[论文解读] Energy Efficient Semantic Communication over Wireless Networks with Rate Splitting

Zhaohui Yang, Mingzhe Chen+2 more|arXiv (Cornell University)|Jan 5, 2023

Energy Harvesting in Wireless Networks被引用 4

一句话总结

该论文提出了一种基于速率复用（RSMA）的无线网络能效语义通信框架，其中基站从大规模数据中提取多层级语义信息，并通过公共流和私有流传输紧凑的语义消息。通过联合优化语义提取比例与计算频率，该方案在满足时延和功率约束的前提下最小化总能耗，实现接近最优的性能，且能耗显著低于FDMA、NOMA和SDMA，尤其在高发射功率下表现更优。

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.

研究动机与目标

• 为解决下一代无线网络在支持元宇宙和数字孪生等高数据速率、低时延应用时面临的能效挑战。
• 设计一种联合计算与通信资源分配框架，以在时延、功率和语义准确度约束下最小化总能耗。
• 通过在基站从大规模数据中提取多层级语义信息，并利用速率复用传输紧凑的语义消息，实现语义通信。
• 通过联合控制语义提取比例与计算频率，同时优化用户端的计算能耗与无线链路的传输能耗。

提出的方法

• 使用概率图在基站从大规模数据中提取多层级语义信息。
• 在下行链路传输中应用速率复用多址接入（RSMA），将消息划分为公共部分（共享知识）和私有部分（用户特定信息）。
• 建立联合计算与通信能耗最小化的系统模型，综合考虑发射功率、时延和计算能力约束。
• 设计一种交替优化算法，每轮迭代中推导出语义提取比例与计算频率的闭式解。
• 通过迭代更新变量的方式求解非凸优化问题，同时保持所有约束下的可行性。
• 采用穷举搜索基线（EXH-RSMA）验证所提算法的近似最优性能。

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

实验结果

研究问题

• RQ1 如何高效地从大规模数据中提取语义信息，以降低无线网络中的传输开销？
• RQ2 在无线资源受限的语义通信系统中，计算与通信能耗之间存在怎样的最优权衡？
• RQ3 与FDMA、NOMA和SDMA等传统多址方案相比，速率复用如何提升能效？
• RQ4 发射功率、带宽和用户计算能力对语义通信系统总能耗有何影响？
• RQ5 能否通过联合优化语义提取与计算频率，实现低复杂度算法下的近全局最优性能？

主要发现

• 所提出的基于RSMA的语义通信方案在总能耗方面显著低于FDMA、NOMA和SDMA，尤其在高发射功率下优势明显。
• 随着最大发射功率的增加，总能耗下降，原因是传输时间减少，从而有更多时间用于计算，降低功率消耗。
• 更高的系统带宽通过缩短传输时间并延长计算时长，有助于降低总能耗。
• 所提算法实现近似最优性能，与穷举搜索基线（EXH-RSMA）结果非常接近，证明了其有效性和高效性。
• 与NOMA和FDMA相比，RSMA在数据量增大时总能耗增长更缓慢，表明其具有更强的鲁棒性。
• 在计算能力较低至中等时，提升最大计算能力会显著降低总能耗；超过某一阈值后，进一步提升对能耗影响微乎其微，表明能耗节省已达到饱和。

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