图像语义通信网络训练的资源分配
社会与信息网络
2025-01-09 v1
摘要
语义通信是一种旨在为下一代无线网络提供更高效通信的新范式。它 focuses on传输提取的、有意义的信息,而非原始数据。然而,深度学习驱动的图像语义通信模型通常需要大量时间和能量进行训练,这在移动设备上不可接受。为解决这一挑战,本文首先引入一个分布式图像语义通信系统,其中基站和本地设备将协作训练上行通信的模型。进一步地,我们构建了一个在训练过程中平衡本地设备的时间和能耗,同时确保有效模型性能的联合优化问题。提出一种可适应的资源分配算法,以满足不同场景下的需求,并对其时间复杂性、解的质量和收敛性进行了彻底分析。实验结果表明,我们算法在资源分配优化方面优于现有基准,并讨论了其对图像语义通信系统性能的影响。
引用
@article{arxiv.2501.04408,
title = {Resource Allocation for the Training of Image Semantic Communication Networks},
author = {Yang Li and Xinyu Zhou and Jun Zhao},
journal= {arXiv preprint arXiv:2501.04408},
year = {2025}
}
备注
Accepted by IEEE Transactions on Wireless Communications