[논문 리뷰] Deep Joint Source-Channel Coding Over Cooperative Relay Networks

Chenghong Bian, Yulin Shao외 2명|arXiv (Cornell University)|2022. 11. 12.

Cooperative Communication and Network Coding인용 수 11

한 줄 요약

이 논문은 반이중성 협력 릴레이 네트워크에서 이미지 전송을 위한 세 가지 딥 임베디드 소스-채널 코딩(DeepJSCC) 기법—DeepJSCC-AF, DeepJSCC-DF, DeepJSCC-PF—을 제안한다. 채널 주의 메커니즘을 갖춘 종단 간 훈련된 딥 네트워크를 활용하여, BPG와 펄스 코드를 사용하는 전통적인 디지털 기반 기준선보다 우수한 성능을 달성하며, 채널 품질 변화에 대해 유연한 성능 저하와 뛰어난 내구성을 보이며, 특히 소스-릴레이 링크가 양호할 경우 두드러진 성능 향상을 보인다.

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.

연구 동기 및 목표

• 나쁜 채널 조건에서 전통적인 분리 기반 방법이 실패하는 협력 릴레이 네트워크에서 딥 러닝 기반의 통합 소스-채널 코딩의 부족을 해결하기 위해.
• 소스 및 채널 코딩을 통합한 단일 종단 간 훈련 가능한 프레임워크를 설계하여 내구성과 성능 향상을 도모하기 위해.
• 릴레이의 계산 복잡도를 줄이면서도 높은 재구성 품질을 유지하기 위해, DeepJSCC-DF의 경량 대안으로 DeepJSCC-PF를 제안하기 위해.
• 다양한 소스-릴레이 및 소스-수신기 SNR 조건 하에서 DeepJSCC의 성능을 평가하여, 릴레이 처리가 이미지 품질에 미치는 영향을 특히 분석하기 위해.

제안 방법

• 릴레이가 수신한 신호를 강화하고 전달하는 DeepJSCC-AF를 제안하며, 수신기가 최대 비율 병합(MRC)을 사용해 신호를 병합하고, 병합된 출력에 DeepJSCC를 적용한다.
• 릴레이가 DNN를 사용해 원본 이미지를 재구성하고, 재코딩한 후 수신기로 재전송하여 통합 복호화를 수행하는 DeepJSCC-DF를 도입한다.
• 릴레이가 이미지를 명시적으로 재구성하지 않고 신호를 처리하는 방식으로, DeepJSCC-DF의 단순화된 변종인 DeepJSCC-PF를 개발하여 계산 부담과 지연을 감소시킨다.
• 다양한 SNR 범위에서의 채널 조건 변화에 적응할 수 있도록 DNN에 채널 주의 모듈을 통합한다.
• 재구성 손실과 정규화 항(λ로 가중)을 조합한 손실 함수를 사용해 종단 간 훈련을 수행하여 릴레이 재구성 정확도와 시스템 성능 간 균형을 확보한다.
• 성능 비교를 위해 동일한 조건에서 BPG 압축 알고리즘과 펄스 코드를 디지털 기반 기준선으로 사용한다.

실험 결과

연구 질문

• RQ1 협력 릴레이 네트워크에서 DeepJSCC는 기존의 분리 기반 기법들(예: BPG + 펄스 코드)에 비해 어떻게 성능을 발휘하는가?
• RQ2 소스-릴레이 채널 품질이 DeepJSCC-DF 및 DeepJSCC-PF의 성능에 미치는 영향은 DeepJSCC-AF에 비해 어떠한가?
• RQ3 간소화된 릴레이 설계(DeepJSCC-PF)가 계산 복잡도를 감소시키면서도 DeepJSCC-DF와 유사한 성능을 달성할 수 있는가?
• RQ4 제안된 DeepJSCC 프레임워크는 채널 품질 악화 상황에서도 급격한 성능 저하를 보이지 않고 점진적인 성능 저하를 보이는가? 분리 기반 시스템에서 관찰되는 ' cliff effect'를 피하는가?
• RQ5 정규화 파라미터 λ는 DeepJSCC-DF에서 릴레이 재구성 정확도와 전체 시스템 성능 간의 트레이드오프에 어떤 영향을 미치는가?

주요 결과

• DeepJSCC-AF, DF, PF는 모든 SNR 조건에서 BPG 압축과 펄스 코드를 사용하는 디지털 기반 기준선을 모두 능가하며, SNR_sr = 24 dB에서 최대 2.4 dB의 PSNR 향상을 달성한다.
• 소스-릴레이 SNR가 12 dB 또는 24 dB일 경우 DeepJSCC-DF 및 DeepJSCC-PF가 DeepJSCC-AF보다 높은 PSNR를 기록하며, 최대 1.2 dB의 향상을 보이며, 더 나은 릴레이 링크에서 성능 향상이 뚜렷하다.
• SNR_sr = 24 dB에서 DeepJSCC-PF는 PSNR 32.137 dB, SSIM 0.9635를 기록하며, DeepJSCC-DF(32.168 dB, 0.9637)와 매우 유사한 성능을 달성하면서도 릴레이 복잡도를 크게 감소시켰다.
• DeepJSCC-DF에서 최적의 정규화 파라미터 λ는 0으로 확인되었으며, 이는 릴레이에서 이미지 재구성을 명시적으로 수행할 필요가 없음을 의미하며, DeepJSCC-PF의 설계가 타당함을 검증한다.
• DeepJSCC-PF는 모든 SNR 수준(0–8 dB)에서 BPG와 펄스 코드를 사용하는 디지털 기반 기준선을 능가하며, 용량을 달성하는 코드를 사용하는 이상적인 분리 기반 시스템의 성능과도 일치한다.
• 제안된 기법들은 디지털 기반 기준선가 임계 SNR 이하에서 급격한 성능 저하를 보이는 것과 달리, 채널 품질 악화에 대해 점진적인 성능 저하를 보이며 내구성을 확보한다.