[论文解读] Coding in the Presence of Semantic Value of Information: Unequal Error Protection Using Poset Decoders

Marcelo Firer, Luciano Panek+1 more|arXiv (Cornell University)|Aug 17, 2011

Coding theory and cryptography参考文献 13被引用 4

一句话总结

本文提出一种语义感知编码框架，将传统误差最小化替换为基于偏序集译码度量的期望损失最小化。通过为信息词分配语义值并利用分层偏序集译码器，该方案实现了按消息的不等错误保护（UEP），其中高价值消息通过靠近语义相似的码字获得优先保护，在高误码条件下（例如 p > 0.29）优于经典最大似然译码器。

ABSTRACT

In this work we explore possibilities for coding when information worlds have different (semantic) values. We introduce a loss function that expresses the overall performance of a coding scheme for discrete channels and exchange the usual goal of minimizing the error probability to that of minimizing the expected loss. In this environment we explore the possibilities of using poset-decoders to make a message-wise unequal error protection (UEP), where the most valuable information is protected by placing in its proximity information words that differ by small valued information. Similar definitions and results are shortly presented also for signal constellations in Euclidean space.

研究动机与目标

• 通过在损失函数中引入语义值作为参数，重新构想编码理论。
• 在信道编码中，用期望损失最小化替代误差概率最小化。
• 基于偏序集度量，开发一种按消息的不等错误保护（UEP）框架。
• 证明偏序集译码器在期望损失方面可优于经典最大似然译码器。
• 通过将语义值分配整合到码字位置中，增强联合源信道编码以提升译码性能。

提出的方法

• 引入一个值函数 µ，根据语义重要性为信息词分配非负实数值。
• 定义期望损失函数 E(a, µ)，用于基于解码错误的语义代价评估编码方案。
• 使用偏序集度量构建最近邻译码器（P-译码器），按语义相似性对码字进行分组。
• 应用分层偏序集，实现具备内在UEP特性的高效译码算法。
• 通过期望损失函数的多项式表示，将P-译码器与最大似然（ML）译码器进行比较。
• 采用 [7,4]2 汉明码并结合自定义码字到灰度映射，以实证展示性能提升。

实验结果

研究问题

• RQ1 编码方案能否不以最小化误码率为优化目标，而是以最小化期望语义损失为目标进行优化？
• RQ2 偏序集译码度量如何基于语义值实现按消息的不等错误保护？
• RQ3 在何种条件下，P-译码器在期望损失方面优于经典ML译码器？
• RQ4 语义值分配对噪声信道中译码性能有何影响？
• RQ5 如何通过将语义值融入码字位置，增强联合源信道编码？

主要发现

• 当误码概率 p > 0.29 时，P-译码器相比ML译码，期望损失减少 27.10s −58.34s² −58.79s³ + 58.97s⁴ + 40.33s⁵ −9.27s⁶。
• 在 p = 0.43 时，P-译码器能保持图像的视觉保真度（如“Hello World”），而ML译码失败。
• 高价值消息（如深灰色调）通过将其码字放置在其他高价值码字附近，在偏序集中获得保护。
• 最高价值码字 c15 的期望损失多项式 GaP(c15) 对高误码概率表现出更低的敏感性。
• 由于码字的策略性排列，当 s > 0.4 时（对应 p > 0.29），P-译码器性能优于ML译码。
• 该框架可同时实现位级和消息级的UEP，其中 [7,4]2 码的最后两位比特在灰度映射中受到更强保护。