基于收发器协作学习辅助的语义通信以对抗背景知识库失配
网络与互联网体系结构
2023-01-10 v1 人工智能
信号处理
摘要
基于背景知识库（KBs）学习的语义通信已被认为是智能体间通信的一项有前景的技术。现有工作假设语义通信的收发器共享相同的知识库。然而，智能收发器可能因通信负担或担忧隐私泄露而不愿交换知识库中的数据。此外，收发器可能从环境独立学习并动态更新其知识库，导致知识库的及时共享不可行。这些都造成了知识库之间的失配，可能引发接收端的语义级误解。为解决该问题，我们提出一种收发器协作学习辅助的语义通信（TCL-SC）方案以对抗失配的知识库。在 TCL-SC 中，收发器基于各自的知识库协作训练结构相同的语义编码器与解码器神经网络（NNs），并周期性共享神经网络的参数。为降低参数共享的通信开销，采用了参数量化。此外，我们讨论了通信轮数对语义通信系统性能的影响。基于真实数据的实验表明，所提 TCL-SC 能减少由知识库失配引起的接收端语义级误解，尤其在低信噪比（SNR）区间。
引用
@article{arxiv.2301.03133,
title = {Transceiver Cooperative Learning-aided Semantic Communications Against Mismatched Background Knowledge Bases},
author = {Yanhu Wang and Shuaishuai Guo},
journal= {arXiv preprint arXiv:2301.03133},
year = {2023}
}