基于NeurJSCC的语义通信：范式、应用与潜力
信号处理
2023-06-26 v2 信息论
math.IT
摘要
深度学习的近期进展引发了人们使用利用神经网络非线性特性的方法来解决高效端到端传输问题的浓厚兴趣。这些技术，我们称之为神经联合信源信道编码（NeurJSCC），提取源信号在时空上的潜在语义特征，并设计相应的可变长度NeurJSCC方法以通过无线通信信道传输潜在特征。快速的进展已催生大量研究论文，但对已有知识的系统梳理尚未出现。在本文中，我们汇集多种思路，将NeurJSCC的广泛方面归为两类范式，即显式NeurJSCC与隐式NeurJSCC。我们首先聚焦于这两类NeurJSCC范式，辨识它们在构建端到端通信系统中的相同与不同组件。随后我们关注NeurJSCC在各种通信任务中的典型应用。本文突出了NeurJSCC所带来的质量、灵活性与能力的提升，并指出未来方向。
引用
@article{arxiv.2303.14640,
title = {NeurJSCC Enabled Semantic Communications: Paradigms, Applications, and Potentials},
author = {Sixian Wang and Jincheng Dai and Xiaoqi Qin and Kai Niu and Ping Zhang},
journal= {arXiv preprint arXiv:2303.14640},
year = {2023}
}