本發(fā)明涉及語(yǔ)義通信,具體涉及一種基于信息解糾纏的協(xié)同非正交圖像語(yǔ)義通信方法及系統(tǒng)。
背景技術(shù):
1、隨著邊緣網(wǎng)絡(luò)智能化應(yīng)用的增加,對(duì)無(wú)線圖像傳輸?shù)母咝А⒖煽康囊笠苍絹碓礁?。信源編碼和信道編碼是實(shí)現(xiàn)高效、可靠無(wú)線圖像傳輸?shù)年P(guān)鍵技術(shù),這種方法雖然對(duì)于無(wú)限長(zhǎng)的信源和信道塊是最優(yōu)的,但在惡劣的信道環(huán)境下,該方法無(wú)法正常進(jìn)行信道解碼,從而出現(xiàn)“懸崖效應(yīng)”。目前的工作大多集中在端到端的單用戶傳輸,對(duì)于多用戶傳輸均以正交方式傳輸,需要大量的頻譜資源。
2、為了提高頻譜效率,語(yǔ)義通信可以采用非正交多址(noma)方案,雖然用戶之間的信號(hào)干擾是noma中的一個(gè)挑戰(zhàn),但先進(jìn)的多用戶識(shí)別(mud)算法(如串行干擾消除技術(shù)(sic)可以減少用戶之間的相互干擾,提高信號(hào)質(zhì)量。然而,該技術(shù)具有較高的計(jì)算復(fù)雜度,語(yǔ)義通信中的noma采用深度神經(jīng)網(wǎng)絡(luò)將信號(hào)從疊加信號(hào)中分離出來,然而,現(xiàn)有的深度聯(lián)合信源信道編碼框架專注于解決特定的任務(wù),如數(shù)據(jù)恢復(fù)、分類或其他人工智能任務(wù),無(wú)法滿足執(zhí)行其它非預(yù)期智能任務(wù)。
技術(shù)實(shí)現(xiàn)思路
1、為了克服現(xiàn)有技術(shù)存在的缺陷與不足,本發(fā)明提供一種基于信息解糾纏的協(xié)同非正交圖像語(yǔ)義通信方法及系統(tǒng),本發(fā)明通過在輸入圖像中加入可訓(xùn)練的高斯隨機(jī)矩陣,再通過解糾纏模塊對(duì)每個(gè)用戶語(yǔ)義信息進(jìn)行解糾纏,最后基于課程學(xué)習(xí)進(jìn)行訓(xùn)練,實(shí)現(xiàn)高頻譜效率的非正交傳輸,從而解決在非正交多傳輸時(shí)沒有使用多用戶識(shí)別情況下的圖像分離和恢復(fù)問題,并且針對(duì)多個(gè)用戶在不同信噪比下進(jìn)行非正交協(xié)同傳輸?shù)膯栴},通過聯(lián)合信源信道編碼器和聯(lián)合信源信道解碼器,將重點(diǎn)放在傳遞信息而非特征上,實(shí)現(xiàn)了高效、可靠的傳輸。
2、為了達(dá)到上述目的,本發(fā)明采用以下技術(shù)方案:
3、本發(fā)明提供一種基于信息解糾纏的協(xié)同非正交圖像語(yǔ)義通信方法,包括下述步驟:
4、獲取目標(biāo)的兩視圖圖像,將隨機(jī)高斯矩陣與圖像像素矩陣相連接,得到圖像拼接矩陣;
5、構(gòu)建兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型,包括聯(lián)合信源信道編碼器,解糾纏模塊和聯(lián)合信源信道解碼器,所述解糾纏模塊包括私有編碼器和公共編碼器;
6、基于課程學(xué)習(xí)構(gòu)建訓(xùn)練方法,對(duì)兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型進(jìn)行訓(xùn)練,基于訓(xùn)練后的兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型完成圖像恢復(fù)、分類和聚類任務(wù);
7、圖像拼接矩陣經(jīng)聯(lián)合信源信道編碼器映射為語(yǔ)義信息,語(yǔ)義信息經(jīng)私有編碼器、公共編碼器得到私有信息和公共信息,將私有信息和公共信息拼接得到編碼信息,編碼信息通過空中聚合得到空中聚合信息,空中聚合信息通過聯(lián)合信源信道解碼器恢復(fù)得到兩視圖圖像;
8、將公共信息作為輸入,基于knn算法對(duì)圖像數(shù)據(jù)進(jìn)行分類;
9、將公共信息作為輸入,基于k-means聚類算法獲得圖像數(shù)據(jù)的聚類結(jié)果。
10、作為優(yōu)選的技術(shù)方案,所述聯(lián)合信源信道編碼器包括:第一殘差塊上采樣、第一注意力特征模塊、第二殘差塊上采樣、第二注意力特征模塊、第一殘差塊、第三注意力特征模塊、第二殘差塊、第四注意力特征模塊和第三殘差塊上采樣;
