基于离散时间模拟传输的语义通信：从峰均功率比视角
信息论
2023-01-02 v3 机器学习
图像与视频处理
信号处理
math.IT
摘要
基于深度学习（DL）的联合信源信道编码（DeepJSCC）的最新进展催生了语义通信的新范式。基于 DeepJSCC 的语义通信的两个显著特征是从源信号直接利用语义感知特征，以及这些特征的离散时间模拟传输（DTAT）。相比传统数字通信，基于 DeepJSCC 的语义通信在接收端提供更优的重建性能，并随信道质量下降而优雅退化，但也在发射信号中表现出较大的峰均功率比（PAPR）。一个开放问题是，DeepJSCC 的增益是否来自高 PAPR 连续幅度信号所带来的额外自由度。本文中，我们通过探索图像传输应用中的三种 PAPR 抑制技术来解决该问题。我们确认基于 DeepJSCC 的语义通信的优越图像重建性能可在发射 PAPR 被抑制至可接受水平的同时得以保留。该观察是 DeepJSCC 在实际语义通信系统中实现的重要一步。
引用
@article{arxiv.2208.08342,
title = {Semantic Communications with Discrete-time Analog Transmission: A PAPR Perspective},
author = {Yulin Shao and Deniz Gunduz},
journal= {arXiv preprint arXiv:2208.08342},
year = {2023}
}
备注
Keywords: semantic communication, DeepJSCC, discrete-time analog transmission, PAPR