論文の概要: Semantic Waveforms for AI-Native 6G Networks
- arxiv url: http://arxiv.org/abs/2602.13316v1
- Date: Tue, 10 Feb 2026 12:55:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:27.909092
- Title: Semantic Waveforms for AI-Native 6G Networks
- Title（参考訳）: AI-Native 6G ネットワークのための意味波形
- Authors: Nour Hello, Mohamed Amine Hamoura, Francois Rivet, Emilio Calvanese Strinati,
- Abstract要約: 本稿では,AIネイティブな6Gネットワークのためのセマンティック・アウェア・波形設計フレームワークを提案する。
提案手法は,無線伝送信号の制御による劣化を制御し,意味的に重要な内容の保存を可能にする。
OSSDMはスペクトル効率とセマンティック忠実度において従来のOFDM波形より優れる。
- 参考スコア（独自算出の注目度）: 1.1224290226501585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a semantic-aware waveform design framework for AI-native 6G networks that jointly optimizes physical layer resource usage and semantic communication efficiency and robustness, while explicitly accounting for the hardware constraints of RF chains. Our approach, called Orthogonal Semantic Sequency Division Multiplexing (OSSDM), introduces a parametrizable, orthogonal-base waveform design that enables controlled degradation of the wireless transmitted signal to preserve semantically significant content while minimizing resource consumption. We demonstrate that OSSDM not only reinforces semantic robustness against channel impairments but also improves semantic spectral efficiency by encoding meaningful information directly at the waveform level. Extensive numerical evaluations show that OSSDM outperforms conventional OFDM waveforms in spectral efficiency and semantic fidelity. The proposed semantic waveform co-design opens new research frontiers for AI-native, intelligent communication systems by enabling meaning-aware physical signal construction through the direct encoding of semantics at the waveform level.
- Abstract（参考訳）: 本稿では, RFチェーンのハードウェア制約を明示的に考慮しつつ, 物理層資源使用率とセマンティック通信効率, 堅牢性を協調的に最適化する,AIネイティブな6Gネットワークのためのセマンティック・アウェア・波形設計フレームワークを提案する。
我々の手法は,OSSDM(Orthogonal Semantic Sequency Division Multiplexing)と呼ばれ,リソース消費を最小限に抑えつつ,無線伝送信号の制御による意味的に重要な内容の保存を可能にする,パラメトリザブルで直交型波形設計を導入している。
OSSDMは、チャネル障害に対する意味的堅牢性を強化するだけでなく、波形レベルで意味のある情報を直接符号化することで、意味的スペクトル効率を向上させることを実証する。
OSSDMはスペクトル効率とセマンティック忠実度において従来のOFDM波形よりも優れていた。
提案したセマンティック・ウェーブフォーム・コデザインは、セマンティックスを波形レベルで直接符号化することで、意味を意識した物理的信号構築を可能にすることによって、AIネイティブなインテリジェント・コミュニケーションシステムのための新たな研究フロンティアを開放する。
関連論文リスト
- Generalizing WiFi Gesture Recognition via Large-Model-Aware Semantic Distillation and Alignment [6.124050993047708]
WiFiベースのジェスチャー認識は、AIoT環境において有望なRFセンシングパラダイムとして登場した。
本稿では,大規模モデル対応セマンティック蒸留・アライメントと呼ばれる新しい一般化フレームワークを提案する。
本手法は,実世界のAIoTアプリケーションにおいて,一般化されたRFベースのジェスチャーインタフェースに対して,スケーラブルでデプロイ可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-10-15T10:28:50Z) - Semantic-Aware Visual Information Transmission With Key Information Extraction Over Wireless Networks [34.11565549404313]
本稿では,資源制約付き6Gネットワークに適したAIネイティブなディープジョイントソースチャネル符号化(JSCC)フレームワークを提案する。
提案手法は,鍵情報抽出と適応的背景合成を統合し,インテリジェントでセマンティックな伝送を実現する。
論文 参考訳（メタデータ） (2025-06-15T09:32:48Z) - Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。
意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。
提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
論文 参考訳（メタデータ） (2025-06-06T03:20:32Z) - Distributionally Robust Wireless Semantic Communication with Large AI Models [111.47794569742206]
現在のSemComシステムは、様々なノイズ条件、敵攻撃、アウト・オブ・ディストリビューション・データにまたがる一般化に失敗している。
Wassersteinは、意味的誤解釈やチャネル摂動に対するレジリエンスを提供するために、分布的に堅牢な最適化を採用している。
画像とテキストの伝送実験の結果、WaSeComは雑音や逆方向の摂動下で頑健性の向上を実現していることがわかった。
論文 参考訳（メタデータ） (2025-05-28T04:03:57Z) - Modeling and Performance Analysis for Semantic Communications Based on Empirical Results [53.805458017074294]
終端計測とSNRの関係をモデル化するためのAlpha-Beta-Gamma (ABG) 式を提案する。
画像再構成タスクでは、提案されたABG公式は、SCUNetやVision Transformerといった一般的なDLネットワークに適合する。
我々の知る限りでは、これはエンドツーエンドのパフォーマンス指標と意味コミュニケーションのためのSNRの間の最初の理論的表現である。
論文 参考訳（メタデータ） (2025-04-29T06:07:50Z) - Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。
既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。
本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
論文 参考訳（メタデータ） (2025-01-20T04:26:21Z) - A Memory-Based Reinforcement Learning Approach to Integrated Sensing and Communication [52.40430937325323]
本稿では、送信機が受信機に送信した信号をメモリ付きチャネル上で送信するISACシステムについて考察する。
オンライン方式でセンシングを行う場合,ISAC問題に対するキャパシティ・歪みトレードオフを定式化する。
論文 参考訳（メタデータ） (2024-12-02T03:30:50Z) - Deep Joint Semantic Coding and Beamforming for Near-Space Airship-Borne Massive MIMO Network [70.63240823677182]
近距離飛行船搭載通信網は、緊急に信頼性と効率のよい飛行船対Xリンクを必要とする。
本稿では,MIMO(Multiple-Input multiple-output)技術とセマンティックコミュニケーションを統合することを提案する。
論文 参考訳（メタデータ） (2024-05-30T09:46:59Z) - Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models [43.27015039765803]
我々は,事前学習した生成モデルを用いた遅延認識型セマンティックコミュニケーションフレームワークを開発した。
我々は,超低レート,低レイテンシ,チャネル適応型セマンティック通信を実証する。
論文 参考訳（メタデータ） (2024-03-25T23:04:09Z) - 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) - Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
本稿では,実用的な意味コミュニケーションフレームワークを提案する。
2つの知性エージェント間の効果的な目標指向情報共有を可能にする。
数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
論文 参考訳（メタデータ） (2023-11-30T03:36:19Z) - On Neural Architectures for Deep Learning-based Source Separation of
Co-Channel OFDM Signals [104.11663769306566]
周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。
我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
論文 参考訳（メタデータ） (2023-03-11T16:29:13Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳（メタデータ） (2022-02-26T14:51:02Z)
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。