Rate-Adaptive Vector Quantization for Deep Joint Source-Channel Coding

doi:10.1109/tccn.2026.3720206

Rate-Adaptive Vector Quantization for Deep Joint Source-Channel Coding

2026-08-05

0

PRE

AI

DOI：10.1109/tccn.2026.3720206

原文链接

原文求助

摘要

En 中文

基于深度学习的传统联合信源信道编码（DeepJSCC）框架通常需要针对不同的码率和信道条件使用不同的模型，并且由于其模拟传输特性，与实际的数字通信系统不兼容。为解决这些局限性，我们提出了一种统一的基于速率自适应量化的DeepJSCC（RAQJSCC）框架，该框架能够在单一模型内实现信道感知的速率自适应，同时保持与常规数字通信系统的兼容性。所提出的框架通过速率自适应量化（RAQ）机制实现速率自适应，该机制能够在单一模型内灵活调整码本，支持变速率操作而无需重新训练。为提高基于矢量量化的数字传输的鲁棒性，我们设计了一种基于余弦相似性的码本重排序（CSCR）机制，该机制使量化表示与调制方案对齐，并减少索引误差的影响。此外，我们集成了一个自适应调制和编码（AMC）单元，该单元根据信道条件联合选择调制阶数和有效码本大小，从而在多样的信噪比（SNR）范围内实现动态链路自适应。实验结果表明，所提出的RAQJSCC框架在广泛的SNR范围内重建质量优于现有的DeepJSCC和分离式方法，同时有效缓解了悬崖效应。这些结果突显了RAQJSCC作为下一代无线通信系统实用且可扩展解决方案的潜力。

Keyword:

Deep joint source-channel coding

vector quantization

rate adaptation

adaptive modulation and coding

Rate-Adaptive Vector Quantization for Deep Joint Source-Channel Coding

摘要

期刊

机构