SNN-SC：一种用于协作智能的脉冲语义通信框架
信号处理
2024-11-26 v4
摘要
协作智能（CI）已成为在资源受限边缘设备上部署人工智能（AI）模型的一种有前景的框架。在 CI 中，AI 模型在边缘设备与云之间分割，中间特征从边缘子模型传输至云子模型以完成推理任务。然而，在保持任务性能的同时降低特征传输开销仍是一项挑战，尤其在存在噪声无线信道的情况下。本文中，我们提出一种基于脉冲神经网络（SNN）的语义通信（SC）模型 SNN-SC，其从特征中提取紧凑语义信息并通过数字二进制信道传输。相较于输出为浮点的基于深度神经网络（DNN）的 SC 模型，SNN 的二进制输出使 SNN-SC 无需额外量化即可直接适用于数字二进制信道。此外，我们引入一种称为 IHF 的新型脉冲神经元，以增强 SNN-SC 解码器的重构能力。最后，我们通过最大化语义信息的熵来提升 SNN-SC 的性能。与传统分离信源信道编码方法相比，SNN-SC 实现了更高的压缩比并克服了“悬崖效应”。此外，SNN-SC 的计算复杂度低于基于 DNN 的 SC 模型，并在恶劣信道条件下保持更高的任务性能。
引用
@article{arxiv.2210.06836,
title = {SNN-SC: A Spiking Semantic Communication Framework for Collaborative Intelligence},
author = {Mengyang Wang and Jiahui Li and Mengyao Ma and Xiaopeng Fan},
journal= {arXiv preprint arXiv:2210.06836},
year = {2024}
}
备注
Accepted for publication in the IEEE Transactions on Vehicular Technology