基于 ODE 思想的空中神经网络用于双任务导向语义通信
信号处理
2025-05-09 v1
摘要
模拟机器学习硬件平台相较于数字平台具有更大的速度和能源效率。 Specifically, 空中模拟计算允许通过精心构建的发射信号将计算卸载到无线传输中。此外, 可重构智能表面 (RIS) 正在作为下一代无线网络的热门解决方案, 其提供了塑造通信环境的能力。利用 RIS 的优势, 我们设计并实现了基于空中计算 (AirComp) 的普通微分方程 (ODE) 神经网络, 并证明其对双任务的有效性。我们通过分布式 RIS 构建环境无线传播, 以创建称为空中 ODE (Air-ODE) 网络的架构。不同于传统数字 ODE 神经网络, Air-ODE 块利用波动反射的物理特性和 RIS 的可重构相位移位, 在模拟域中实现 ODE 块, 从而提升频谱效率。Air-ODE 的优势通过深度学习语义通信 (DeepSC) 系统得以体现, 通过提取有效语义信息来降低数据传输负载, 同时在接收端同时实现图像重建和语义标记的双重功能。仿真结果表明, 模拟 Air-ODE 网络可实现与数字 ODE 神经网络相似的性能。具体而言, 对于图像重建和语义标记任务, 相较于无 Air-ODE 块的模拟网络, Air-ODE 块在重建质量和标记准确率两方面均可实现约 2 倍的提升。
引用
@article{arxiv.2505.04970,
title = {Over-the-Air ODE-Inspired Neural Network for Dual Task-Oriented Semantic Communications},
author = {Mengbing Liu and Jiancheng An and Chongwen Huang and Chau Yuen},
journal= {arXiv preprint arXiv:2505.04970},
year = {2025}
}
备注
Accepted by IEEE Transactions on Cognitive Communications and Networking