Optimization of Image Transmission in a Cooperative Semantic Communication Networks

要約

この論文では、画像伝送のためのセマンティック通信フレームワークを開発しました。
調査されたフレームワークでは、一連のサーバーが、セマンティック通信技術を利用して一連のユーザーに画像を協調的に送信します。
研究対象のセマンティック通信システムの性能を評価するために、抽出されたセマンティック情報と元の画像との間の相関を測定するマルチモーダル メトリックが提案されています。
各ユーザーの ISS 要件を満たすために、各サーバーは、送信されるセマンティック情報と、セマンティック情報の送信に使用されるリソース ブロック (RB) を共同で決定する必要があります。
この問題は、ISS 要件に到達しながら各サーバーの送信遅延を最小限に抑えることを目的とした最適化問題として定式化されます。
この問題を解決するために、値分解ベースのエントロピー最大化マルチエージェント強化学習 (RL) が提案されています。これにより、サーバーはトレーニングのために調整し、分散された方法で RB 割り当てを実行して、より少ないトレーニング反復でグローバルに最適なパフォーマンスに近づくことができます。
従来のマルチエージェント RL と比較して、提案された RL は、サーバーの貴重なアクション探索と、ローカル観測に基づいてグローバルに最適な RB 割り当てポリシーを見つける確率を向上させます。
シミュレーション結果は、提案されたアルゴリズムが従来のマルチエージェント RL と比較して伝送遅延を最大 16.1% 削減できることを示しています。

要約(オリジナル)

In this paper, a semantic communication framework for image transmission is developed. In the investigated framework, a set of servers cooperatively transmit images to a set of users utilizing semantic communication techniques. To evaluate the performance of studied semantic communication system, a multimodal metric is proposed to measure the correlation between the extracted semantic information and the original image. To meet the ISS requirement of each user, each server must jointly determine the semantic information to be transmitted and the resource blocks (RBs) used for semantic information transmission. We formulate this problem as an optimization problem aiming to minimize each server’s transmission latency while reaching the ISS requirement. To solve this problem, a value decomposition based entropy-maximized multi-agent reinforcement learning (RL) is proposed, which enables servers to coordinate for training and execute RB allocation in a distributed manner to approach to a globally optimal performance with less training iterations. Compared to traditional multi-agent RL, the proposed RL improves the valuable action exploration of servers and the probability of finding a globally optimal RB allocation policy based on local observation. Simulation results show that the proposed algorithm can reduce the transmission delay by up to 16.1% compared to traditional multi-agent RL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google