.png){kind=icon}
返回
Adaptive joint source-channel coding with regulated autoencoder
.png){kind=icon}
OA
AI
DOI：10.1016/j.dcan.2026.03.008.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了ReJSCC，一种统一的深度联合信源信道编码（JSCC）框架，该框架专为适应动态信道条件下的跨模态适应性而设计。与依赖图像特征和信道信噪比（SNR）的上下文感知融合的先前方法不同，ReJSCC采用系统的SNR条件化调节机制，使单一模型能够指导不同噪声水平下的编码和解码过程。所提出的框架整合了一个调节模块，该模块通过仅从SNR导出的信道特定缩放来转换编码器特征，并配以对称的去调节模块以引导信道感知解码。大量实验表明，ReJSCC在图像和语音传输方面均表现出一致的优势，在广泛的SNR范围内优于传统的JSCC及其鲁棒版本。消融研究显示，编码/解码过程中的中间特征调制优于预/后信道干预，而显式地将SNR指导提供给编码器可增强重建保真度。值得注意的是，ReJSCC对不准确的SNR估计表现出较强的鲁棒性，表明其在真实环境中的实际韧性。令人惊讶的是，实验表明，将图像特征图用于SNR适应可能是非必要的，这简化了架构设计。
Keyword:
Joint source channel coding
Image transmission
Speech transmission
Regulating network
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
424
被引数:
3.5K
机构
引用论文
.png){kind=icon}
分享收藏Predictive and Adaptive Deep Coding for Wireless Image Transmission in Semantic Communication语义通信中无线图像传输的预测和自适应深度编码
PREAI
分享收藏 没有更多内容
没有更多内容