基于 Vision Transformer 的 MIMO-OFDM 系统中面向重要性的语义通信
信号处理
2025-08-12 v1 信息论
math.IT
摘要
本文提出了一种新颖的面向重要性的量化、副载道映射和功率分配（IA-QSMPA）框架，用于 MIMO-OFDM 系统的语义通信，由预训练的 Vision Transformer（ViT）支持。该框架利用来自预训练 ViT 的注意力-based 重要性，联合优化量化水平、副载道映射和功率分配。具体而言，IA-QSMPA 将语义上重要的特征映射到高质量副载道，并根据其对任务性能和通信延迟的贡献分配资源。为高效求解 resulting nonconvex optimization problem，采用分块坐标下降算法。该框架进一步扩展为在有限区块长度传输下运行，其中可能发生通信错误。在此设置下，引入信道离散应力的分段线性近似，以高效地在实际约束下进行联合优化。在使用 MVP-N 数据集进行的多视角图像分类任务的仿真结果表明，IA-QSMPA 在理想和有限区块长度传输场景中均显著优于传统方法，实现了卓越的任务性能和通信效率。
引用
@article{arxiv.2508.07696,
title = {Importance-Aware Semantic Communication in MIMO-OFDM Systems Using Vision Transformer},
author = {Joohyuk Park and Yongjeong Oh and Jihun Park and Yo-Seb Jeon},
journal= {arXiv preprint arXiv:2508.07696},
year = {2025}
}