[论文解读] Versatile Semantic Coded Transmission over MIMO Fading Channels

Shengshi Yao, Sixian Wang+3 more|arXiv (Cornell University)|Oct 30, 2022

Wireless Signal Modulation Classification被引用 5

一句话总结

本文提出VST-MIMO，一种适用于MIMO衰落信道的通用语义编码传输框架，通过自适应空间复 multiplexing（ASM）模块联合优化源语义与信道状态，实现自适应多流传输。该系统在端到端率-失真性能上取得显著提升，相比独立编码方案，带宽成本最高降低24%，同时在单一学习模型中支持可变传输速率。

ABSTRACT

Semantic communications have shown great potential to boost the end-to-end transmission performance. To further improve the system efficiency, in this paper, we propose a class of novel semantic coded transmission (SCT) schemes over multiple-input multiple-output (MIMO) fading channels. In particular, we propose a high-efficiency SCT system supporting concurrent transmission of multiple streams, which can maximize the multiplexing gain of end-to-end semantic communication system. By jointly considering the entropy distribution on the source semantic features and the wireless MIMO channel states, we design a spatial multiplexing mechanism to realize adaptive coding rate allocation and stream mapping. As a result, source content and channel environment will be seamlessly coupled, which maximizes the coding gain of SCT system. Moreover, our SCT system is versatile: a single model can support various transmission rates. The whole model is optimized under the constraint of transmission rate-distortion (RD) tradeoff. Experimental results verify that our scheme substantially increases the throughput of semantic communication system. It also outperforms traditional MIMO communication systems under realistic fading channels.

研究动机与目标

• 解决现有语义通信系统依赖时频域单流传输所导致的效率低下问题。
• 将MIMO空间复 multiplexing 技术整合到语义编码传输（SCT）中，以利用空间域提升系统吞吐量。
• 基于源语义熵与实时信道质量指示（CQI）实现编码速率与流映射的双重自适应。
• 设计单一通用模型，无需微调即可支持多种传输速率。
• 在率-失真（RD）权衡约束下优化系统，以实现端到端性能增益。

提出的方法

• 系统采用可学习的熵模型，表示从源输入中提取的潜在语义特征的分布。
• 自适应空间复 multiplexing（ASM）模块根据源语义熵与CQI动态分配编码速率，并将数据流映射到空间流。
• 联合源-信道编码框架使用深度JSCC编码器将潜在表征映射为符号流，经预编码后通过MIMO衰落信道传输。
• 辅信息（超先验）通过数字链路进行熵编码传输，而主数据流则经调制后通过多根天线发送。
• 采用拉格朗日优化方法进行端到端训练，以平衡失真与带宽成本，使用PSNR与MS-SSIM作为评估指标。
• 系统无需显式预编码，预编码向量与其他网络参数联合学习。

实验结果

研究问题

• RQ1 如何有效将MIMO空间复 multiplexing 集成到语义编码传输中以提升系统吞吐量？
• RQ2 对源语义与信道状态的双重自适应在语义通信中能多大程度上提升端到端率-失真性能？
• RQ3 单一语义通信模型是否能在不同信道条件下保持一致性能，支持多种传输速率？
• RQ4 与传统分离式源-信道编码及现有深度JSCC方法相比，所提出的VST-MIMO框架在带宽效率与失真方面表现如何？
• RQ5 当部署于未见过的信道环境时，该模型的泛化能力如何？

主要发现

• 与分离编码方案（BPG + 5G LDPC）相比，所提出的VST-MIMO框架在COST2100 MIMO信道下，于CIFAR10数据集上实现相同PSNR的同时，带宽成本最高降低24%。
• 在10 dB SNR条件下，VST-MIMO在PSNR与MS-SSIM指标上均优于NTC + 5G LDPC基线，证明了直接对潜在表征进行编码（无需量化）的优势。
• 即使在Kronecker与COST2100等真实衰落信道模型下，系统性能仍可与采用自适应调制与编码（AMC）的标准分离编码方案相媲美。
• 模型在未见信道环境中的泛化能力出色，在不同信道协方差分布的测试条件下仍保持高性能。
• 双重自适应机制使单一模型能够支持多种传输速率，相较于针对特定速率设计的深度JSCC模型，展现出更强的内在通用性。
• 通过自适应流映射与速率分配，无缝耦合源内容分布与信道状态信息，框架实现了显著的端到端率-失真性能增益。