Core Concepts
MIMO 채널에서 주목 모듈을 활용한 심층 결합 소스-채널 부호화 기법을 제안하였으며, 직렬 구조와 병렬 구조를 통해 채널 적응성을 높이고 성능을 향상시켰다.
Abstract
본 논문에서는 MIMO 채널에서 주목 모듈을 활용한 심층 결합 소스-채널 부호화(DJSCC) 기법을 제안하였다. MIMO 채널은 특이값 분해(SVD) 기반 전처리를 통해 다수의 부 채널로 분해될 수 있으며, 각 부 채널의 채널 품질이 다르다.
제안하는 직렬 구조에서는 모든 MIMO 부 채널의 데이터 스트림을 단일 네트워크에서 처리하며, 병렬 구조에서는 각 MIMO 부 채널의 데이터 스트림을 독립적으로 처리한다. 두 구조 모두 주목 모듈을 활용하여 채널 품질 변화에 적응할 수 있다.
실험 결과, 제안하는 MIMO-DJSCC 기법이 기존 DJSCC 기법 대비 향상된 이미지 전송 성능을 보였다. 또한 비매개변수 엔트로피 추정을 통해 학습된 DJSCC 송수신기가 더 좋은 부 채널에서 더 많은 정보를 전송하는 경향이 있음을 확인하였다.
Stats
MIMO 채널 행렬 H는 복소 가우시안 분포를 따른다: H[i, j] ∼ CN(0, 1).
SVD 기반 전처리를 통해 MIMO 채널은 Ns개의 독립적인 부 채널로 분해될 수 있으며, i번째 부 채널의 SNR은 SNRi = λ2
i P / (Nsσ2)로 계산된다.
Quotes
"SVD-based precoding has been proven to achieve MIMO channel capacity when CSI is known both at the transmitter and at the receiver."
"The attention modules in both serial and parallel architectures enable the system to adapt to varying channel qualities and adjust the quantity of information outputs in accordance with the channel qualities."