协作式语义通信网络中图像传输的优化

本文提出了一种用于图像传输的语义通信框架。在所研究的框架中，一组服务器利用语义通信技术将图像协作传输给一组用户。为评估所研究语义通信系统的性能，提出一种多模态度量以衡量所提取语义信息与原图像之间的相关性。为满足各用户的ISS需求，每台服务器必须联合确定待传输的语义信息及用于语义信息传输的资源块（RBs）。我们将此问题建模为一个优化问题，旨在最小化各服务器的传输时延同时满足ISS需求。为求解该问题，提出了一种基于值分解的熵最大化多智能体强化学习（RL），使服务器能够协作训练并以分布式方式执行RB分配，从而以更少训练迭代逼近全局最优性能。相比传统多智能体RL，所提RL提升了服务器有价值动作的探索能力，以及基于局部观测找到全局最优RB分配策略的概率。仿真结果表明，相比传统多智能体RL，所提算法可将传输时延降低至多16.1%。