論文の概要: Channel-Aware Vector Quantization for Robust Semantic Communication on Discrete Channels

• arxiv url: http://arxiv.org/abs/2510.18604v1
• Date: Tue, 21 Oct 2025 13:02:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.536671
• Title: Channel-Aware Vector Quantization for Robust Semantic Communication on Discrete Channels
• Title（参考訳）: 離散チャネル上でのロバストなセマンティック通信のためのチャネル対応ベクトル量子化
• Authors: Zian Meng, Qiang Li, Wenqian Tang, Mingdie Yan, Xiaohu Ge,
• Abstract要約: 本稿では,VQJSCCと呼ばれるジョイントソースチャネル符号化フレームワークにおいて,チャネル認識ベクトル量子化(CAVQ)アルゴリズムを提案する。 このフレームワークでは、セマンティックな特徴を離散化し、変調星座のシンボルに直接マッピングし、CAVQはチャネル遷移確率を量子化プロセスに統合する。 伝送ストリームをサブチャネルに分解することで、コードブック順序と変調順序のミスマッチを処理するためのマルチコードブックアライメント機構も導入されている。
• 参考スコア（独自算出の注目度）: 5.680520767606761
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Deep learning-based semantic communication has largely relied on analog or semi-digital transmission, which limits compatibility with modern digital communication infrastructures. Recent studies have employed vector quantization (VQ) to enable discrete semantic transmission, yet existing methods neglect channel state information during codebook optimization, leading to suboptimal robustness. To bridge this gap, we propose a channel-aware vector quantization (CAVQ) algorithm within a joint source-channel coding (JSCC) framework, termed VQJSCC, established on a discrete memoryless channel. In this framework, semantic features are discretized and directly mapped to modulation constellation symbols, while CAVQ integrates channel transition probabilities into the quantization process, aligning easily confused symbols with semantically similar codewords. A multi-codebook alignment mechanism is further introduced to handle mismatches between codebook order and modulation order by decomposing the transmission stream into multiple independently optimized subchannels. Experimental results demonstrate that VQJSCC effectively mitigates the digital cliff effect, achieves superior reconstruction quality across various modulation schemes, and outperforms state-of-the-art digital semantic communication baselines in both robustness and efficiency.
• Abstract（参考訳）: 深層学習に基づくセマンティックコミュニケーションはアナログや半デジタル通信に大きく依存しており、現代のデジタル通信インフラとの互換性を制限している。 近年の研究では、ベクトル量子化(VQ)を用いて個別のセマンティックトランスミッションを実現しているが、既存の手法では、コードブック最適化中にチャネル状態の情報を無視し、最適以下のロバスト性を実現している。 このギャップを埋めるために、離散メモリレスチャネル上に確立されたVQJSCCと呼ばれるジョイントソースチャネル符号化(JSCC)フレームワーク内のチャネル対応ベクトル量子化(CAVQ)アルゴリズムを提案する。 CAVQはチャネル遷移確率を量子化プロセスに統合し、容易に混同されたシンボルと意味論的に類似したコードワードを整合させる。 さらに、送信ストリームを複数の独立的に最適化されたサブチャネルに分解することで、コードブック順序と変調順序のミスマッチを処理するために、マルチコードブックアライメント機構が導入された。 実験の結果、VQJSCCはデジタル崖効果を効果的に軽減し、様々な変調方式で優れた再構成品質を実現し、ロバスト性と効率の両面で最先端のディジタルセマンティックコミュニケーションベースラインを上回っていることが示された。

関連論文リスト

• Conditional Denoising Diffusion Autoencoders for Wireless Semantic Communications [10.896931510442514]
  無線セムコムシステムは,低次元のセマンティクスから高次元の地上構造へのマッピングを学習することを目的としている。 セマンティックトランスミッタのニューラルエンコーダは、ハイレベルセマンティクスを抽出する。 セマンティックレシーバにおける条件拡散モデル(CDiff)は、信号空間のデノイングにソース分布を利用する。 提案したデコーダモデルが地中構造データの一貫した推定器であることを解析的に証明した。
  論文  参考訳（メタデータ） (2025-09-26T12:46:21Z)
• Adaptive Source-Channel Coding for Semantic Communications [48.13990936094994]
  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。
  論文  参考訳（メタデータ） (2025-08-11T13:09:54Z)
• 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)
• 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)
• 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)
• 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)
• Fault-tolerant Coding for Entanglement-Assisted Communication [46.0607942851373]
  本稿では,量子チャネルに対するフォールトトレラントチャネル符号化の研究について述べる。 我々は、フォールトトレラント量子コンピューティングの手法を用いて、このシナリオで古典的および量子的情報を送信するための符号化定理を確立する。 特に,ゲートエラーがゼロに近づくと,耐故障能力が通常のキャパシティに近づくことを示す。
  論文  参考訳（メタデータ） (2022-10-06T14:09:16Z)
• DeepJSCC-Q: Constellation Constrained Deep Joint Source-Channel Coding [6.55705721360334]
  我々は、DeepJSCC-Qが、複雑な値のチャネル入力を可能にする以前の作業と同じような性能を実現できることを示す。 DeepJSCC-Qは予測不能なチャネル条件下での画質の優雅な劣化を保っている。
  論文  参考訳（メタデータ） (2022-06-16T11:43:50Z)
• 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)

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。