Partial Sampling-Based Semantic Communications

doi:10.1109/TCOMM.2025.3579701

Partial Sampling-Based Semantic Communications

2025-06-13

0

PRE

AI

DOI：10.1109/TCOMM.2025.3579701

原文链接

原文求助

摘要

En 中文

语义通信具有提高传输效率和支持智能任务的潜力。然而，常用的基于全局采样的模式忽略了边缘发射机的数据处理能力严格受限，且在某些场景下单个样本仅能获取一小部分信息的实际情况。本文提出了一种新颖的基于部分采样的语义通信（PSSC）框架，其中边缘发射机在接收器反馈的引导下，定位并仅收集与目标任务相关的内容部分。以基于视觉的任务为例，发射机选择性地对大尺寸图像的一个小区域进行采样，直到接收器成功执行智能任务。采样位置的选择被建模为一个部分可观测马尔可夫决策过程问题，并提出了一种基于强化学习的方法来解决问题。此外，设计了一种基于循环神经网络的接收机，以融合多个传输轮次接收到的信息。此外，我们证明了反馈不会增加语义信道容量。仿真结果表明，所提出的框架能够准确定位信息区域，并与现有的基于全局采样的方法相比达到有竞争力的性能。

Keyword:

Deep learning

reinforcement learning

semantic communications

partial semantic sampling

Partial Sampling-Based Semantic Communications

摘要

期刊

机构

引用论文