【技术实现步骤摘要】
本专利技术属于深度学习及物联网通信,尤其涉及一种多源语义通信模型的训练方法、装置、设备及存储介质。
技术介绍
1、5g的部署催生出各种新兴物联网应用不断涌现,互联互通的智能设备产生的海量数据交换带来了巨大的通信负荷,对通信系统的各项技术指标提出了更为苛刻的要求,因此业界开始积极探索6g移动通信技术以满足未来物联网应用的技术要求。然而,目前基于香农信息论的无线通信架构已逐步逼近理论极限,例如信源编码技术已逼近信源熵率失真函数,ldpc码、极化码等信道编码技术也已接近信道容量,另外,在多源中继通信网络中,源节点和目标节点之间的通信依赖于中继节点的协助转发,以扩大源节点的通信范围并降低信号传输损耗。目前中继协同通信网络主要的研究集中在基于比特传输的传统通信范式,旨在通过优化关键性能指标(如吞吐量、时延和丢包率),以实现比特传输的传输效率与可靠性,例如,一些方案提出不同的中继转发策略,针对不同的优化目标设计中继如何对信号进行处理并转发,此外,许多方案致力于开发中继选择算法,通过评估各个中继节点的质量和性能指标(如信号强度、干扰水平、路径损耗等)
...【技术保护点】
1.一种多源语义通信模型的训练方法,其特征在于,所述多源语义通信模型包括用于部署在源节点中的语义发送模块、用于部署在中继节点中的语义信息融合模块和用于部署在目的节点中的语义恢复模块,所述方法包括下述步骤:
2.如权利要求1所述的方法,其特征在于,所述基于预先构建的辅助接收器,根据局部图像数据集对所述语义发送模块进行训练,直至预先设置的第一损失函数收敛的步骤,包括:
3.如权利要求1所述的方法,其特征在于,将训练好的所述语义发送模块部署到所有源节点中,所述源节点的数量不少于2个,所述基于训练好的所述语义发送模块,根据完整图像数据集对所述语义信息融
...【技术特征摘要】
1.一种多源语义通信模型的训练方法,其特征在于,所述多源语义通信模型包括用于部署在源节点中的语义发送模块、用于部署在中继节点中的语义信息融合模块和用于部署在目的节点中的语义恢复模块,所述方法包括下述步骤:
2.如权利要求1所述的方法,其特征在于,所述基于预先构建的辅助接收器,根据局部图像数据集对所述语义发送模块进行训练,直至预先设置的第一损失函数收敛的步骤,包括:
3.如权利要求1所述的方法,其特征在于,将训练好的所述语义发送模块部署到所有源节点中,所述源节点的数量不少于2个,所述基于训练好的所述语义发送模块,根据完整图像数据集对所述语义信息融合模块和所述语义恢复模块进行训练,直至预先设置的第二损失函数收敛的步骤,包括:
4.如权利要求1所述的方法,其特征在于,所述语义发送模块包括语义编码器和信道编码器,其中,所述语义编码器由一层二维卷积层和两层残差块构成,所述信道编码器由一层展平层、多层感知器层以及一层功率归一化层构成。
5.如权利要求1所述的方法,其特征在于,所述辅助接收器包括信道解码器和语义解码器,其中,所述信道解码器由一层连接层、多层感知器层以及一层重塑层构成,所述语义解码器由两层残差块与一层二维反卷积层构成。
6.如权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。