面向硬件受损通信的去噪扩散概率模型
信息论
2023-10-06 v2 信号处理
math.IT
摘要
生成式 AI 因生成式预训练 Transformer（GPT）和扩散模型等深度生成模型所取得的卓越成果，在众多工业与学术领域受到广泛关注。本文中，我们探索了去噪扩散概率模型（DDPMs）在无线通信系统中的应用，考虑硬件损伤（HWI）、低信噪比（SNR） regime 与量化误差等实际假设。扩散模型是一类最先进的生成模型，已在 OpenAI1 与 Google Brain2 的一些知名实例中展现出显著成功。DDPM 的直觉在于将数据生成过程分解为小的“去噪”步骤。受此启发，我们提出了一种基于去噪扩散模型的接收机用于实际无线通信方案，同时在低信噪比 regime、非高斯噪声、不同 HWI 水平及量化误差下提供网络弹性。我们根据均方误差（MSE）指标评估本方案的重构性能。结果表明，与基于深度神经网络（DNN）的接收机相比，MSE 改善超过 25 dB。我们还强调了在非高斯噪声下鲁棒的分布式外（out-of-distribution）性能。
引用
@article{arxiv.2309.08568,
title = {Denoising Diffusion Probabilistic Models for Hardware-Impaired Communications},
author = {Mehdi Letafati and Samad Ali and Matti Latva-aho},
journal= {arXiv preprint arXiv:2309.08568},
year = {2023}
}