面向海洋物联网的基于 Turbo 的深度语义自编码器设计
强关联电子
2025-11-11 v2
摘要
随着全球海洋经济的快速发展和海事活动的蓬勃发展，海洋物联网(IoT)正获得前所未有的势头。然而，当前的海洋设备在数据传输效率和语义理解方面存在不足。为此，本文提出一种新型的端到端(E2E)编码方案，即 Turbo-based Deep Semantic Autoencoder(Turbo-DSA)。Turbo-DSA 通过 transmitter 和 receiver 的 E2E 设计，在语义层面实现 source-channel coding，同时学习适应环境变化。语义编码器和解码器由 transformer 技术构成，高效地将信息转换为语义向量。这些向量在神经网络训练期间根据信道特征和背景知识库进行动态调整。Turbo 结构进一步增强了语义向量。具体而言，信道编码器利用 Turbo 结构将语义向量分离，以确保语义的精确传输，而信道解码器则采用 Turbo 迭代解码以优化语义向量的表示。通过目标函数、语义提取和整个训练过程的设计，确保了 transformer 与 Turbo 结构的深度集成。与传统 Turbo 编码技术相比，Turbo-DSA 由于其高效处理语义向量，展现出更快的收敛速度。仿真结果表明，Turbo-DSA 在关键绩效指标方面超越了现有基准，包括双语评估 understudy 分数和句子相似度。这在低信噪比条件下尤为明显，展现出在变动的海洋信道环境中 superior 文本语义传输效率和适应性。
引用
@article{arxiv.2511.00376,
title = {Low-Frequency Noise and Resistive Switching in $\beta$-Na$_{0.33}$V$_2$O$_5$},
author = {Nitin Kumar and Nicholas Jerla and John Ponis and Sarbajit Banerjee and G. Sambandamurthy},
journal= {arXiv preprint arXiv:2511.00376},
year = {2025}
}