.png){kind=icon}
返回
Multitask Semantic Communications for Edge Intelligence Network
.png){kind=icon}
PRE
AI
DOI：10.1109/lwc.2026.3711560.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
面向边缘智能的多任务语义通信框架，其中异构客户端设备从共享源请求不同的语义内容。为解决任务耦合的语义表示和变长传输的挑战，我们开发了基于sinc-NOFS波形的任务自适应语义提取机制与固定时长传输方案。所提设计将变长语义流映射为等长数据包，同时保持高频谱效率和低检测复杂度。在接收端，我们进一步引入一种轻量级去噪方法，利用语义图中的空间连续性缓解信道引入的误差。在Cityscapes数据集上的仿真结果表明，所提方案在低信噪比（SNR）条件下表现出鲁棒性能。具体而言，去噪方法在重建质量上提供约3 dB的有效增益，且系统在SNR低至3 dB时仍能运行。此外，在多客户端场景下，所提框架能在保持任务相关信息的同时实现灵活的语义适配，以降低通信开销的方式获得一致的重建性能。
Keyword:
Edge intelligence
semantic communications
multi-task learning
non-orthogonal
waveform
semantic sensing
期刊
I
IF:
5.5
论文数:
705
被引数:
0
机构
引用论文
.png){kind=icon}
Maximizing Edge Throughput in Collaborative Multi-Task Inference With Shareable Model Structures在共享模型结构的多任务协同推理中最大化边缘吞吐量
PREAI
分享收藏Semantic Communication Meets Edge Intelligence: Semantic-Relay-Aided Text Transmissions语义通信满足边缘智能: 语义中继辅助文本传输
PREAI
分享收藏Large AI Models for Wireless Physical Layer郭杰；崔宇；金石；张俊。无线物理层的大规模AI模型。arXiv 2026，arXiv:2508.02314。 [Google Scholar] [CrossRef]
PREAI
分享收藏
分享收藏An Improved Fixed Sphere Decoder Employing Soft Decision for the Detection of Non-orthogonal Signals
PREAI
分享收藏
查看更多内容