面向 AI-Native MIMO 语义通信的潜在空间对齐
机器学习
2025-07-25 v2 信息论
网络与互联网体系结构
math.IT
摘要
语义通信侧重于优先考虑传输数据背后意义的理解，并确保完成交换信息所驱动的任务。然而，当设备依赖不同的语言、逻辑或内部表示时，可能会发生语义不匹配，从而可能阻碍相互理解。本文提出了一种新方法，用于解决语义通信中潜在空间的对齐问题，利用多输入多输出 (MIMO) 通信。具体而言，我们的方法学习一个 MIMO 预编码器/解码器对，联合执行潜在空间压缩和语义信道均衡，从而缓解语义不匹配和物理信道损耗。我们探讨了两种解决方案：(i) 一种线性模型，通过交替方向乘子法 (ADMM) 求解双凸优化问题；(ii) 一种基于神经网络的模型，在传输功率预算和复杂度约束下学习语义 MIMO 预编码器/解码器。数值结果表明，所提出的方法在以目标为导向的语义通信场景中有效，说明了准确性、通信负载和解决方案复杂度之间的主要权衡。
引用
@article{arxiv.2507.16680,
title = {Latent Space Alignment for AI-Native MIMO Semantic Communications},
author = {Mario Edoardo Pandolfo and Simone Fiorellino and Emilio Calvanese Strinati and Paolo Di Lorenzo},
journal= {arXiv preprint arXiv:2507.16680},
year = {2025}
}
备注
Proc. of IEEE IJCNN 2025