面向任务导向语义通信的鲁棒深度联合源信道编码
信号处理
2025-03-18 v1 信息论
math.IT
摘要
基于深度联合源信道编码（JSCC）的语义通信旨在通过仅传输与任务相关的信息来提高通信效率。然而，确保学习型JSCC对通信信道随机性的鲁棒性仍是关键挑战。本文提出了一种用于学习型JSCC以增强对信道噪声鲁棒性的新型正则化技术。该方法利用克隆-莫尔(KL)散度作为训练损失函数中的正则化项，衡量两种后验分布之间的差异：一种是在带噪声信道条件下的后验分布（噪声后验），一种是无噪声系统的后验分布（噪声自由后验）。通过保持噪声后验接近噪声自由后验，减少KL散度可减轻信道噪声对任务性能的影响。我们进一步表明，给定编码表示后KL散度的期望可使用Fisher信息矩阵和信道噪声协方差矩阵进行解析近似。值得注意的是，所提出的正则化方法与网络结构无关，适用于各种带噪声信道的语义通信系统。我们的实验结果验证，所提正则化方法在多样化的语义通信系统和信道条件下均能一致性地提高任务性能。
引用
@article{arxiv.2503.12907,
title = {Robust Deep Joint Source Channel Coding for Task-Oriented Semantic Communications},
author = {Taewoo Park and Eunhye Hong and Yo-Seb Jeon and Namyoon Lee and Yongjune Kim},
journal= {arXiv preprint arXiv:2503.12907},
year = {2025}
}