基于脉冲语义通信的特征传输与HARQ机制
信号处理
2023-10-16 v1
摘要
在协同智能（CI）中，人工智能（AI）模型在边缘与云之间分割，中间特征从边缘发送至云进行推理。已有若干基于深度学习的语义通信（SC）模型被提出，以降低特征传输开销并减轻信道噪声干扰。先前研究表明，基于脉冲神经网络（SNN）的SC模型相比基于深度神经网络（DNN）的SC模型在数字信道上表现出更强鲁棒性。然而，现有基于SNN的SC模型需要固定时间步长，导致固定传输带宽，无法根据信道条件自适应调整。为解决此问题，本文提出一种称为SNN-SC-HARQ的新型SC模型，将基于SNN的SC模型与混合自动重传请求（HARQ）机制相结合。SNN-SC-HARQ包含一个支持不同带宽特征传输的基于SNN的SC模型，以及决定合适带宽的策略模型。实验结果表明，SNN-SC-HARQ能根据信道条件动态调整带宽且无性能损失。
引用
@article{arxiv.2310.08804,
title = {Spiking Semantic Communication for Feature Transmission with HARQ},
author = {Mengyang Wang and Jiahui Li and Mengyao Ma and Xiaopeng Fan},
journal= {arXiv preprint arXiv:2310.08804},
year = {2023}
}