[論文レビュー] Deep Joint Source-Channel Coding Over Cooperative Relay Networks

Chenghong Bian, Yulin Shao+2 more|arXiv (Cornell University)|Nov 12, 2022

Cooperative Communication and Network Coding被引用数 11

ひとこと要約

本稿では、半二重協調リレーネットワークを介した画像伝送のための3つのディープジェイントソースチャネルコーディング（DeepJSCC）方式—DeepJSCC-AF、DeepJSCC-DF、DeepJSCC-PF—を提案する。チャネルアテンション機構を備えたエンドツーエンドで訓練されたディープニューラルネットワークを活用することで、BPGおよび極性符号を用いる従来のデジタルベースラインを上回り、チャネル品質の低下に対しても滑らかな性能低下を示し、特に送信元-リレーリンクが良好な場合に優れた耐障害性を発揮する。

ABSTRACT

This paper presents a novel deep joint source-channel coding (DeepJSCC) scheme for image transmission over a half-duplex cooperative relay channel. Specifically, we apply DeepJSCC to two basic modes of cooperative communications, namely amplify-and-forward (AF) and decode-and-forward (DF). In DeepJSCC-AF, the relay simply amplifies and forwards its received signal. In DeepJSCC-DF, on the other hand, the relay first reconstructs the transmitted image and then re-encodes it before forwarding. Considering the excessive computation overhead of DeepJSCC-DF for recovering the image at the relay, we propose an alternative scheme, called DeepJSCC-PF, in which the relay processes and forwards its received signal without necessarily recovering the image. Simulation results show that the proposed DeepJSCC-AF, DF, and PF schemes are superior to the digital baselines with BPG compression with polar codes and provides a graceful performance degradation with deteriorating channel quality. Further investigation shows that the PSNR gain of DeepJSCC-DF/PF over DeepJSCC-AF improves as the channel condition between the source and relay improves. Moreover, DeepJSCC-PF scheme achieves a similar performance to DeepJSCC-DF with lower computational complexity.

研究の動機と目的

• 協調リレーネットワークにおけるディープラーニングベースのジェイントソースチャネルコーディングの不足に応えること。従来の分離型手法は、劣悪なチャネル条件下で失敗するためである。
• ソース符号化とチャネル符号化を統合した一貫性のあるエンドツーエンドでトレーニング可能なフレームワークを設計し、耐障害性と性能の向上を図ること。
• リレーサイドでの計算複雑性を低減しつつ、高い再構成品質を維持することを目的とし、DeepJSCC-DFの軽量代替案としてDeepJSCC-PFを提案すること。
• 送信元-リレーおよび送信元-受信先のSNR条件が変化する状況下でのDeepJSCCの性能を評価すること。特に、リレー処理が画像品質に与える影響を特に評価すること。

提案手法

• リレーが受信信号を増幅・フォワードするDeepJSCC-AFを提案。受信側では最大比合成（MRC）を用いて信号を統合し、統合出力にDeepJSCCを適用する。
• リレーがDNNを用いて元の画像を再構成し、再符号化した信号を受信側にフォワードし、統合復号を行うDeepJSCC-DFを導入する。
• DeepJSCC-DFの簡素化版として、画像を明示的に再構成しないことで計算負荷と遅延を低減するDeepJSCC-PFを開発する。
• 異なるSNR領域における変動するチャネル条件に適応できるよう、DNNにチャネルアテンションモジュールを統合する。
• リレーサイドでの再構成とシステム全体の性能のバランスを図るため、再構成損失と正則化項（λで重み付け）を組み合わせた損失関数を用いたエンドツーエンドトレーニングを実施する。
• 性能比較のため、BPG圧縮アルゴリズムと極性符号（polar codes）をデジタルベースラインとして採用し、同一条件下で比較を実施する。

実験結果

リサーチクエスチョン

• RQ1 DeepJSCCは、協調リレーネットワークにおける従来の分離型手法（例：BPG + 極性符号）と比較して、どのように性能を発揮するか？
• RQ2 送信元-リレー間チャネル品質が、DeepJSCC-DFおよびDeepJSCC-PFの性能に与える影響は、DeepJSCC-AFと比較してどの程度か？
• RQ3 簡素化されたリレー設計（DeepJSCC-PF）は、計算複雑性を低減しつつ、DeepJSCC-DFと同等の性能を達成できるか？
• RQ4 提案されたDeepJSCCフレームワークは、チャネル品質の劣化に伴い、滑らかに性能低下を示すか。分離型システムで見られる崖状の低下（cliff effect）は回避されるか？
• RQ5 正則化パラメータλは、DeepJSCC-DFにおけるリレー再構成精度とシステム全体の性能のトレードオフにどのように影響を与えるか？

主な発見

• DeepJSCC-AF、DF、PFは、すべてのSNR条件下でBPG圧縮と極性符号を用いるデジタルベースラインを上回り、SNR_sr = 24 dBで最大2.4 dBのPSNR向上を達成した。
• 送信元-リレーSNRが12 dBまたは24 dBのとき、DeepJSCC-DFおよびDeepJSCC-PFはDeepJSCC-AFを上回り、最大1.2 dBのPSNR向上を示した。これは、リレーリンクが良好な場合に性能が向上することを示している。
• SNR_sr = 24 dBにおけるDeepJSCC-PFのPSNRは32.137 dB、SSIMは0.9635であり、DeepJSCC-DF（32.168 dB、0.9637）と非常に近い性能を達成しながら、リレーの計算複雑性を顕著に低減した。
• DeepJSCC-DFにおける最適な正則化パラメータλは0であった。これは、リレーでの明示的な画像再構成が性能向上に必要でないことを示しており、DeepJSCC-PFの設計が妥当であることを裏付けた。
• DeepJSCC-PFは、すべてのSNRレベル（0–8 dB）でBPGと極性符号を用いるデジタルベースラインを上回り、容量を達成する符号を用いた理想的な分離型方式の性能にすら達した。
• 提案された方式は、チャネル品質の劣化に伴い滑らかに性能低下を示したのに対し、デジタルベースラインは臨界SNR閾値を下回ると崖状の低下を示した。