[논문 리뷰] Energy Efficient Semantic Communication over Wireless Networks with Rate Splitting

Zhaohui Yang, Mingzhe Chen외 2명|arXiv (Cornell University)|2023. 01. 05.

Energy Harvesting in Wireless Networks인용 수 4

한 줄 요약

이 논문은 무선 네트워크를 위한 에너지 효율적인 의미론적 통신 프레임워크를 제안하며, 비율 분할(MA)을 사용한다. 기지국은 대규모 데이터에서 다중 수준의 의미 정보를 추출하고, 공통 및 개인 스트림을 통해 압축된 의미 메시지를 전송한다. 의미 정보 추출 비율과 계산 주파수를 공동 최적화함으로써, 지연 및 전력 제약 조건 하에서 총 에너지를 최소화하며, FDMA, NOMA, SDMA보다 낮은 에너지 소비로 근사 최적 성능을 달성한다. 특히 고전력 전송에서 뚜렷한 성능 향상을 보인다.

ABSTRACT

In this paper, the problem of wireless resource allocation and semantic information extraction for energy efficient semantic communications over wireless networks with rate splitting is investigated. In the considered model, a base station (BS) first extracts semantic information from its large-scale data, and then transmits the small-sized semantic information to each user which recovers the original data based on its local common knowledge. At the BS side, the probability graph is used to extract multi-level semantic information. In the downlink transmission, a rate splitting scheme is adopted, while the private small-sized semantic information is transmitted through private message and the common knowledge is transmitted through common message. Due to limited wireless resource, both computation energy and transmission energy are considered. This joint computation and communication problem is formulated as an optimization problem aiming to minimize the total communication and computation energy consumption of the network under computation, latency, and transmit power constraints. To solve this problem, an alternating algorithm is proposed where the closed-form solutions for semantic information extraction ratio and computation frequency are obtained at each step. Numerical results verify the effectiveness of the proposed algorithm.

연구 동기 및 목표

• 메타버스 및 디지털 트윈과 같은 고속도, 저지연 응용을 지원하는 차세대 무선 네트워크에서 에너지 효율성 문제를 해결하기 위해.
• 지연, 전력, 의미 정확도 제약 조건 하에서 총 에너지 소비를 최소화하는 통합 계산 및 통신 자원 할당 프레임워크를 설계하기 위해.
• 기지국에서 대규모 데이터에서 다중 수준의 의미 정보를 추출하고, 비율 분할을 통해 압축된 의미 메시지를 전송함으로써 의미론적 통신을 가능하게 하기 위해.
• 의미 정보 추출 비율과 계산 주파수를 공동 제어하여 사용자에서의 계산 에너지와 무선 링크를 통한 전송 에너지를 모두 최적화하기 위해.

제안 방법

• 기지국에서 대규모 데이터에서 다중 수준의 의미 정보를 추출하기 위해 확률 그래프를 사용한다.
• 다운링크 전송에 비율 분할 다중접근(RSMA)을 적용하여 메시지를 공통(공유 지식) 및 개인(사용자별) 부분으로 분할한다.
• 전송 전력, 지연, 계산 용량 제약 조건을 포함하여 통합 계산 및 통신 에너지 최소화 모델을 수립한다.
• 각 반복에서 의미 정보 추출 비율과 계산 주파수에 대한 닫힌 형식 해를 유도하는 교대 최적화 알고리즘을 개발한다.
• 비볼록 최적화 문제를 반복적으로 변수를 갱신하면서 모든 제약 조건을 유지하는 방식으로 해결한다.
• 제안된 알고리즘의 근사 최적 성능를 검증하기 위해 고갈 검색 기반 기준(EXH-RSMA)을 사용한다.

Figure 1: Illustration of the considered SWC network with rate splitting.

실험 결과

연구 질문

• RQ1 대규모 데이터에서 의미 정보를 효율적으로 추출하여 무선 네트워크에서 전송 오버헤드를 줄일 수 있는 방법은 무엇인가?
• RQ2 제한된 무선 자원을 가진 의미론적 통신 시스템에서 계산 에너지와 통신 에너지 간의 최적 트레이드오프는 무엇인가?
• RQ3 비율 분할은 기존의 다중접근 기법(FDMA, NOMA, SDMA)과 비교해 어떻게 에너지 효율성을 향상시키는가?
• RQ4 전송 전력, 대역폭, 사용자 계산 용량이 의미론적 통신 시스템의 총 에너지 소비에 미치는 영향은 무엇인가?
• RQ5 의미 정보 추출과 계산 주파수를 통합 최적화하면 저복잡도 알고리즘으로 근사 전역 최적성을 달성할 수 있는가?

주요 결과

• 제안된 RSMA 기반 의미론적 통신 방식은 FDMA, NOMA, SDMA보다 뚜렷이 낮은 총 에너지 소비를 달성하며, 특히 고전력 전송 수준에서 두드러진 성능 향상을 보인다.
• 최대 전송 전력이 증가할수록 전송 시간이 감소하여 계산 시간이 늘어나고 전력 소비가 감소함에 따라 총 에너지가 감소한다.
• 더 높은 시스템 대역폭은 전송 시간을 단축하고 더 긴 계산 기간을 가능하게 하여 총 에너지를 감소시킨다.
• 제안된 알고리즘은 고갈 검색 기준(EXH-RSMA)과 매우 유사한 근사 최적 성능를 달성하여 그 효과성과 효율성을 입증한다.
• RSMA에서는 데이터 크기가 증가함에 따라 총 에너지 소비 증가율이 NOMA 및 FDMA보다 둔화되어 더 높은 내구성을 보인다.
• 낮은에서 중간 수준의 계산 용량에서는 최대 계산 용량을 증가시키면 총 에너지가 급격히 감소하지만, 임계점을 넘어서면 추가 증가가 에너지 절감에 미치는 영향이 거의 없어지며, 이는 에너지 절감의趋세를 보여준다.

Figure 2: An example of the multi-level semantic information extraction.