无线网络中的语义信息恢复
信息论
2023-07-14 v4 人工智能
机器学习
信号处理
math.IT
机器学习
摘要
受近期机器学习(ML)工具在无线通信中取得成功的启发,Weaver 于 1949 年提出的语义通信思想重新受到关注。它打破了 Shannon 的经典设计范式,旨在传输消息的含义即语义,而非其精确版本,从而节省信息速率。本文将对 Basu 等人建模语义的基础方法扩展至完整的通信马尔可夫链。为此,我们通过隐随机变量对语义建模,并将语义通信任务定义为通过通信信道以数据缩减且可靠的方式传输消息,从而最好地保留语义。我们将该任务表述为一个端到端信息瓶颈(Information Bottleneck)问题,在压缩的同时最大程度保留相关信息。作为求解方法,我们提出基于 ML 的语义通信系统 SINFONY,并将其用于分布式多点场景:SINFONY 将在不同发送端观察到的多个消息背后的含义传输至单一接收端以实现语义恢复。我们以图像作为消息示例对 SINFONY 进行处理分析。数值结果表明,与经典设计的通信系统相比,其率归一化 SNR 偏移高达 20 dB。
引用
@article{arxiv.2204.13366,
title = {Semantic Information Recovery in Wireless Networks},
author = {Edgar Beck and Carsten Bockelmann and Armin Dekorsy},
journal= {arXiv preprint arXiv:2204.13366},
year = {2023}
}
备注
Submitted for peer review. arXiv admin note: text overlap with arXiv:2305.03571