基于潜在语义扩散的信道自适应去噪语义通信及其在未来6G系统中的应用
图像与视频处理
2023-04-20 v1
摘要
与当前的香农经典信息论（CIT）范式相比，语义通信（SemCom）近来受到更多关注，因其旨在传输信息的含义而非逐比特传输，从而提升数据传输效率并支撑6G系统中未来以人为中心、数据密集与资源密集的智能服务。然而，信道噪声在6G赋能场景下普遍甚至严重，限制了SemCom的通信性能，尤其在训练与部署阶段信噪比（SNR）水平不同、但训练多个网络以覆盖宽范围SNR场景在计算上低效时。为此，我们提出一种新颖的去噪语义通信（DNSC）框架，其中设计的去噪器模块可消除语义向量中的噪声干扰。在该DNSC架构上，我们进一步结合对抗学习、变分自编码器与扩散模型，提出潜在扩散DNSC（Latent-Diff DNSC）方案以实现智能在线去噪。离线训练阶段，以前向马尔可夫扩散方式向潜在语义向量加噪，随后通过U形网络（U-Net）近似的后验分布以反向扩散方式消除噪声，其中语义去噪器通过最大化证据下界（ELBO）优化。该设计可建模具各种SNR的真实噪声信道环境，并能在在线传输阶段自适应去除含噪语义向量中的噪声。在开源图像数据集上的仿真表明，所提Latent-Diff DNSC方案在不同SNR下的PSNR与SSIM优于包括JPEG、Deep JSCC与ADJSCC在内的现有最优方案。
引用
@article{arxiv.2304.09420,
title = {Latent Semantic Diffusion-based Channel Adaptive De-Noising SemCom for Future 6G Systems},
author = {Bingxuan Xu and Rui Meng and Yue Chen and Xiaodong Xu and Chen Dong and Hao Sun},
journal= {arXiv preprint arXiv:2304.09420},
year = {2023}
}
备注
6 pages, 7 figures