面向无线语义通信的条件去噪扩散自编码器
机器学习
2025-09-29 v1
摘要
语义通信（SemCom）系统旨在学习从低维语义到高维真实值之间的映射。虽然这更类似于“域转换”问题，但现有框架通常侧重于信道自适应的神经编码解码方案，缺乏对信号分布的充分探索。此外，这些方法所采用的是基于自编码器的架构，其中编码与匹配解码器紧密耦合，导致实际应用中的可扩展性问题。为解决这些问题，提出了用于无线SemCom的扩散自编码器模型。目标是学习从语义空间到真实值概率分布的“语义到干净”映射。在语义发射端，神经编码器提取高层语义；在语义接收端，条件扩散模型（CDiff）利用源分布进行信号空间去噪，而接收到的语义潜表示被纳入条件输入，以“引导”解码过程朝向由发射方意图所指定的语义方向发展。我们在理论上证明了所提出的解码器模型是真实数据一致的估计器。此外，提供了在CIFAR-10和MNIST数据集上的大量仿真，并给出设计见解，突出与传统自编码器和变分自编码器（VAE）相比较时的性能。仿真进一步扩展到多用户SemCom，识别了更真实环境下的支配性因素。
引用
@article{arxiv.2509.22282,
title = {Conditional Denoising Diffusion Autoencoders for Wireless Semantic Communications},
author = {Mehdi Letafati and Samad Ali and Matti Latva-aho},
journal= {arXiv preprint arXiv:2509.22282},
year = {2025}
}