跳到正文
原文
arXiv · Signal Processing· Christo Kurisummoottil Thomas
· 3 天前

通过模拟射频计算的语义通信:当无线电计算语义

Semantic Communication via Analog RF Computing: When the Radio Computes the Meaning

预印本 · 尚未经过同行评审

AI 导读

提出在客户端射频前端用模拟计算执行语义编码器的语义通信框架,MNIST仿真中语义失真降低9.2%-19.2%。

摘要 · AI 翻译

语义通信(SC)系统传输连续的语义潜在表示,但在资源受限的边缘设备上计算语义编码器会带来可观的能量与内存开销。为应对这一挑战,我们提出一种端到端 SC 框架,利用模拟射频计算在客户端的射频接收机前端执行语义编码器。基站(BS)以射频波形广播编码器权重,而每个边缘设备复用其接收机的无源混频器,以超低能耗计算语义潜在表示。这些潜在表示通过上行链路传输,用于网络侧的任务推断。我们证明,跨编码器层的模拟计算噪声与影响所传输潜在表示的信道噪声可纳入统一的数学模型。我们定义任务后验语义失真度量,并推导其关于每客户端、每阶段语义敏感度的二阶分解。利用该分解,我们得到一种闭式语义感知注水分配,将客户端总能量预算分配于各客户端、编码器层与上行链路之间,为语义敏感阶段分配更严格的精度目标。该分配引出一个考虑客户端特定、逐层精度要求的广播波束成形问题。我们进一步通过随机优化细化该分配,并将其与共享语义模型的多任务噪声感知训练联合设计。MNIST 仿真表明,在客户端总能量匹配的情况下,与均匀精度相比,所提分配将网络语义失真降低 9.2\%-19.2\%,与客户端盲分配相比降低 5.1\%-13.1\%。噪声感知协同设计进一步带来 46\% 的降低。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Signal Processing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。