一种基于智能超表面的图像语义通信系统技术方案

本发明专利技术公开了一种基于智能超表面的图像语义通信系统，采用基于智能超表面的深度联合信源信道图像压缩编码方法，具体包括离线训练过程和物理推演过程。本发明专利技术采用上述的一种基于智能超表面的图像语义通信系统，具备计算速度高、系统容量大、计算功耗低、宽频谱范围、实时可编程等诸多优势，在未来无线网络中具备光明前景。明前景。明前景。

【技术实现步骤摘要】
一种基于智能超表面的图像语义通信系统


[0001]本专利技术涉及无线通信
，尤其是涉及一种基于智能超表面的图像语义通信系统。

技术介绍

[0002]由于人工智能(AI)的发展，实用的语义通信系统在过去四五年中吸引了大量的关注。最新的研究大致可分为两类，即面向数据重构和面向任务的语义通信。前者与传统通信具有相同的目标，即重建源数据。后者直接使用语义特征执行任务。通过关注通信的目标，面向任务的语义提取与传达源数据的信息严格相关的数据。同时，用于AI的专用集成电路(ASIC)的出现极大地提高了计算性能，降低了功耗，这使得语义通信适用于未来的无线网络。
[0003]同时，基于智能超表面的空中人工智能是一个新的研究课题，受到了广泛的关注。最近，学界已经制作了原型设备来实现某种人工神经网络或特定神经网络的某一层的功能。此设备利用电磁波特性实现并行计算，并以光速模拟神经网络结构，呈现较好的计算空中卸载效果。各项研究已经指明基于智能超表面的调制方案的工业潜力，如RIS
‑
QAM、RIS
‑
MBM(基于媒体的调制)、RIS
‑
SM/GSM(广义空间调制)、RIS
‑
QSM(正交空间调制)和RIS
‑
SSM(共生空间调制)。由于每个可调谐单元的透射或反射幅度和相位可不同并可控，因此可以在智能超表面上构建单个射频MIMO发射机。
[0004]由于智能超表面在通信与人工智能领域体现的良好性能，本文认为其具备在无线信号上实现语义通信的可行性。据笔者所知，本专利为业界首位提出将智能超表面与语义通信结合的方案，同时充分考虑其物理特质，给出基于智能超表面的图像语义通信系统与仿真结果。

技术实现思路

[0005]本专利技术的目的是提供一种基于智能超表面的图像语义通信系统，具备计算速度高、系统容量大、计算功耗低、宽频谱范围、实时可编程等诸多优势，在未来无线网络中具备光明前景。
[0006]为实现上述目的，本专利技术提供了一种基于智能超表面的图像语义通信系统，采用基于智能超表面的深度联合信源信道图像压缩编码方法，具体包括离线训练过程和物理推演过程。
[0007]优选的，所述离线训练过程具体包括以下步骤：
[0008]S1、进行网络训练前准备；
[0009]S2、将分批后的数据输入到步骤S1中搭建的训练网络，依次经过语义信源信道编码器、信道空间、接收端生成器，计算相应损失函数值，并利用随机梯度下降法与反向传播更新网络参数；
[0010]S3、分别采用三种学习速率依次更新网络参数，判断损失函数值是否收敛至预设
值，是则提前终止训练并保存相应模型参数，供边缘设备离线工作，否则重复步骤S2。
[0011]优选的，在步骤S1中，对所提供的数据集预处理，将其从实数域调制至复数域，同时将其打乱、分批、归一化；设计联合信源信道编码过程中所需的语义信源信道编码器、信道空间，接收端生成器，以及网络训练过程的损失函数及优化器，然后对各自的网络参数进行初始化。
[0012]优选的，所述物理推演过程具体包括以下步骤：
[0013](1)射频信号发生器产生射频载波，通过空间调制器实现调制与MIMO传输的过程，空间调制器由一层RIS和控制硬件组成，以调整每个RIS单元的行为，空间调制器接收到射频信号后能够对其作信号处理；
[0014](2)射频信号进而通过语义编码器；
[0015](3)射频信号通过无线信道空间后通过语义解码器，语义解码器即对应离线训练过程中的接收端生成器，将传输的信号由参数空间解码出接收信号，进而完成通信过程。
[0016]优选的，在步骤(2)中，在将信号映射到语义编码器的第一层之后，智能超表面直接对无线信号而不是传统语义通信的数字数据作计算处理，即对应离线训练过程中的语义信源信道器。
[0017]因此，本专利技术采用上述一种基于智能超表面的图像语义通信系统，可以以光学计算速度进行空中计算卸载，减少人工智能参与语义提取的延迟时间，同时智能超表面的参与可利用空间分集和极化分集来显著提高系统容量。具备计算速度高、系统容量大、计算功耗低、宽频谱范围、实时可编程等诸多优势，在未来无线网络中具备光明前景。
[0018]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0019]图1是本专利技术深度联合信源信道图像压缩编码离线训练架构图；
[0020]图2是本专利技术深度联合信源信道图像压缩编码物理推演架构图；
[0021]图3是本专利技术复JSCC、复调制JSCC不同训练信噪比下的PSNR性能图；
[0022]图4是本专利技术复JSCC、复调制JSCC在不同压缩比下的PSNR性能图；
[0023]图5是本专利技术复JSCC、复调制JSCC不同训练信噪比下的SSIM性能图；
[0024]图6是本专利技术复JSCC、复调制JSCC不同压缩比下的SSIM性能图。
具体实施方式
[0025]以下通过附图和实施例对本专利技术的技术方案作进一步说明。
[0026]除非另外定义，本专利技术使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。
[0027]对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的主旨或基本特征的情况下，能够以其它的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0028]此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包
含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其它实施方式。这些其它实施方式也涵盖在本专利技术的保护范围内。
[0029]还应当理解，以上所述的具体实施例仅用于解释本专利技术，本专利技术的保护范围并不限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术/专利技术的保护范围之内。
[0030]本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用词典中定义的术语应当被理解为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非本文有明确地这样定义。
[0031]对于相关领域普通技术人员已知的技术、方法和设备可能不作为详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0032]本专利技术说明书中引用的现有技术文献所公开本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能超表面的图像语义通信系统，其特征在于：采用基于智能超表面的深度联合信源信道图像压缩编码方法，具体包括离线训练过程和物理推演过程。2.根据权利要求1所述的一种基于智能超表面的图像语义通信系统，其特征在于：所述离线训练过程具体包括以下步骤：S1、进行网络训练前准备；S2、将分批后的数据输入到步骤S1中搭建的训练网络，依次经过语义信源信道编码器、信道空间、接收端生成器，计算相应损失函数值，并利用随机梯度下降法与反向传播更新网络参数；S3、分别采用三种学习速率依次更新网络参数，判断损失函数值是否收敛至预设值，是则提前终止训练并保存相应模型参数，供边缘设备离线工作，否则重复步骤S2。3.根据权利要求2所述的一种基于智能超表面的图像语义通信系统，其特征在于：在步骤S1中，对所提供的数据集预处理，将其从实数域调制至复数域，同时将其打乱、分批、归一化；设计联合信源信道编码过程中所需的语义信源信道编码器、信...

【专利技术属性】
技术研发人员：陈舒怡，惠英哲，孟维晓，秦一凡，叶亮，何晨光，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：