11、圖像拼接矩陣依次經(jīng)過第一殘差塊上采樣、第一注意力特征模塊、第二殘差塊上采樣、第二注意力特征模塊、第一殘差塊、第三注意力特征模塊、第二殘差塊、第四注意力特征模塊和第三殘差塊上采樣,得到語(yǔ)義信息。
12、作為優(yōu)選的技術(shù)方案,將私有信息和公共信息拼接得到編碼信息,具體表示為:
13、;
14、其中,表示公共信息,,表示復(fù)數(shù)集,表示私有信息,,和分別表示對(duì)應(yīng)信息的長(zhǎng)度。
15、作為優(yōu)選的技術(shù)方案,編碼信息通過空中聚合得到空中聚合信息,具體表示為:
16、;
17、其中,表示方差為的加性高斯白噪聲,表示m維單位矩陣,和分別為公共聚合信息和帶噪聲的私有聚合信息,表示邊緣設(shè)備i和服務(wù)器之間的通道矩陣,為預(yù)處理函數(shù),i={1,2}。
18、作為優(yōu)選的技術(shù)方案,所述聯(lián)合信源信道解碼器包括:第一殘差轉(zhuǎn)置塊上采樣、第五注意力特征模塊、第二殘差轉(zhuǎn)置塊上采樣、第六注意力特征模塊、第一殘差轉(zhuǎn)置塊、第七注意力特征模塊、第二殘差轉(zhuǎn)置塊、第八注意力特征模塊和第三殘差轉(zhuǎn)置塊上采樣;
19、空中聚合信息依次經(jīng)過第一殘差轉(zhuǎn)置塊上采樣、第五注意力特征模塊、第二殘差轉(zhuǎn)置塊上采樣、第六注意力特征模塊、第一殘差轉(zhuǎn)置塊、第七注意力特征模塊、第二殘差轉(zhuǎn)置塊、第八注意力特征模塊和第三殘差轉(zhuǎn)置塊上采樣,恢復(fù)得到兩視圖圖像。
20、作為優(yōu)選的技術(shù)方案,基于課程學(xué)習(xí)構(gòu)建訓(xùn)練方法,對(duì)兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型進(jìn)行訓(xùn)練,包括:端到端訓(xùn)練階段、帶圖像重構(gòu)損失的訓(xùn)練階段和帶總損失的訓(xùn)練階段;
21、在端到端訓(xùn)練階段基于單用戶的聯(lián)合信源信道編碼模型更新每一對(duì)聯(lián)合信源信道編碼器和聯(lián)合信源信道解碼器;
22、采用均方誤差mse測(cè)量?jī)梢晥D重構(gòu)圖像和原始圖像之間的差距,得到圖像重構(gòu)損失,在已訓(xùn)練的單用戶的聯(lián)合信源信道編碼模型基礎(chǔ)上,基于圖像重構(gòu)損失訓(xùn)練分布式聯(lián)合信源信道編碼模型;
23、公共編碼器通過一致性約束捕獲跨輸入視圖的公共信息,得到設(shè)備間的公共信息cmd約束;
24、私有編碼器采用希爾伯特-施密特獨(dú)立準(zhǔn)則衡量設(shè)備內(nèi)公共信息與私有信息之間的差異,得到公共信息和私有信息的hsic約束;
25、基于圖像重構(gòu)損失、公共信息cmd約束、hsic約束的加權(quán)求和,得到總損失,最小化總損失得到兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型的最優(yōu)模型參數(shù)。
26、作為優(yōu)選的技術(shù)方案,在端到端訓(xùn)練階段基于單用戶的聯(lián)合信源信道編碼模型更新每一對(duì)聯(lián)合信源信道編碼器和聯(lián)合信源信道解碼器,其損失函數(shù)表示為:
27、;
28、其中,表示邊緣設(shè)備i獲取到的視圖圖像,i={1,2},表示恢復(fù)得到的視圖圖像。
29、作為優(yōu)選的技術(shù)方案,采用均方誤差mse測(cè)量重構(gòu)圖像和原始圖像之間的差距,得到圖像重構(gòu)損失,具體表示為:
30、;
31、其中,表示邊緣設(shè)備i獲取到的視圖圖像,i={1,2},表示恢復(fù)得到的視圖圖像。
32、作為優(yōu)選的技術(shù)方案,基于圖像重構(gòu)損失、公共信息cmd約束、hsic約束的加權(quán)求和,得到總損失,具體表示為:
33、;
34、;
35、;
36、;
37、;
38、;
39、;
40、;
41、;
42、;
43、其中,、和分別表示對(duì)應(yīng)的權(quán)重值,表示邊緣設(shè)備i對(duì)應(yīng)的公共信息的期望向量,表示邊緣設(shè)備j對(duì)應(yīng)的公共信息的期望向量,表示邊緣設(shè)備i對(duì)應(yīng)的公共信息的k階中心矩,表示邊緣設(shè)備j對(duì)應(yīng)的公共信息的k階中心矩,表示公共信息,表示私有信息,和是通過和的內(nèi)積得到的大小為 n×n的gram矩陣,表示n維單位矩陣,表示全一列向量,,和分別表示私有信息和公共信息對(duì)應(yīng)的信息長(zhǎng)度。
