面向空天地一体化网络的混合比特与生成式语义通信的深度强化学习资源分配
信息论
2025-05-27 v3 信号处理
math.IT
摘要
本文提出了一种由混合比特级与生成式语义通信组成的新型框架，用于空天地一体化网络（SAGIN）中的高效下行图像传输。所提出的模型包含多颗低地球轨道（LEO）卫星、无人机（UAV）和地面用户。考虑到信号覆盖和接收天线的限制使得卫星与地面用户之间的直接通信在许多场景下不可行，因此 UAV 充当中继站，将图像从卫星转发至地面用户。所提出的混合通信框架有效地将比特级传输与多种语义级图像生成模式相结合，优化带宽使用，以满足严格的卫星链路预算约束，并在低信噪比（SNR）条件下确保通信可靠性和低延迟。为在保证地面用户重建质量的同时降低传输延迟，本文提出了一种用于衡量所提出系统中延迟与重建质量的新指标，并采用基于深度强化学习（DRL）的策略来优化所提出网络中的资源分配。仿真结果表明，所提出的框架在通信资源节约、降低延迟和保持高图像质量方面具有优越性，显著优于传统方案。因此，所提出的框架能够确保空天地一体化网络中的实时图像传输需求，即使在动态网络条件和用户需求下亦然。
引用
@article{arxiv.2412.05647,
title = {Deep Reinforcement Learning-Based Resource Allocation for Hybrid Bit and Generative Semantic Communications in Space-Air-Ground Integrated Networks},
author = {Chong Huang and Xuyang Chen and Gaojie Chen and Pei Xiao and Geoffrey Ye Li and Wei Huang},
journal= {arXiv preprint arXiv:2412.05647},
year = {2025}
}
备注
Accepted for publication in IEEE Journal on Selected Areas in Communications