面向动态条件的面向IoV语义通信的AI驱动信道生成
网络与互联网体系结构
2025-07-04 v1 信号处理
摘要
物联网车辆（IoV）正在变革交通生态系统，承诺实现普遍连接和数据驱动的方法。深度学习和生成式人工智能（AI）有望显著提升IoV中应用的运行，包括智能导航、车辆安全监测、事故预防和智能交通管理等。然而，在动态且不可预测的无线信道条件下，高效传输和处理IoV产生的海量数据仍是一个重大挑战。为此，本文提出了一种基于信道感知的语义通信框架，以提高数据传输的准确性和效率。该语义通信模型提取并压缩待传输的信息。此外，利用生成式扩散模型对无线信道进行估计，用于预测动态信道状态，从而提高IoV服务的质量。在动态场景中，当新情景大量出现时，信道估计性能可能受到影响，这会对用户体验造成不利影响。为缓解这一局限，我们采用大模型对信道生成模型进行微调，以增强其在不同情景下的适应性。我们在两个公开数据集上评估了所提出框架的性能和可靠性。
引用
@article{arxiv.2507.02013,
title = {AI-Empowered Channel Generation for IoV Semantic Communications in Dynamic Conditions},
author = {Hao Liu and Bo Yang and Zhiwen Yu and Xuelin Cao and George C. Alexandropoulos and Yan Zhang and Chau Yuen},
journal= {arXiv preprint arXiv:2507.02013},
year = {2025}
}