Multi-level Reliability Interface for Semantic Communications over Wireless Networks

本文研究了语义通信在联合源信道编码（JSCC）框架下的表现，其中将源消息直接映射到信道输入符号，成功的衡量标准是端到端失真而不是传统的块错误率等指标。以往的研究表明，与传统的分离源和信道编码相比，基于深度学习（DL）驱动的JSCC实现了显著的改进。然而，在现有的通信网络中，应用程序和网络提供商通常是连接在通用TCP/IP链路上的不同实体，因此JSCC是不切实际的。本文提出通过一种新的多级可靠性接口分别和顺序地设计源和信道映射，从而实现半JSCC。这个概念性的接口在学习源和信道映射器时实现了半JSCC，并实现了现有基于DL的JSCC工作中所观察到的许多优点，如更低的端到端失真和随着信道质量的优雅失真降级。我们认为，本文是实现无线网络中语义通信的重要一步。

本论文试图解决在现有通信网络中，应用和网络提供商通常是不同实体的问题，从而使得JSCC变得不切实际的问题。

本论文提出了一种新的多级可靠性接口的概念界面，通过该界面分别设计源和通道映射，从而实现半JSCC，并在学习源和通道映射上实现许多DL驱动的JSCC工作中观察到的收益。

本文实现了半JSCC，从而在现有通信网络中实现了语义通信。实验结果表明，该方法能够降低端到端失真并随着信道质量的下降而优雅地降低失真。

最近的相关研究包括：1. Joint Source-Channel Coding Using Deep Learning; 2. End-to-End Learning of Communications Systems Without a Channel Model; 3. Learning to Optimize Join Source-Channel Coding with a Deep Generative Network