Skip to main content
QUICK REVIEW

[논문 리뷰] Heterogeneous Semantic and Bit Communications: A Semi-NOMA Scheme

Xidong Mu, Yuanwei Liu|arXiv (Cornell University)|2022. 05. 05.
Advanced Wireless Communication Technologies참고 문헌 22인용 수 5
한 줄 요약

이 논문은 이질적인 의미 및 비트 통신을 위한 반-비독립 다중접근(NOMA) 기반의 통신 방식을 제안한다. 이 방식에서는 액세스 포인트가 동시에 의미 정보를 관심 있는 사용자(S-사용자)와 비트를 관심 있는 사용자(B-사용자)에게 전송한다. 의미 유사도를 일반화된 로지스틱 함수를 통해 근사화함으로써, 저자들은 분석이 가능한 성능 모델을 유도하고, 반-NOMA가 OMA 및 NOMA보다 의미-비트 비율 영역과 전력 효율성 측면에서 뛰어나다는 것을 입증한다. 특히 S-사용자의 채널 조건이 더 양호할 경우 성능 향상이 두드러진다.

ABSTRACT

Multiple access (MA) design is investigated for facilitating the coexistence of the emerging semantic transmission and the conventional bit-based transmission in future networks. The semantic rate is considered for measuring the performance of the semantic transmission. However, a key challenge is that there is a lack of a closed-form expression for a key parameter, namely the semantic similarity, which characterizes the sentence similarity between an original sentence and the corresponding recovered sentence. To overcome this challenge, we propose a data regression method, where the semantic similarity is approximated by a generalized logistic function. Using the obtained tractable function, we propose a heterogeneous semantic and bit communication framework, where an access point simultaneously sends the semantic and bit streams to one semantics-interested user (S-user) and one bit-interested user (B-user). To realize this heterogeneous semantic and bit transmission in multi-user networks, three MA schemes are proposed, namely orthogonal multiple access (OMA), non-orthogonal multiple access (NOMA), and semi-NOMA. More specifically, the bit stream in semi-NOMA is split into two streams, one is transmitted with the semantic stream over the shared frequency sub-band and the other is transmitted over the separate orthogonal frequency sub-band. To study the fundamental performance limits of the three proposed MA schemes, the semantic-versus-bit (SvB) rate region and the power region are defined. An optimal resource allocation procedure is then derived for characterizing the boundary of the SvB rate region and the power region achieved by each MA scheme. The structures of the derived solutions demonstrate that semi-NOMA is superior to both NOMA and OMA given its highly flexible transmission policy. Our numerical results validate the analysis and show the superiority of semi-NOMA.

연구 동기 및 목표

  • 의미 통신 시스템에서 의미 유사도에 대한 닫힌 형태의 표현이 부족한 문제를 해결하기 위해.
  • 향후 무선 네트워크에서 의미 기반 및 비트 기반 전송의 공존을 효율적인 다중접근(MA) 설계를 통해 가능하게 하기 위해.
  • 의미-비트(SvB) 비율 영역과 전력 영역을 사용하여 이질적인 의미 및 비트 통신의 기본 성능 한계를 규명하기 위해.
  • OMA, NOMA, 반-NOMA의 세 가지 MA 체계를 비교하고 최적화하여 S-사용자와 B-사용자에게 동시 전송을 가능하게 하기 위해.
  • 반-NOMA 성능을 극대화하기 위해 S-사용자와 높은 채널 이득을 가진 사용자를 짝지어 배치하는 전략에 대한 설계 통찰을 제공하기 위해.

제안 방법

  • 의미 유사도를 일반화된 로지스틱 함수를 사용해 근사화하는 데이터 회귀 방법을 제안하여, 분석이 가능한 성능 분석을 가능하게 한다.
  • 액세스 포인트가 공유 및 정규화된 주파수 대역을 통해 하나의 S-사용자와 하나의 B-사용자에게 의미 스트림과 비트 스트림을 동시에 전송하는 이질적 통신 프레임워크를 설계한다.
  • OMA, NOMA, 반-NOMA의 세 가지 MA 체계를 공식적으로 정의하며, 반-NOMA는 비트 스트림을 공유 및 정규화된 구성요소로 분할한다.
  • 최적의 자원 할당 절차를 사용하여 각 MA 체계에 대해 SvB 비율 영역과 전력 영역을 수학적으로 규명한다.
  • SvB 비율 영역의 경계를 추적하고 전송 전력을 최소화하기 위해 최적의 전력 및 서브밴드 할당을 유도한다.
  • 다양한 채널 조건과 시스템 파라미터 하에서 세 체계의 성능을 비교하기 위해 수치적 평가를 수행한다.

실험 결과

연구 질문

  • RQ1의미 통신 시스템에서 성능 분석을 가능하게 하기 위해 의미 유사도에 대한 닫힌 형태 근사식을 도출할 수 있는가?
  • RQ2반-NOMA는 OMA 및 NOMA와 비교해 의미-비트 비율 영역과 전력 효율성 측면에서 어떻게 성능을 내는가?
  • RQ3반-NOMA 성능 향상을 극대화하기 위해 S-사용자와 B-사용자 간의 최적의 사용자 짝짓기 전략은 무엇인가?
  • RQ4S-사용자와 B-사용자 간의 채널 품질 차이가 증가함에 따라 제안된 체계의 성능은 어떻게 변화하는가?
  • RQ5초당 의미 기호 수(K)가 반-NOMA의 필요 전력과 자원 할당에 미치는 영향은 무엇인가?

주요 결과

  • 반-NOMA는 대칭적인 채널 조건 하에서도 OMA 및 NOMA보다 가장 넓은 의미-비트(SvB) 비율 영역과 가장 낮은 전송 전력 요구량을 확보한다.
  • S-사용자의 채널 조건이 B-사용자보다 우월할 경우 반-NOMA의 성능 향상이 가장 두드러지며, 이는 고채널 이득 S-사용자와 저채널 이득 B-사용자를 짝지어 배치하는 것이 유리함을 확인한다.
  • 의미 기호 수 K가 임계값(K=6,7)을 초과하면, 공유 대역에 자원이 재할당되면서 목표 비트 전송률을 달성하기 위한 전력 요구량이 증가한다.
  • 제안된 일반화된 로지스틱 함수는 의미 유사도를 효과적이고 분석 가능한 방식으로 근사화하며, 성능 분석의 가능성을 보장한다.
  • 반-NOMA의 최적 자원 할당은 매우 융통성 있고, 의미 및 비트 전송률 간의 동적 트레이드오프를 허용한다.
  • 결과적으로 의미 인코딩/디코딩 체계 최적화가 핵심임을 시사하며, K에 대한 성능 민감도는 향상 여지가 크다는 것을 시사한다.

더 나은 연구,지금 바로 시작하세요

논문 읽기부터 검토까지, 연구 시간을 획기적으로 줄여보세요.

카드 등록 없음 · 무료 플랜 제공

이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.