基于机器类比 (SoM) 的任务驱动 MIMO 图像传输系统
信号处理
2025-09-03 v1 人工智能
摘要
为支持动态情景下网络化移动代理的协作感知 (CP)，高效稳健的感性数据传输是关键挑战。深度学习基于感知源信道编码 (JSCC) 在恶劣信道条件下已展现出对图像传输的潜在优势，超越传统基于规则的编解码器。虽然近期研究尝试将 JSCC 与广泛采用的多输入多输出 (MIMO) 技术结合，但这些方法仍受限于离散时域模拟传输 (DTAT) 模型和简单任务。鉴于现有 MIMO JSCC 方法在支持具有数字 MIMO 通信系统的复杂 CP 任务方面性能有限，本文提出了一种基于机器类比 (SoM) 的任务驱动 MIMO 系统，用于图像传输，即所谓的 SoM-MIMO。通过利用特征金字塔的结构属性以感知任务为导向，以及封闭环 MIMO 通信系统的信道特性，SoM-MIMO 实现了图像的高效稳健数字 MIMO 传输。实验结果表明，与两个 JSCC 基线方案相比，我们的方法在所有 SNR 水平下实现了平均 mAP 提升 6.30 和 10.48，同时保持相同的通信开销。
引用
@article{arxiv.2509.02031,
title = {Synesthesia of Machines (SoM)-Based Task-Driven MIMO System for Image Transmission},
author = {Sijiang Li and Rongqing Zhang and Xiang Cheng and Jian Tang},
journal= {arXiv preprint arXiv:2509.02031},
year = {2025}
}