Semantic MIMO Systems for Speech-to-Text Transmission

本文提出了一种面向单用户多输入多输出（MIMO）和多用户MIMO通信场景的语义感知语音到文本传输系统SAC-ST。该系统利用语义通信传输任务相关的语义信息，而非比特，来执行多种智能任务。具体来说，本文首先设计了一个语义通信系统，用于在接收端服务于语音到文本任务，该系统通过利用变压器模块压缩语义信息并生成低维度的语义特征。此外，本文提出了一种新颖的语义感知网络，以高语义保真度促进传输，识别关键的语义信息并保证其准确恢复。此外，我们通过引入一个神经网络启用的信道估计网络来扩展SAC-ST，以减轻对准确信道状态信息的依赖，并验证在实际通信环境中SAC-ST的可行性。仿真结果表明，相对于没有语义感知网络的通信框架，所提出的SAC-ST在MIMO信道上进行语音到文本传输时，在语音到文本度量方面表现更优，特别是在低信噪比情况下。此外，配备了开发的信道估计网络的SAC-ST与具有完美信道状态信息的SAC-ST相当。

本论文旨在提出一种语义感知的语音到文本传输系统，解决单用户多输入多输出（MIMO）和多用户MIMO通信场景下的语音到文本传输问题。同时，该论文还试图验证在实际通信环境中，使用神经网络辅助通道估计网络可以缓解对准确通道状态信息的依赖性。

该论文的关键思路是设计了一个语义感知的网络，通过使用变压器模块压缩语义信息并生成低维语义特征，以便在接收端执行语音到文本任务。

该论文的亮点包括提出了一个语义感知的语音到文本传输系统，设计了一个神经网络辅助通道估计网络来缓解对准确通道状态信息的依赖性，并在多用户MIMO通信场景下进行了实验。实验结果表明，该系统在低信噪比情况下的语音到文本度量方面优于不使用语义感知网络的传输框架。同时，该论文还提供了相关的数据集和开源代码，值得进一步研究。

在最近的相关研究中，有一些相关的论文，例如“End-to-End Speech Translation with Knowledge Distillation”，“Speech-to-Text Translation with Transformer for Multiple Voices”，“A Comprehensive Survey on Speech-to-Text Techniques”。