.png){kind=icon}
返回
Semantic Communication System Based on Meta-Learning Framework
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2025.3571544.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着深度学习技术的持续进步，语义通信，特别是深度联合信源信道编码（DJSCC），因其提升压缩效率、减少传输延迟和简化系统复杂度的潜力，已引起广泛关注。然而，深度学习通常依赖大规模数据集进行训练，且在泛化能力方面存在一定局限性。因此，本文提出了一种基于元学习（ML）框架的语义通信系统。该系统旨在实现高传输可靠性和泛化能力，即使在数据有限通信场景中也能有效工作。此外，将二阶优化原理与语义通信机制相结合，显著提升了模型在复杂任务场景下的训练性能和泛化能力。仿真结果表明，所提出的方案在传输准确性和鲁棒性方面优于现有的少样本语义通信模型。
Keyword:
Semantic communication
deep joint source-channel coding
meta-learning
few-shot
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
Semantic Revolution From Communications to Orchestration for 6G: Challenges, Enablers, and Research Directions6g从通信到编排的语义革命: 挑战、推动因素和研究方向.png)
IEEE NETWORK
OAAI
IEEE NETWORKIF6.3
OAAI分享收藏Beyond Transmitting Bits: Context, Semantics, and Task-Oriented Communications超越传输位: 上下文，语义和面向任务的通信OAAI
OAAI分享收藏Deep Learning-Enabled Semantic Communication Systems With Task-Unaware Transmitter and Dynamic DataOAAI
OAAI分享收藏Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder通过变分自动编码器进行数字语义通信的联合编码调制OAAI
OAAI分享收藏分享收藏CDDM: Channel Denoising Diffusion Models for Wireless Semantic CommunicationsCDDM: 无线语义通信的信道去噪扩散模型OAAI
OAAI分享收藏分享收藏
查看更多内容