面向5G及未来网络中自适应语义通信的联合用户关联与资源分配
网络与互联网体系结构
2026-03-10 v3
摘要
语义通信（SemCom）已成为一种有前景的范式，它利用深度神经网络（DNN）提取任务相关信息，从而大幅减少传输数据量。在现有实现中，语义收发器通常针对特定任务进行预训练，并被所有用户统一采用。然而，由于用户在计算和通信能力方面的异质性，采用单一的固定语义收发器可能会降低编码效率和传输鲁棒性。为解决此问题，我们首先证明了动态调整基于DNN的语义收发器的计算和通信开销的可行性，从而实现了称为自适应语义通信（ASC）的更灵活范式。基于这一概念，我们为5G及未来网络中的ASC制定了一个联合用户关联和资源分配问题，旨在能量和延迟约束下最大化整体系统效用。然而，由于决策变量之间的内在相互依赖性，该问题极具挑战性。为应对这一复杂性，我们将原问题分解为三个子问题：（i）每个用户的ASC方案选择，（ii）每个小小区基站（SBS）的频谱分配，以及（iii）跨SBS的用户关联。每个子问题基于前一阶段的解依次求解。所提算法以多项式时间复杂度高效地生成接近最优的解。仿真结果表明，我们的方法在各种情况下均优于现有基线。
引用
@article{arxiv.2312.01049,
title = {Joint User Association and Resource Allocation for Adaptive Semantic Communication in 5G and Beyond Networks},
author = {Xingqiu He and Chaoqun You and Zihan Chen and Yao Sun and Dongzhu Liu and Tony Q. S. Quek and Yue Gao},
journal= {arXiv preprint arXiv:2312.01049},
year = {2026}
}