Communication-Efficient Framework for Distributed Image Semantic Wireless Transmission

要約

マルチノード通信は、複数のデバイス間の対話を指し、多くのモノのインターネット (IoT) シナリオで多くの注目を集めています。
しかし、その膨大な量のデータ フローとタスク拡張の柔軟性の低さにより、通信効率の高い分散データ送信フレームワークが緊急に必要とされています。
この論文では、セマンティック通信の帯域幅削減とタスク適応における大きな優位性に触発されて、IoTデバイスによるマルチタスク分散画像伝送のための連合学習ベースのセマンティック通信(FLSC)フレームワークを提案します。
フェデレーテッド ラーニングにより、各ユーザーの独立したセマンティック通信リンクの設計が可能になると同時に、グローバルな集約を通じてセマンティック抽出とタスクのパフォーマンスがさらに向上します。
FLSC の各リンクは、階層ビジョン変換器 (HVT) ベースの抽出器と、特定のタスクに応じた粗いから細かい意味論的抽出と意味変換を行うタスク適応型変換器で構成されます。
FLSC をより現実的な条件に拡張するために、チャネルのフェージングとノイズに対処するチャネル状態情報ベースの複数入力複数出力送信モジュールを設計します。
シミュレーション結果は、大まかな意味情報がさまざまな画像レベルのタスクを処理できることを示しています。
さらに、特に信号対雑音比とチャネル帯域幅比が低い領域では、FLSC は明らかに従来の方式よりも優れています。
3 dB チャネル条件でのピーク信号対雑音比ゲインは約 10 です。

要約(オリジナル)

Multi-node communication, which refers to the interaction among multiple devices, has attracted lots of attention in many Internet-of-Things (IoT) scenarios. However, its huge amounts of data flows and inflexibility for task extension have triggered the urgent requirement of communication-efficient distributed data transmission frameworks. In this paper, inspired by the great superiorities on bandwidth reduction and task adaptation of semantic communications, we propose a federated learning-based semantic communication (FLSC) framework for multi-task distributed image transmission with IoT devices. Federated learning enables the design of independent semantic communication link of each user while further improves the semantic extraction and task performance through global aggregation. Each link in FLSC is composed of a hierarchical vision transformer (HVT)-based extractor and a task-adaptive translator for coarse-to-fine semantic extraction and meaning translation according to specific tasks. In order to extend the FLSC into more realistic conditions, we design a channel state information-based multiple-input multiple-output transmission module to combat channel fading and noise. Simulation results show that the coarse semantic information can deal with a range of image-level tasks. Moreover, especially in low signal-to-noise ratio and channel bandwidth ratio regimes, FLSC evidently outperforms the traditional scheme, e.g. about 10 peak signal-to-noise ratio gain in the 3 dB channel condition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google