面向数字语义通信系统的基于学习的联合编码-调制
信息论
2022-11-08 v2 机器学习
math.IT
摘要
在基于学习的语义通信中，神经网络已取代传统通信系统中的不同模块。然而，数字调制对神经网络仍是一项挑战。基于神经网络的数值调制的内在机制是将神经网络编码器的连续输出映射为离散星座符号，这是一个不可微函数，无法用现有梯度下降算法训练。为克服该挑战，本文提出一种用于 BPSK 调制的数字语义通信联合编码-调制方案。在我们的方法中，神经网络输出每个星座点的似然，而非进行具体映射。因此采用随机码而非确定性码，从而为每个星座点上似然相近的符号保留更多信息。该联合编码-调制设计可使调制过程与信道状态匹配，进而提升数字语义通信性能。实验结果表明，我们的方法在宽 SNR 范围内优于现有数字调制方法，并在低 SNR 区优于基于神经网络的模拟调制方法。
引用
@article{arxiv.2208.05704,
title = {Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems},
author = {Yufei Bo and Yiheng Duan and Shuo Shao and Meixia Tao},
journal= {arXiv preprint arXiv:2208.05704},
year = {2022}
}