44、本發(fā)明還提供一種基于信息解糾纏的協(xié)同非正交圖像語(yǔ)義通信系統(tǒng),用于實(shí)現(xiàn)上述基于信息解糾纏的協(xié)同非正交圖像語(yǔ)義通信方法,該系統(tǒng)包括:目標(biāo)圖像獲取模塊、拼接模塊、模型構(gòu)建模塊、訓(xùn)練方法構(gòu)建模塊、模型訓(xùn)練模塊、圖像恢復(fù)模塊、分類模塊和聚類模塊;
45、所述目標(biāo)圖像獲取模塊用于獲取目標(biāo)的兩視圖圖像;
46、所述拼接模塊用于將隨機(jī)高斯矩陣與圖像像素矩陣相連接,得到圖像拼接矩陣;
47、所述模型構(gòu)建模塊用于構(gòu)建兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型,包括聯(lián)合信源信道編碼器,解糾纏模塊和聯(lián)合信源信道解碼器,所述解糾纏模塊包括私有編碼器和公共編碼器;
48、所述訓(xùn)練方法構(gòu)建模塊用于基于課程學(xué)習(xí)構(gòu)建訓(xùn)練方法;
49、所述模型訓(xùn)練模塊用于對(duì)兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型進(jìn)行訓(xùn)練,基于訓(xùn)練后的兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型完成圖像恢復(fù)、分類和聚類任務(wù);
50、所述圖像恢復(fù)模塊用于將圖像拼接矩陣經(jīng)聯(lián)合信源信道編碼器映射為語(yǔ)義信息,語(yǔ)義信息經(jīng)私有編碼器、公共編碼器得到私有信息和公共信息,將私有信息和公共信息拼接得到編碼信息,編碼信息通過空中聚合得到空中聚合信息,空中聚合信息通過聯(lián)合信源信道解碼器恢復(fù)得到兩視圖圖像;
51、所述分類模塊用于將公共信息作為輸入,基于knn算法對(duì)圖像數(shù)據(jù)進(jìn)行分類;
52、所述聚類模塊用于將公共信息作為輸入,基于k-means聚類算法獲得圖像數(shù)據(jù)的聚類結(jié)果。
53、本發(fā)明與現(xiàn)有技術(shù)相比,具有如下優(yōu)點(diǎn)和有益效果:
54、(1)本發(fā)明構(gòu)建了兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型two-view-dc-deepjscc-d,根據(jù)解纏模塊中的目標(biāo)設(shè)計(jì)了一致性和非一致性損失,通過最小化一致性和非一致性損失,解糾纏語(yǔ)義信息,有效地學(xué)習(xí)不同語(yǔ)義信息之間的公共和私有部分;可以直接利用特征空間中具有足夠判別性的公共信息來執(zhí)行智能任務(wù),如聚類和分類任務(wù);
55、有利于同一組內(nèi)用戶在上行信道上同時(shí)傳輸語(yǔ)義信息,實(shí)現(xiàn)協(xié)同傳輸,可靠的恢復(fù)圖像信息,采用非正交多址技術(shù)共享頻譜資源,提高頻譜利用效率,減少了傳輸信息的冗余。
56、(2)本發(fā)明提出了分布式邊緣網(wǎng)絡(luò)中兩視圖圖像語(yǔ)義協(xié)同非正交傳輸方案,基于構(gòu)建的兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型進(jìn)行語(yǔ)義通信,以支持多任務(wù)并發(fā)執(zhí)行。
57、(3)本發(fā)明將可訓(xùn)練的數(shù)據(jù)嵌入到原始圖像中,并基于課程學(xué)習(xí)構(gòu)建訓(xùn)練方法,對(duì)兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型two-view-dc-deepjscc-d進(jìn)行訓(xùn)練,因此,本發(fā)明的兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型two-view-dc-deepjscc-d可以在不使用sic或mud的情況下從疊加信號(hào)中恢復(fù)圖像。
58、(4)結(jié)合圖像恢復(fù),聚類和分類實(shí)驗(yàn)結(jié)果,本發(fā)明的兩視圖分布式協(xié)作聯(lián)合信源信道編碼模型two-view-dc-deepjscc-d可以有效地同時(shí)執(zhí)行圖像恢復(fù)、分類和聚類任務(wù),在分類和聚類精度方面取得了顯著提升。