面向多用户多接入网络的语义方法继继干扰消除
信息论
2025-01-22 v1 math.IT
摘要
与传统通信系统范式不同，后者将信息源建模为序列的（i.i.d. 或平稳）随机变量，而语义方法旨在提取和发送源中深层包含的高层次特征，从而突破统计信息论的性能限制。作为该领域的开创性工作，基于深度学习的语义通信（DeepSC）构成了一种新型算法框架，基于变压器——这是一种广泛用于数值处理文本的深度学习工具。本文的主要目标是将 DeepSC 方法从点到点链路扩展到多用户多接入信道（MAC）。用户间干扰长期被识别为 MAC 的瓶颈。在经典信息论中，继继干扰消除（SIC）方案是一种常见的干扰消除方法，以实现信道容量。我们的主要贡献是将 SIC 方案纳入 DeepSC。与传统 SIC 不同，所提出的语义 SIC 在语义词嵌入向量域中工作。此外，为提高训练效率，我们提出了预训练方案和部分重新训练方案，以快速调整神经网络参数，当新的用户被添加到 MAC 时。我们还修改了现有的损失函数以促进训练。最后，我们 presented 数值实验以演示所提出语义方法相对于现有基准方法的优势。
引用
@article{arxiv.2501.10926,
title = {A Semantic Approach to Successive Interference Cancellation for Multiple Access Networks},
author = {Mingxiao Li and Kaiming Shen and Shuguang Cui},
journal= {arXiv preprint arXiv:2501.10926},
year = {2025}
}
备注
14 pages, 12 figures