.png){kind=icon}
返回
Towards text semantic communication: two-phase variable bitrate control
.png){kind=icon}
OA
AI
DOI：10.1016/j.dcan.2026.05.001.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
比特率在语义符号传输中起着关键作用，需要在语义信息保持和传输效率之间进行权衡。然而，大多数现有的语义通信（SEMCOM）设计采用预固定比特率方案，缺乏适应动态通信环境的灵活性。为解决此局限性，我们提出了一种新颖的两阶段可变比特率控制算法，用于动态调整比特率，从而在语义性能和通信资源消耗之间实现最佳平衡。在第一阶段，我们引入基于深度学习（DL）的模仿网络来建模不同信道条件下语义性能与比特率之间的关系，以实现特定环境奖励的计算。随后，第二阶段采用深度强化学习（DRL）代理通过环境探索预测每个通信轮次的最优比特率。实验结果表明，在多样化用户需求和比特预算下，本方法相较于固定长度比特率系统，性能提升至少10%和2.3%。
Keyword:
Semantic communication
Bitrate control
Imitation network
Deep reinforcement learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
416
被引数:
3.5K
机构
引用论文
Z. Deng, W. Ma, Q.-L. Han, W. Zhou, X. Zhu, S. Wen, and Y. H. Xiang, "Exploring DeepSeek: A Survey on Advances, Applications, Challenges and Future Directions," *IEEE/CAA Journal of Automatica Sinica, vol. 12, no. 5, pp. 872–893, May 2025. [Online]. Available: https://doi.org/10.1109/jas.2025.125498.Z. Deng, W. Ma, Q.-L. Han, W. Zhou, X. Zhu, S. Wen, and Y. H. Xiang, "Exploring DeepSeek: A调查关于进展、应用、挑战和未来方向的综述," *IEEE/CAA Journal of Automatica Sinica*, vol. 12, no. 5, pp. 872–893, May 2025. [在线]. 可用: https://doi.org/10.1109/jas.2025.125498..png)
IF0
PREAI
分享收藏分享收藏Deep Reinforcement Learning for Online Computation Offloading in Wireless Powered Mobile-Edge Computing Networks用于无线供电的移动边缘计算网络中在线计算卸载的深度强化学习OAAI
OAAI分享收藏Deep Learning-Enabled Semantic Communication Systems With Task-Unaware Transmitter and Dynamic Data
OAAI
OAAI分享收藏分享收藏
查看更多内容