Se-HiLo：基于高低频分解的抗噪语义通信
网络与互联网体系结构
2025-03-11 v1
摘要
语义通信已成为下一代通信系统中的变革性范式，它利用先进的人工智能（AI）模型提取并传输语义表示，以实现高效的信息交换。然而，不可预测的语义噪声（例如传输表示中的歧义和失真）的出现，通常会破坏接收信息的可靠性。传统方法主要采用带有噪声注入的对抗训练来减轻噪声的不利影响。然而，此类方法对不同程度的噪声表现出有限的适应性，并在模型训练期间施加了额外的计算开销。为了应对这些挑战，本文提出了一种基于高低频分解的抗噪语义通信（Se-HiLo）用于图像传输。所提出的 Se-HiLo 包含一个基于有限标量量化（FSQ）的抗噪模块，该模块通过将编码表示强制约束在预定义空间内来绕过对抗训练，从而增强抗噪能力。虽然 FSQ 提高了鲁棒性，但它损害了表示的多样性。为了缓解这一权衡，我们采用了一个基于 Transformer 的高低频分解模块，将图像表示解耦为高频和低频分量，并将它们映射到独立的 FSQ 表示空间中以保持表示多样性。大量实验表明，Se-HiLo 实现了卓越的抗噪能力，并确保在多种噪声环境下进行准确的语义通信。
引用
@article{arxiv.2503.06883,
title = {Se-HiLo: Noise-Resilient Semantic Communication with High-and-Low Frequency Decomposition},
author = {Zhiyuan Xi and Kun Zhu and Yuanyuan Xu},
journal= {arXiv preprint arXiv:2503.06883},
year = {2025}
}