Two Birds with One Stone: Multi-Task Semantic Communications Systems over Relay Channel
一石二鸟：中继通道上的多任务语义通信系统
· 作者: Yujie Cao, Tong Wu, Zhiyong Chen, Yin Xu, Meixia Tao, Wenjun Zhang
· 所属机构: 上海交通大学
· 时间： 2024 年 10 月 16 日
· 期刊： 提交给 IEEE WCNC
非常喜欢陶梅霞老师！希望有机会能去学习。
研究背景:
1、卷积神经网络已经引入联合信源信道编码（JSCC），进行图像传输，在一些文献当中额外增加了解码器头来处理不同的任务，提出了一个特征重要性排序模块来评估每个特征对任务性能的影响。此外，一些文献将每个任务的特征划分为共享组和私有组，允许节点有选择性地传输特征，从而提高效率。
2、在实践中，通过中继节点的通信是常见的，因为远程双方之间的直接通信往往是信号质量差。
3、只有一项研究探讨了SD链路在语义中继通信中的使用，其中目标节点采用语义组合方法来集成来自SD链路和中继-目的地（RD）链路的信号。研究仅关注文本传输，缺乏专门的多任务通信设计。
研究方法:
1、源节点由JSCC编码器组成。中继节点应用了我们提出的语义聚焦前向算法，它由JSCC解码器、分类器和分类辅助JSCC编码器组成。JSCC解码器与编码器具有对称的结构，编码器也包括两个阶段，以Swin变压器为骨干模块。目标节点采用所提出的多链路组合接收，该接收由分类辅助JSCC解码器、分类器和相互注意模块组成。
2、目的地节点通过RD和SD链路同时接收转发的信号和广播的信号，但中继节点并不知道目标节点通过SD链路所理解的语义。我们假设目标节点可以通过退化的SD链路来理解与分类相关的语义，中继节点可以集中于相关类的语义，保持RD链路的传输容量进行重构。我们提出了一种语义聚焦的前向中继模式，其中中继节点首先解码接收到的信号进行重构，然后是识别图像类的分类器。之后，类辅助的JSCC编码器专注于对该类的特定语义进行重新编码和转发，而忽略了其他类的语义。因此，在语义集中的转发中，只转发与类最相关的语义，而忽略其他类的语义，从而提高编码效率，提高性能。
3、结合两个链路的信号来进行分类，来自RD链路的信号进行重建，并从分类任务重获取信息，在分类任务后完成重构任务。我们提出一个多链路结合接收，信号从SD和RD链接接收实数与n补丁长度l和结合设计的相互注意模块，上图是相互注意模块的结构。分类辅助的JSCC解码器将分类器输出的zd与来自RD链路的信号相结合，重建源图像。类辅助JSCC解码器由类辅助JSCC编码器的对称架构组成。
实验设计:
1、训练分为三个阶段：第一阶段训练源节点的JSCC编码器和中继节点上的JSCC解码器，第二阶段训练中继节点上的分类器，第三阶段训练中继节点的类辅助JSCC编码器、目标节点的类辅助JSCC解码器、分类器和共同注意模块。
2、我们采用了包含10个类的STL10数据集，每个类包含500张图像用于训练，800张图像用于评估，大小为96×96。
3、我们采用了一个最小均方误差（MMSE）均衡器来处理通过瑞利衰落信道传输的信号。
4、我们以只有中继链路为基线的方案，除了目标节点的相互注意模块和中继节点的分类器外，它与我们的MTML-RSC具有相同的架构。
结果分析:
1、图4和图5分别说明了在dSR = dRD = 0.5的AWGN和瑞利衰落条件下，PSNR和精度与信噪比的性能。可以观察到，与基线相比，所提出的MTMD-RSC在PSNR和精度上同时实现了性能的提高。信噪比为15 dB下，我们在PSNR获得1.73 dB增益，在AWGN信道下精度从64.89%提高到70.31%，而在瑞利衰落信道下，PSNR获得1.51 dB增益，精度从61.26%提高到68.54%。同时，随着信噪比的降低，性能增益逐渐降低，如AWGN信道下PSNR只有0.19 dB，精度为4.06个百分点，瑞利衰落信道下PSNR只有0.02 dB，精度从61.23%提高到66.03%。这一现象是由于随着信噪比的降低，SD链路提供的信息就会减少。因此，组合链路带来的性能增益降低。
2、图6和图7显示了当中继节点从dSR = 0.1和dRD = 0.9近源移动到dSR = 0.9和dRD = 0.1近目的地移动时，PSNR和精度的变化。在PSNR中，当中继节点位于中点时，方案达到最佳性能，而随着中继向两个点移动，方案逐渐下降。例如，当dSR从0.5增加到0.9时，PSNR从26.59 dB下降到25.44 dB，增益从0.81 dB下降到0.53 dB。精度一般呈现出相同的两端低，中间高的趋势，并有一定的波动。这是源于多任务的平衡。结果表明，中继节点应放置在中点，以达到最佳性能。
总体结论:
1、提出了中继语义通信的MTML-RSC方案，将直接链路和中继链路相结合，同时提高图像重建质量和分类精度。
2、提出了一种基于语义聚焦的前向算法，它利用所设计的分类器辅助的JSCC编码器来提取和传输聚焦类的语义。
3、实验结果表明，所提出的MTML-RSC在PSNR和精度上同时取得了显著的提高，证明了直接链路的有效利用。
