面向近空心空中巢型大规模 MIMO 网络的深度联合语义编码与波束赋形
信号处理
2024-05-31 v1 信息论
机器学习
多媒体
math.IT
摘要
近空心空中巢型通信网络因空中巢长期驻扎于平流层高度而被认定为未来集成地面-空中-空间网络中不可或缺的组成部分，但亟需可靠且高效的空中巢至 X 链接。为提高传输效率和容量，本文提出将语义通信与大规模多输入多输出 (MIMO) 技术相结合。具体而言，本文提出一种用于空中巢型大规模 MIMO 图像传输网络的深度联合语义编码与波束赋形 (JSCBF) 框架，其中融合了来自源端和信道端的语义，用于联合设计语义编码和物理层波束赋形。首先，我们设计两个语义提取网络分别从图像源和信道状态信息中提取语义。随后，我们提出一种语义融合网络，可将这些语义融合为复杂值语义特征，以进行后续物理层传输。为高效传输这些融合后的语义特征，我们进一步提出混合数据驱动和模型驱动的语义感知波束赋形网络。在接收端，设计了一个语义解码网络用于重建传输的图像。最后，我们采用以接收端图像重建质量为评估指标，对所有模块进行端到端深度学习联合训练。该方案充分结合了语义通信高效源压缩和鲁棒纠错能力与大规模 MIMO 的高谱效率，显著优于现有方法实现了显著的性能提升。
引用
@article{arxiv.2405.19889,
title = {Deep Joint Semantic Coding and Beamforming for Near-Space Airship-Borne Massive MIMO Network},
author = {Minghui Wu and Zhen Gao and Zhaocheng Wang and Dusit Niyato and George K. Karagiannidis and Sheng Chen},
journal= {arXiv preprint arXiv:2405.19889},
year = {2024}
}
备注
Major Revision by IEEE JSAC