAC)を提案する。 現在の意味コミュニケーションシステムの多くはアナログ変調に基づいており、実際には一般的であるデジタル通信システムとの結合を無視している。 実際、従来のコミュニケーションシステムにおける量子化手法は、シンボル内の意味情報を考慮しないため、意味コミュニケーションの時代において使用には適していない。 この場合、チャネルノイズによって引き起こされる任意のビットフリップは、大きなパフォーマンス低下につながる可能性がある。 この課題に対処するため、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。 送信側では、エンコーダからの連続値はバイナリビットに変換され、既存のメソッドによって変調される。 ノイズのあるチャネルを通して送信すると、これらのビットはペアのメソッドによって復号化され、さらなるセマンティックデコーディングのために連続値に変換される。 全体的な進捗は、特定のセマンティックモデル、変調方法、チャネル条件に依存しない。 実験セクションでは、sDACの性能を異なる意味モデル、セマンティックタスク、変調方法、チャネル条件、量子化順序で検証する。 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。

関連論文リスト

• Variational Source-Channel Coding for Semantic Communication [6.55201432222942]
  現在の意味コミュニケーションシステムは一般にオートエンコーダ(AE)としてモデル化されている AEは、チャネルダイナミクスを効果的にキャプチャできないため、コミュニケーション戦略とAI原則の深い統合を欠いている。 本稿では,従来のコミュニケーションとセマンティックコミュニケーションを区別するデータ歪みの包含について検討する。 意味コミュニケーションシステムを構築するために,VSCC法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T03:42:05Z)
• Knowledge Distillation Based Semantic Communications For Multiple Users [10.770552656390038]
  本稿では,複数のユーザを対象としたセマンティックコミュニケーション(SemCom)システムについて考察する。 本稿では,トランスフォーマーベースのエンコーダデコーダをセマンティックエンコーダデコーダとして実装し,チャネルエンコーダデコーダとして完全に接続されたニューラルネットワークを実装した知識蒸留(KD)システムを提案する。 数値計算の結果,KDは予期せぬ干渉に適用した場合のロバスト性や一般化能力を大幅に向上し,モデルサイズを圧縮した場合の性能損失を低減できることがわかった。
  論文  参考訳（メタデータ） (2023-11-23T03:28:14Z)
• 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)
• Waveform Manipulation Against DNN-based Modulation Classification Attacks [2.8475397246467575]
  本稿では,無線通信信号の変調学習にDeep Neural Network (DNN) を用いた盗聴者に対する防御手法を提案する。 本手法は,変調データと混合した連続時間周波数変調(FM)難読化信号を用いて出力波形を操作することに基づく。 その結果, 難聴波形のパラメータを慎重に選択することで, AWGNでは10%未満に, LRxでは性能損失が無く, フェーディングチャネルでは10%以下に分類性能を低下させることができることがわかった。
  論文  参考訳（メタデータ） (2023-10-03T09:03:34Z)
• Alternate Learning based Sparse Semantic Communications for Visual Transmission [13.319988526342527]
  セマンティック通信(Semantic Communication, SemCom)は、従来のビットレベルの正確な伝送よりも優れていることを示す。 本稿では,SparseSBC という視覚伝達のための代替学習システム SemCom を提案する。
  論文  参考訳（メタデータ） (2023-07-31T03:34:16Z)
• 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)
• Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems [45.81474044790071]
  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。
  論文  参考訳（メタデータ） (2022-08-11T08:58:35Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Error Correction Code Transformer [92.10654749898927]
  本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。 我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。 提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
  論文  参考訳（メタデータ） (2022-03-27T15:25:58Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。