基于非对称神经网络的场景自适应 MU-MIMO OFDM 语义通信
机器学习
2026-02-17 v1
摘要
语义通信 (SemCom) 已成为 6G 网络的有前景范式，旨在提取而非最小化比特错误的信息。然而，将 SemCom 应用于现实中的下行多用户多输入多输出 (MU-MIMO) 正交频分复用 (OFDM) 系统仍具有挑战性，因为存在严重的多用户干扰 (MUI) 和频率选择性衰落。现有的深度联合源信道编码 (DJSCC) 方案主要为点对点链路设计，在多用户场景中存在性能饱和。为解决这些问题，我们提出一种场景自适应 MU-MIMO SemCom 框架，采用针对下行传输的非对称体系结构。发射端，我们引入基于信道状态信息 (CSI) 和信噪比 (SNR) 的场景感知语义编码器，动态调整特征提取，随后采用神经预编码网络在语义域内抑制 MUI。接收端，采用配备新型飞行标志引导注意力机制的轻量级解码器，用于使用参考飞行标志符号隐式执行信道均衡和特征校准。基于 3GPP 信道模型的大量仿真结果表明，所提框架在峰值信噪比 (PSNR) 和分类准确率方面显著优于 DJSCC 和传统分离源信道编码 (SSCC) 方案，尤其在低 SNR 条件下表现更佳，同时保持边缘设备上的低延迟和低计算复杂度。
引用
@article{arxiv.2602.13557,
title = {Scenario-Adaptive MU-MIMO OFDM Semantic Communication With Asymmetric Neural Network},
author = {Chongyang Li and Tianqian Zhang and Shouyin Liu},
journal= {arXiv preprint arXiv:2602.13557},
year = {2026}
}