論文の概要: Sequence Spreading-Based Semantic Communication Under High RF Interference

• arxiv url: http://arxiv.org/abs/2501.12502v1
• Date: Tue, 21 Jan 2025 21:08:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 13:28:17.483871
• Title: Sequence Spreading-Based Semantic Communication Under High RF Interference
• Title（参考訳）: 高RF干渉下における系列拡散に基づくセマンティック通信
• Authors: Hazem Barka, Georges Kaddoum, Mehdi Bennis, Md Sahabul Alam, Minh Au,
• Abstract要約: 本稿では,SemComとシークエンス拡散技術の統合に基づくシステムロバスト性向上手法を提案する。 また,デスプレッディングおよび等化後に受信信号を洗練するための新しい信号精錬ネットワーク(SRN)を提案する。 提案するネットワークは、計算集約的なエンドツーエンド(E2E)トレーニングの必要性を排除し、性能指標を改善する。
• 参考スコア（独自算出の注目度）: 42.00742666044546
• License:
• Abstract: In the evolving landscape of wireless communications, semantic communication (SemCom) has recently emerged as a 6G enabler that prioritizes the transmission of meaning and contextual relevance over conventional bit-centric metrics. However, the deployment of SemCom systems in industrial settings presents considerable challenges, such as high radio frequency interference (RFI), that can adversely affect system performance. To address this problem, in this work, we propose a novel approach based on integrating sequence spreading techniques with SemCom to enhance system robustness against such adverse conditions and enable scalable multi-user (MU) SemCom. In addition, we propose a novel signal refining network (SRN) to refine the received signal after despreading and equalization. The proposed network eliminates the need for computationally intensive end-to-end (E2E) training while improving performance metrics, achieving a 25% gain in BLEU score and a 12% increase in semantic similarity compared to E2E training using the same bandwidth.
• Abstract（参考訳）: 無線通信の進化する状況において、セマンティックコミュニケーション(SemCom)は、従来のビット中心のメトリクスよりも意味の伝達と文脈的関連性を優先する6Gイネーブルとして最近登場した。 しかし、セムコムシステムの産業環境での展開は、高周波数干渉(RFI)など、システム性能に悪影響を及ぼす可能性のある大きな課題を呈している。 この問題に対処するため,本研究では,SemComとシーケンス拡散技術を統合した新しいアプローチを提案し,このような悪条件に対するシステムの堅牢性を高め,スケーラブルなマルチユーザ(MU)SemComを実現する。 さらに,受信信号のデスプレッドやイコライゼーションを行う新しい信号精錬ネットワーク(SRN)を提案する。 提案ネットワークは、計算集約的なエンドツーエンド(E2E)トレーニングの必要性を排除し、性能指標を改善し、BLEUスコアで25%向上し、同じ帯域幅を用いたE2Eトレーニングと比較して意味的類似性が12%向上した。

関連論文リスト

• Latency Optimization in LEO Satellite Communications with Hybrid Beam Pattern and Interference Control [20.19239663262141]
  低軌道(LEO)衛星通信システムは次世代用途に不可欠な高容量で低遅延のサービスを提供する。 LEO星座の密な構成は資源配分最適化と干渉管理の課題を提起する。 本稿では,マルチビームLEOシステムにおけるビームスケジューリングとリソース割り当てを最適化するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-14T17:18:24Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Benchmarking Semantic Communications for Image Transmission Over MIMO Interference Channels [11.108614988357008]
  一般マルチインプット・マルチアウトプット(MIMO)干渉チャネルに対するインターフェクト・ロバスト・セマンティック通信(IRSC)方式を提案する。 このスキームはニューラルネットワーク(NN)に基づくトランシーバの開発を伴い、チャネル状態情報(CSI)を受信機のみ、または送信機と受信機の両方の端で統合する。 実験結果から、IRSC方式は干渉を緩和し、ベースラインアプローチより優れることを示す。
  論文  参考訳（メタデータ） (2024-04-10T11:40:22Z)
• Adaptive Resource Allocation for Semantic Communication Networks [34.189531352110386]
  本稿では,意味的量子化効率(SQE)や伝送遅延などのセマンティック通信ネットワークにおけるサービス品質について検討する。 全体として有効なSC-QoSを最大化する問題は、基地局、ビット意味表現、サブチャネル割り当て、およびセマンティックリソース割り当てを共同で送信することで定式化される。 本設計では, セマンティックノイズに効果的に対処でき, 無線通信において, 複数のベンチマーク方式と比較して優れた性能が得られる。
  論文  参考訳（メタデータ） (2023-12-02T09:12:12Z)
• A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication [53.78269720999609]
  本稿では,セマンティック通信(SemCom)を利用したAIGC(SemAIGC)の生成と伝送フレームワークを提案する。 具体的には、セマンティックエンコーダとデコーダに拡散モデルを統合し、ワークロード調整可能なトランシーバを設計する。 提案するSemAIGCフレームワークは,従来の手法に比べてレイテンシとコンテンツ品質が優れていることがシミュレーションによって検証された。
  論文  参考訳（メタデータ） (2023-10-26T18:05:22Z)
• Communication-Efficient Framework for Distributed Image Semantic Wireless Transmission [68.69108124451263]
  IoTデバイスを用いたマルチタスク分散画像伝送のためのFederated Learning-based semantic communication (FLSC)フレームワーク。 各リンクは階層型視覚変換器(HVT)ベースの抽出器とタスク適応トランスレータで構成される。 チャネル状態情報に基づく多重出力多重出力伝送モジュール。
  論文  参考訳（メタデータ） (2023-08-07T16:32:14Z)
• Performance Limits of a Deep Learning-Enabled Text Semantic Communication under Interference [89.91583691993071]
  本稿では,(マルチインターフェラー)RFIの存在下でのDeepSCという人気テキストSemComシステムの性能限界について検討する。 本稿では,DeepSCが意味的に無関係な文を生成することを示す。 また,マルチインターフェラーRFIにおいて,DeepSCの実用限界と停止確率の低い値も導出する。
  論文  参考訳（メタデータ） (2023-02-15T05:43:08Z)
• Optimal Power Allocation for Rate Splitting Communications with Deep Reinforcement Learning [61.91604046990993]
  このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。 ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
  論文  参考訳（メタデータ） (2021-07-01T06:32:49Z)
• Wireless Federated Learning (WFL) for 6G Networks -- Part II: The Compute-then-Transmit NOMA Paradigm [43.273644277347465]
  我々は,無線フェデレートラーニング(WFL)ネットワークのための新しい通信プロトコルを導入し,最適化する。 Compute-then-Transmit NOMA (CT-NOMA)プロトコルが導入され、ユーザーはローカルモデルトレーニングを同時に終了し、トレーニングされたパラメータを中央サーバに同時に送信する。 NOMAにおけるユーザ間干渉の緩和のための2つの異なる検出スキームを検討し、固定および可変復号順序に対応する評価する。
  論文  参考訳（メタデータ） (2021-04-24T19:14:28Z)

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。