语义通信的基本极限：率失真的神经估计
信息论
2024-01-03 v1 机器学习
信号处理
math.IT
摘要
本文研究了离散无记忆信道上语义通信的基本极限。我们考虑发送一个由观测状态及其对应语义状态组成的语义源，两者均在接收端恢复。为了推导性能极限，我们采用语义率失真函数（SRDF）来研究最小压缩率、观测失真、语义失真和信道容量之间的关系。对于语义源分布未知的情况，仅有一组源样本可用，我们提出了一种基于神经网络的方法，利用生成网络学习语义源分布。此外，对于语义状态是观测的确定性函数的特殊情况，我们设计了一个级联神经网络来估计SRDF。对于语义源分布完全已知的情况，我们提出了一种通用的Blahut-Arimoto算法来有效计算SRDF。最后，实验结果验证了我们提出的算法在理想高斯语义源和一些实际数据集场景下的有效性。
引用
@article{arxiv.2401.01176,
title = {Fundamental Limitation of Semantic Communications: Neural Estimation for Rate-Distortion},
author = {Dongxu Li and Jianhao Huang and Chuan Huang and Xiaoqi Qin and Han Zhang and Ping Zhang},
journal= {arXiv preprint arXiv:2401.01176},
year = {2024}
}