基于深度学习的叠加编码调制用于广播信道上的分层语义通信
信息论
2024-06-13 v2 信号处理
math.IT
摘要
我们考虑广播信道上的多用户语义通信。虽然大多数现有工作认为每个接收机需要相同或独立的语义信息，但本文探讨了不同接收机所需的语义信息不同但相关的情景。具体而言，我们研究了高斯广播信道上的语义通信，其中发射机具有共同的观测源，但接收机希望根据其信道条件恢复分层语义信息。受叠加码达到容量特性的启发，我们提出了一种基于深度学习的叠加编码调制（DeepSCM）方案。具体而言，首先提取分层语义信息并将其编码为基本特征向量和增强特征向量。然后开发了一种线性最小均方误差（LMMSE）解相关器，从增强特征中获得与基本特征不相关的细化部分。最后，在概率调制后，将基本特征及其细化部分叠加进行广播。实验针对具有粗粒度和细粒度分类作为分层语义任务的雙接收机图像语义广播进行。DeepSCM 优于没有叠加结构的基准编码调制方案，特别是在信道差异大和高阶调制的情况下。其性能也接近于仿佛只有一个接收机时的性能上限。
引用
@article{arxiv.2401.01564,
title = {Deep Learning Based Superposition Coded Modulation for Hierarchical Semantic Communications over Broadcast Channels},
author = {Yufei Bo and Shuo Shao and Meixia tao},
journal= {arXiv preprint arXiv:2401.01564},
year = {2024}
}