.png){kind=icon}
返回
Adaptable Semantic Compression and Resource Allocation for Task-Oriented Communications
.png){kind=icon}
OA
AI
DOI：10.1109/TCCN.2023.3346481.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
面向任务的通信是一种新的范例，旨在为完成智能任务提供有效的连接，而不是接收每个传输的比特。本文提出了用于端到端语义传输的面向任务的通信体系结构，其中提取的语义通过提出的自适应语义压缩 (ASC) 方法进行压缩。然而，在不容忍延迟的系统中容纳多个用户提出了挑战。较高的压缩比节省了信道资源，但会导致语义失真，而较低的压缩比则需要更多的资源，并可能由于延迟约束而导致传输失败。为了解决这个问题，我们优化了压缩率和资源分配，以最大化任务成功概率。具体来说，我们提出了一种压缩比和资源分配 (CRRA) 算法，该算法将问题分为两个子问题并迭代求解。此外，针对用户之间服务水平不同的场景，提出了一种压缩比，资源分配和用户选择 (CRRAUS) 算法，该算法通过分支定界方法自适应地选择用户。仿真结果表明，ASC方法可以在不影响任务成功概率的情况下将传输数据的大小减少多达80% %。此外，数值结果清楚地表明，与基线相比，所提出的CRRA和CRRAUS算法在成功收益方面都有了实质性的改进。
Keyword:
Semantic communication
task-oriented
semantic compression
resource allocation
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容