Adaptive Unequal Error Protection for Semantic Split Learning Over Wireless Channels

Vukan Ninković

doi:10.1109/lcomm.2026.3726452

Adaptive Unequal Error Protection for Semantic Split Learning Over Wireless Channels

2026-08-21

0

PRE

AI

DOI：10.1109/lcomm.2026.3726452

原文链接

原文求助

摘要

En 中文

针对无线边缘-云推理，我们提出了一种任务感知的语义分割学习（SL）框架，其中传输的潜在表示的可靠性会根据其对下游任务的相关性进行动态调整。基于自动编码器（AE）的物理（PHY）层实现了通信接口的端到端学习，而通过训练期间基于互信息（MI）的潜在组件优先级排序实现了非等错误保护（UEP）。每个潜在组件的估计MI梯度作为任务相关性的灵敏度代理，提供了一种完全由学习驱动的优先级排序，该排序能适应数据分布和下游任务。我们进一步证明，这种优先级排序转化为可测量的物理层效应：与等错误保护（EEP）基线相比，MI引导的UEP为最关键的潜在任务组件分配了显著更高的传输功率。在真实物联网传感数据上的实验表明，在SNR范围内，与等保护和固定UEP基线相比，该方法始终表现出优势。额外的分析证实了排名稳定性、估计器鲁棒性以及跨数据集和任务类型的泛化能力，表明所提出框架具有广泛适用性。

Keyword:

Semantic communications

split learning

autoencoders

unequal error protection

mutual information

Adaptive Unequal Error Protection for Semantic Split Learning Over Wireless Channels

摘要

期刊

机构

引用论文