语义通信中可变长度联合源-信道编码
神经元与认知
2025-11-12 v1
摘要
本文研究了语义通信 (SemCom) 中联合源-信道编码 (JSCC) 面临的关键挑战：现有 JSCC 方案产生连续编码表示，而数字系统采用离散可变长度 codewords。这导致在通过此类 JSCC 方法实现物理比特级率控制时存在可行性问题。为此，本文提出一种新型端到端编码 (E2EC) 框架以解决此问题。通过将信息垄断 (IB) 理论扩展到带噪声信道上，形成语义编码问题，这是一种在比特级通信率和语义失真之间进行权衡的过程。通过对编码进行结构分解以分别处理代码长度和内容，我们可以构建一个支持将数据源直接压缩到有限码本中的端到端可训练编码器。为优化跨不可微操作（如抽样）的 E2EC，我们使用强大的策略梯度以支持基于梯度的更新。实验结果表明，E2EC 在高推断质量和低比特率方面表现优异，优于与数字 SemCom 系统兼容的代表性基线方法。
引用
@article{arxiv.2511.07825,
title = {Inferring Hidden Motives: Bayesian Models of Preference Learning in Repeated Dictator Games},
author = {Gregory Stanley and Jun Zhang and Rick Lewis},
journal= {arXiv preprint arXiv:2511.07825},
year = {2025}
}