.png){kind=icon}
返回
Spectral Efficiency-Aware Codebook Design for Task-Oriented Semantic Communications
.png){kind=icon}
PRE
AI
DOI：10.1109/TWC.2026.3677460.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
面向任务的任务导向语义通信（ToSC）旨在仅传输任务相关信息，显著降低通信开销。现有的ToSC方法通常依赖学习得到的码本对语义特征进行编码，并将其映射到星座符号上。然而，这些码本往往激活稀疏，导致频谱效率低下和信道容量利用不足。这凸显了一个关键挑战：如何设计一个既能支持任务特定推理，又能接近信道容量理论极限的码本。为应对这一挑战，我们构建了一个频谱效率感知的码本设计框架，该框架明确将码本激活概率纳入优化过程。除了最大化任务性能外，我们引入Wasserstein（WS）距离作为正则化指标，以最小化学习得到的激活分布与最优信道输入分布之间的差距。此外，我们从生成角度重新诠释WS理论，以适应ToSC的语义特性。结合上述两个方面，我们提出了一种基于WS的自适应混合分布方案，即WS-DC，它学习紧凑、任务驱动且信道感知的潜在表示。实验结果表明，WS-DC不仅在推理准确率上优于现有方法，还显著提升了码本效率，为面向容量的语义通信系统提供了一种有前景的方向。
Keyword:
Task-oriented semantic communication
Wasserstein distance
codebook activation
task-driven
channel-aware
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
Resource Allocation Driven by Large Models in Future Semantic-Aware Networks由大模型驱动的未来语义感知网络中的资源分配
.png){kind=icon}
PREAI
分享收藏Task-Oriented Scene Graph-Based Semantic Communications With Adaptive Channel Coding基于自适应信道编码的面向任务场景图语义通信
PREAI
分享收藏
查看更多内容