Fugu-MT 論文翻訳(概要): Adaptive Source-Channel Coding for Semantic Communications

論文の概要: Adaptive Source-Channel Coding for Semantic Communications

arxiv url: http://arxiv.org/abs/2508.07958v1
Date: Mon, 11 Aug 2025 13:09:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-12 21:23:29.108659
Title: Adaptive Source-Channel Coding for Semantic Communications
Title（参考訳）: セマンティック通信のための適応型ソースチャネル符号化
Authors: Dongxu Li, Kai Yuan, Jianhao Huang, Chuan Huang, Xiaoqi Qin, Shuguang Cui, Ping Zhang,
Abstract要約: セマンティック通信 (Semantic Communications, SemComs) は, 共同データとタスク指向の伝送において, 有望なパラダイムとして登場した。 SemComsの現在のジョイントソースチャネル符号化(JSCC)は、既存の通信システムと互換性がない。並列ガウスチャネル上でのSemComsの適応型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）: 48.13990936094994
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Semantic communications (SemComs) have emerged as a promising paradigm for joint data and task-oriented transmissions, combining the demands for both the bit-accurate delivery and end-to-end (E2E) distortion minimization. However, current joint source-channel coding (JSCC) in SemComs is not compatible with the existing communication systems and cannot adapt to the variations of the sources or the channels, while separate source-channel coding (SSCC) is suboptimal in the finite blocklength regime. To address these issues, we propose an adaptive source-channel coding (ASCC) scheme for SemComs over parallel Gaussian channels, where the deep neural network (DNN)-based semantic source coding and conventional digital channel coding are separately deployed and adaptively designed. To enable efficient adaptation between the source and channel coding, we first approximate the E2E data and semantic distortions as functions of source coding rate and bit error ratio (BER) via logistic regression, where BER is further modeled as functions of signal-to-noise ratio (SNR) and channel coding rate. Then, we formulate the weighted sum E2E distortion minimization problem for joint source-channel coding rate and power allocation over parallel channels, which is solved by the successive convex approximation. Finally, simulation results demonstrate that the proposed ASCC scheme outperforms typical deep JSCC and SSCC schemes for both the single- and parallel-channel scenarios while maintaining full compatibility with practical digital systems.
Abstract（参考訳）: セマンティック通信(Semantic Communications, SemComs)は、ビット精度の配信とエンドツーエンド(E2E)の歪み最小化の両方の要求を組み合わせた、共同データとタスク指向トランスミッションのための有望なパラダイムとして登場した。しかし、SemComsの現在のジョイントソースチャネル符号化(JSCC)は既存の通信システムと互換性がなく、ソースやチャネルのバリエーションに適応できない。これらの問題に対処するため,SemComsの並列ガウスチャネル上での適応型ソースチャネル符号化(ASCC)方式を提案し,ディープニューラルネットワーク(DNN)ベースのセマンティックソース符号化と従来のデジタルチャネル符号化を別々にデプロイし,適応的に設計する。信号とチャネルの符号化を効率よく行うために、まずE2Eデータとセマンティック歪みをロジスティック回帰(英語版)によりソース符号化率とビット誤り率(BER)の関数として近似し、BERは信号対雑音比(SNR)とチャネル符号化率(英語版)の関数としてモデル化する。次に,重み付き和E2E歪み最小化問題を定式化し,連続凸近似を用いて並列チャネル上の電力配分を行う。最後にシミュレーション結果から,ASCC方式は,実用的なデジタルシステムとの完全な互換性を維持しつつ,単一チャネルシナリオと並列チャネルシナリオの両方において,典型的な深いJSCCおよびSSCC方式よりも優れていた。

関連論文リスト

VQ-DeepISC: Vector Quantized-Enabled Digital Semantic Communication with Channel Adaptive Image Transmission [8.858565507331395]
意味的特徴の離散化は、意味的コミュニケーションシステムとデジタルコミュニケーションシステムの相互運用を可能にする。チャネル適応画像伝送を用いたベクトル量子化(VQ)対応ディジタルセマンティック通信システムを提案する。
論文参考訳（メタデータ） (2025-08-01T02:35:34Z)
Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
論文参考訳（メタデータ） (2024-07-26T02:34:25Z)
Rateless Stochastic Coding for Delay-Constrained Semantic Communication [5.882972817816777]
我々は,無作為な観点からのセマンティック・コミュニケーションのためのジョイント・ソース・チャネル・コーディングの問題点を考察する。本稿では,意味レベルの再構築目的を組み込むことで知覚距離を最小化する,より汎用的なコミュニケーション目的を提案する。提案手法は, 歪みと知覚のトレードオフを良好に保ちながら, 伝送速度の可変化を実現可能であることを示す。
論文参考訳（メタデータ） (2024-06-28T10:27:06Z)
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)
Over-the-Air Split Machine Learning in Wireless MIMO Networks [56.27831295707334]
スプリット機械学習(ML)では、ニューラルネットワーク(NN)の異なるパーティションが異なる計算ノードによって実行される。通信負担を軽減するため、OAC(Over-the-air calculation)は通信と同時に計算の全てまたは一部を効率的に実装することができる。
論文参考訳（メタデータ） (2022-10-07T15:39:11Z)
Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文参考訳（メタデータ） (2022-09-16T11:00:50Z)
Nonlinear Transform Source-Channel Coding for Semantic Communications [7.81628437543759]
本稿では,非線形変換の下での音源分布に密に適応できる,高効率なディープジョイントソースチャネル符号化法を提案する。本モデルでは, 非線形変換を強みとして組み込んで, 音源のセマンティックな特徴を効果的に抽出する。特に、NTSCC法は、その活発なコンテンツ認識能力のために、将来的なセマンティックコミュニケーションをサポートする可能性がある。
論文参考訳（メタデータ） (2021-12-21T03:30:46Z)
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-22T13:34:53Z)
Deep Learning-based Resource Allocation For Device-to-Device Communication [66.74874646973593]
デバイス間通信(D2D)を用いたマルチチャネルセルシステムにおいて,リソース割り当ての最適化のためのフレームワークを提案する。任意のチャネル条件に対する最適な資源配分戦略をディープニューラルネットワーク(DNN)モデルにより近似する深層学習(DL)フレームワークを提案する。シミュレーションの結果,提案手法のリアルタイム性能を低速で実現できることが確認された。
論文参考訳（メタデータ） (2020-11-25T14:19:23Z)
Bandwidth-Agile Image Transmission with Deep Joint Source-Channel Coding [7.081604594416339]
画像が時間や頻度で徐々に層に伝達されるシナリオを考察する。 DeepJSCC-$l$は、畳み込みオートエンコーダを使用する革新的なソリューションである。 DeepJSCC-$l$は、低信号対雑音比(SNR)と小さな帯域幅規則の挑戦において、最先端のデジタルプログレッシブ伝送方式と同等の性能を持つ。
論文参考訳（メタデータ） (2020-09-26T00:11:50Z)

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。