面向 AI 边缘 LEO 卫星的具备 AoI 感知的视觉事件检测
信息论
2025-12-24 v1 信号处理
math.IT
应用物理
摘要
非地面网络（NTN），尤其是低轨道（LEO）卫星系统，在支持灾难救援等未来关键任务应用方面发挥着重要作用。近期人工智能（AI）本机通信技术的进展使 LEO 卫星能够充当具备板上学习和任务导向推理能力的智能边缘节点。然而，受限于链路预算、严重的路径损耗和衰落，可靠的下行传输受到显著约束。本文提出一种基于深度联合源信道编码（DJSCC）的下行方案，用于针对目标导向的视觉推理优化 AI 本机 LEO 网络。 在 DJSCC 方法中，仅提取并传输语义有意义的特征，而传统的分离源信道编码（SSCC）则传输原始图像数据。为评估信息新鲜度和视觉事件检测性能，本文引入了误分类信息年龄（AoMI）指标，以及基于阈值的 AoI 分析，该分析测量满足特定应用时效要求的用户比例。仿真结果表明，所提出的 DJSCC 方案在推理准确率、平均 AoMI 以及阈值合规性方面均优于传统 SSCC 基线，使 AI 本机 LEO 卫星网络实现语义通信，服务于 6G 及更高等级应用。
引用
@article{arxiv.2512.19764,
title = {Visual Event Detection over AI-Edge LEO Satellites with AoI Awareness},
author = {Chathuranga M. Wijerathna Basnayaka and Haeyoung Lee and Pandelis Kourtessis and John M. Senior and Vishalya P. Sooriarachchi and Dushantha Nalin K. Jayakody and Marko Beko and Seokjoo Shin},
journal= {arXiv preprint arXiv:2512.19764},
year = {2025}
}