Core Concepts
Ein neuartiges agentengesteuertes generatives semantisches Kommunikationsframework (A-GSC) wird entwickelt, das die intrinsischen Attribute der Quellinformationen und die kontextbezogenen Informationen über die Aufgabe nahtlos kombiniert, um die Übertragungsredundanz sowohl in den Daten- als auch in den Zeitbereichen zu minimieren und gleichzeitig eine günstige Aufgabenleistung zu gewährleisten.
Abstract
Das vorgeschlagene A-GSC-Framework umfasst zwei Hauptkomponenten auf der Empfängerseite: ein semantisches Kartenprädiktormodul und ein diffusionsbasiertes Szenengenerierungsmodul.
Das semantische Kartenprädiktormodul nutzt ein leichtgewichtiges neuronales Netzwerk, um zukünftige semantische Karten basierend auf den letzten beiden empfangenen semantischen Karten und dem Zeitintervall zwischen ihnen vorherzusagen. Dies ermöglicht eine kontinuierliche visuelle Darstellung der Fernszene, auch wenn keine aktualisierten Daten vom Sender empfangen werden.
Das diffusionsbasierte Szenengenerierungsmodul verwendet einen konditionierten Diffusionsansatz, um eine realistische Fernszene zu rekonstruieren. Dabei werden die empfangene oder vorhergesagte semantische Karte und statische Hintergrundinformationen als Bedingungen verwendet, um eine hochwertige Szenenrekonstruktion zu erreichen.
Auf der Senderseite wird ein agentengesteuerter semantischer Encoder entwickelt, der auf dem Soft Actor-Critic-Algorithmus basiert. Der Agent berücksichtigt den semantischen Änderungsgrad, die Kanalbedingungen und die Abtastintervalle, um eine adaptive semantische Abtastung durchzuführen. Dies führt zu einer effizienten Datenübertragung bei gleichzeitiger Aufrechterhaltung der Rekonstruktionsgenauigkeit.
Die Leistungsfähigkeit des A-GSC-Frameworks wird anhand von Experimenten auf der Grundlage des CDNet2014-Datensatzes nachgewiesen. Die Ergebnisse zeigen eine signifikante Verbesserung der Energieeinsparung und der Rekonstruktionsgenauigkeit im Vergleich zu herkömmlichen Ansätzen.
Stats
Die Übertragungsdauer für die semantische Karte mt kann ausgedrückt werden als δt = Lt/R.
Die erwartete Übertragungsleistung kann approximiert werden als Et = δtΘσ2E[˜g−1].
Quotes
Keine relevanten Zitate gefunden.