摘要
本发明涉及一种基于监督判别学习的抗噪语义通信方法,属于通信技术领域。针对图像传输中的语义噪声和信道噪声问题,在语义任务执行端引入深度监督网络,通过在隐藏层后增设监督层,提取高质量中间层特征,从而学习语义特征表示;设计一种包含终端损失和伴随损失的复合损失函数,其中伴随损失引入原型一致型损失函数,通过最大分离约束降低语义噪声影响;该方法还根据SNR值调整任务执行与数据恢复的优先级,以适应不同通信条件;此外,采用白盒攻击方法生成语义噪声,并在不改变原深度学习模型结构的前提下,利用监督层输出结果增强抗噪性能;从语义特征层面出发,设计一种损失函数,进一步增强了抗噪性能,兼顾了数据恢复和任务执行。
技术关键词
通信方法
通信系统
深度学习模型
噪声
编码器参数
编解码器
联合信源信道
语义特征
更新分类器
终端
训练分类器
信道状态信息
样本
网络
标签
系统为您推荐了相关专利信息
深度学习模型
生成对抗网络
多尺度特征提取
生成高分辨率
编码器
波形优化方法
非周期性噪声
去噪算法
数字匹配滤波器
雷达
彩色图像
物体姿态估计方法
关键点
语义特征
粗略
非线性非高斯系统
SOC状态估计
锂离子电池
观测噪声
宽度学习系统