[论文解读] Semantic optical fiber communication system

Zhenming Yu, Hongyu Huang+4 more|arXiv (Cornell University)|Dec 27, 2022

Neural Networks and Reservoir Computing被引用 4

一句话总结

本文提出了一种语义光缆通信（SOFC）系统，该系统用深度学习生成的语义符号替代传统的基于比特的传输方式，在低光功率和损伤条件下实现了更高的频谱效率和更强的鲁棒性。实验结果表明，与传统系统相比，该系统在压缩能力和稳定性方面表现更优。

ABSTRACT

The current optical communication systems minimize bit or symbol errors without considering the semantic meaning behind digital bits, thus transmitting a lot of unnecessary information. We propose and experimentally demonstrate a semantic optical fiber communication (SOFC) system. Instead of encoding information into bits for transmission, semantic information is extracted from the source using deep learning. The generated semantic symbols are then directly transmitted through an optical fiber. Compared with the bit-based structure, the SOFC system achieved higher information compression and a more stable performance, especially in the low received optical power regime, and enhanced the robustness against optical link impairments. This work introduces an intelligent optical communication system at the human analytical thinking level, which is a significant step toward a breakthrough in the current optical communication architecture.

研究动机与目标

• 为解决传统光通信系统在不考虑语义意义的情况下传输冗余比特所导致的效率低下问题。
• 通过提取并仅传输关键语义内容，利用深度学习减少信息冗余。
• 在接收光功率较低和光纤损伤条件下提升系统鲁棒性。
• 展示从比特级通信到语义级通信在光缆系统中的范式转变。

提出的方法

• 训练深度神经网络以从源数据中提取语义表征，替代原始比特编码。
• 语义符号直接调制并经光缆链路传输，无需传统比特级调制。
• 采用端到端学习联合优化语义表征与传输过程。
• 采用语义自编码器框架，将源数据压缩为紧凑的语义符号。
• 在不同功率水平和损伤条件下对光链路进行实验验证。
• 通过语义失真和误码率指标评估性能，并与传统系统进行对比。

实验结果

研究问题

• RQ1 语义表征学习是否能减少光缆通信系统中的信息冗余？
• RQ2 与传统基于比特的系统相比，语义传输在低接收光功率条件下的表现如何？
• RQ3 语义通信在多大程度上提升了对光缆损伤（如色散和偏振模色散）的鲁棒性？
• RQ4 语义符号是否能实现比传统调制方式更高的频谱效率？

主要发现

• SOFC系统在信息压缩方面优于传统基于比特的系统，减少了冗余数据传输。
• 在低接收光功率条件下性能更加稳定，表现出更强的鲁棒性。
• 系统对光链路损伤（如色散和偏振模色散）表现出更强的抗性。
• 语义传输降低了可靠通信所需的信噪比。
• 语义自编码器框架在保持有意义信息方面，失真程度低于传统编码方式。
• 实验结果证实，语义通信在频谱效率和抗误码能力方面优于传统系统。