論文の概要: SNR-EQ-JSCC: Joint Source-Channel Coding with SNR-Based Embedding and Query

• arxiv url: http://arxiv.org/abs/2501.04732v1
• Date: Tue, 07 Jan 2025 02:31:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:58:17.290185
• Title: SNR-EQ-JSCC: Joint Source-Channel Coding with SNR-Based Embedding and Query
• Title（参考訳）: SNR-EQ-JSCC: SNRベースの埋め込みとクエリによる共同ソースチャネル符号化
• Authors: Hongwei Zhang, Meixia Tao,
• Abstract要約: 本稿では,SNR-EQ-JSCCと呼ばれる軽量なチャネル適応型セマンティックコーディングアーキテクチャを提案する。 汎用トランスフォーマーモデルに基づいて構築され、信号-雑音比(SNR)をアテンションブロックに埋め込み、チャネル適応(CA)を実現する。 即時SNRフィードバックが不完全である可能性があることを考慮し、平均SNRのみを使用する別の方法を提案する。
• 参考スコア（独自算出の注目度）: 40.61935046452048
• License:
• Abstract: Coping with the impact of dynamic channels is a critical issue in joint source-channel coding (JSCC)-based semantic communication systems. In this paper, we propose a lightweight channel-adaptive semantic coding architecture called SNR-EQ-JSCC. It is built upon the generic Transformer model and achieves channel adaptation (CA) by Embedding the signal-to-noise ratio (SNR) into the attention blocks and dynamically adjusting attention scores through channel-adaptive Queries. Meanwhile, penalty terms are introduced in the loss function to stabilize the training process. Considering that instantaneous SNR feedback may be imperfect, we propose an alternative method that uses only the average SNR, which requires no retraining of SNR-EQ-JSCC. Simulation results conducted on image transmission demonstrate that the proposed SNR-EQJSCC outperforms the state-of-the-art SwinJSCC in peak signal-to-noise ratio (PSNR) and perception metrics while only requiring 0.05% of the storage overhead and 6.38% of the computational complexity for CA. Moreover, the channel-adaptive query method demonstrates significant improvements in perception metrics. When instantaneous SNR feedback is imperfect, SNR-EQ-JSCC using only the average SNR still surpasses baseline schemes.
• Abstract（参考訳）: 動的チャネルの影響による符号化は、JSCCベースの意味コミュニケーションシステムにおいて重要な問題である。 本稿では,SNR-EQ-JSCCと呼ばれる軽量なチャネル適応型セマンティックコーディングアーキテクチャを提案する。 一般的なTransformerモデルに基づいて構築され,SNR(Signal-to-Noise ratio)をアテンションブロックに埋め込み,チャネル適応クエリによるアテンションスコアを動的に調整することで,チャネル適応(CA)を実現する。 一方、損失関数にペナルティ項を導入し、トレーニングプロセスを安定化させる。 そこで本研究では,SNR-EQ-JSCCの再トレーニングを必要としない,平均的なSNRのみを使用する方法を提案する。 SNR-EQJSCCはピーク信号対雑音比(PSNR)と知覚の指標において、ストレージオーバーヘッドの0.05%とCAの複雑性の6.38%しか必要とせず、最先端のSwinJSCCよりも優れていた。 さらに,チャネル適応型クエリ手法は,知覚指標の大幅な改善を示す。 即時SNRフィードバックが不完全である場合、平均SNRのみを用いたSNR-EQ-JSCCは依然としてベースラインスキームを超えている。

関連論文リスト

• Semantic Successive Refinement: A Generative AI-aided Semantic Communication Framework [27.524671767937512]
  本稿では,単一ユーザシナリオを対象とした新しいジェネレーティブAIセマンティックコミュニケーション(GSC)システムを提案する。 送信側では、Swin Transformerをベースとしたジョイントソースチャネル符号化機構を用いて、効率的なセマンティック特徴抽出を行う。 受信側では、高度な拡散モデル(DM)が劣化した信号から高品質な画像を再構成し、知覚の詳細を高める。
  論文  参考訳（メタデータ） (2024-07-31T06:08:51Z)
• A Comparative Study of Deep Learning and Iterative Algorithms for Joint Channel Estimation and Signal Detection in OFDM Systems [11.190815358585137]
  周波数分割多重化システムでは,共同チャネル推定と信号検出が重要である。 従来のアルゴリズムは低信号対雑音比(SNR)のシナリオでは不十分である。 深層学習 (DL) 手法は検討されているが, 計算コストや低SNR設定による検証の欠如が懸念されている。
  論文  参考訳（メタデータ） (2023-03-07T06:34:04Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• 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)
• Sequence Transduction with Graph-based Supervision [96.04967815520193]
  ラベルのグラフ表現を受け入れるためにRNN-T損失を一般化するトランスデューサ目的関数を提案する。 CTC型格子を用いたトランスデューサベースのASRは,標準RNN-Tよりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-11-01T21:51:42Z)
• SNR-adaptive deep joint source-channel coding for wireless image transmission [14.793908797250989]
  本稿では, 自己エンコーダを用いた新しい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。 デコーダは、信号対雑音比(SNR)を推定し、それを用いて送信された画像を適応的に復号することができる。
  論文  参考訳（メタデータ） (2021-01-30T10:30:04Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)
• Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
  ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。 チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。 最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-02-24T22:18:54Z)

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。