Efficient Resource Allocation for RSMA-Based Semantic Image Transmission With Shared Knowledge Base

doi:10.1109/LWC.2026.3674647

Efficient Resource Allocation for RSMA-Based Semantic Image Transmission With Shared Knowledge Base

2026-01-01

0

PRE

AI

DOI：10.1109/LWC.2026.3674647

原文链接

原文求助

摘要

En 中文

本封信研究了基于共享知识库的多用户语义图像传输的资源分配问题，采用速率分割多址接入（RSMA）技术。知识库存储通用语义特征以减少跨用户冗余，而RSMA通过公共流传输共享语义，通过私有流传输用户特定内容。核心挑战在于语义分割与资源分配之间的相互依赖性，结合时变信道和不断演变的用户需求，需要长期优化。我们提出了一种混合强化学习框架，通过整合近端策略优化（PPO）进行功率管理和深度确定性策略梯度（DDPG）进行知识库自适应，以解决这种耦合优化问题。该框架设计了一个兼顾语义保真度与传输延迟的体验质量（QoE）奖励函数。仿真结果表明，所提出的方法在QoE性能、收敛速度和延迟方面均优于传统方法。

Keyword:

Semantics

Resource management

Optimization

Quality of experience

Knowledge based systems

Base stations

Symbols

Servers

Power control

Telecommunications

Rate-splitting multiple access

semantic transmissions

resource allocation

shared knowledge base

reinforcement learning

Efficient Resource Allocation for RSMA-Based Semantic Image Transmission With Shared Knowledge Base

摘要

期刊

机构