【技术实现步骤摘要】
本专利技术属于车联网无线通信和图形语义通信领域，具体涉及一种车联网中基于语义重要性的图像传输调控优化方法。
技术介绍
1、传统通信技术采用信源编码和信道编码提高通信效率和可靠性，但它是独立设计和优化的，没有考虑相互影响，因此无法协同工作以实现最佳的整体通信容量，导致悬崖效应。而许多新兴应用都需要在极端的延迟、带宽和能量限制下传输图像数据，这同样排除了计算要求高的长块长度信源和信道编码技术。在智能网联环境下，通信的信源和信宿转变为具有ai智能计算功能的智能体(如车辆、边缘计算服务器等)，智能体之间通信追求的目标不再是传统通信准确传输比特数据或者精确传递信号波形，而是准确理解传递的信息内容，这里的“内容”即shannon和weaver定义的语义，这种新的通信范式称为语义通信。由于语义通信理论仍缺乏全面、统一的数学表述，现有的语义编译码模块，由于语义信息本身具有主观和不确定特性，特别是针对难以设计合适的手工提取规则的图像等信源都主要是基于自定义模型的机器学习方法实现的，随着深度学习的发展，联合信源信道编码进入人们的视线，通过共同设计和优化信道编码和信道编码过程来实现编码过程的系统级最优性，利用深度学习模型强大的数据压缩和噪声弹性能力，用一个深度学习模型实现端到端的信源信道联合编码(joint source-channelcoding，jscc)过程是切实可行的，对于无线图像传输任务，在deepjscc的框架下，分别使用编码器和解码器共同完成源信道的编码和解码过程，并以端到端的方式训练编码器-解码器对以及不可训练的物理信道。通过这种方式
2、语义通信作为新兴范式，具体的资源分配方式与传统通信不同，在车联网中，智能体之间、智能体与人之间使用较少的资源代价获得语义速率的最大化以及智能任务的高精度，在给定任务性能要求下进行语义的最优压缩才是语义通信应该关注的研究目标。现有研究提出了基于语义的车联网资源分配，提出了两种面向语义通信的资源分配优化准则，综述了面向语义通信的通算存三类资源分配方案，在高效视频编码视频目标检测的车联网仿真场景下分析了所研究资源分配方法的性能优势；采用faster-rcnn视频目标检测提出一种视频帧内容优先级评估方法，并提出一种基于q学习的车载网络场景资源分配方案，为优先级较高的视频帧提供更可靠的资源；针对车联网场景引入缓存资源，构建了新的面向语义的视频多维资源联合分配模型，边缘执行目标检测和视频缓存任务，但其都是依据传统的hevc编码的，而没有采用语义通信的编码方式。实际上，语义通信中传输质量与信道条件、压缩率和数据内容之间的关系非常复杂，应当考虑通过三者与传输质量之间的具体关系来控制传输质量。
3、而针对语义通信的资源分配，现有研究在面向文本传输的语义通信架构中，利用知识图谱提取了文本的语义信息，并优化了资源块分配和传输的语义信息特征。还有研究从语义信号处理的角度出发，提出了一种任务驱动的语义通信架构用于信号重构或信息处理，使得各个设备根据所服务的任务进行语义感知的采样，并基于此提出了一种多址接入方案。有研究者提出了一种新的语义传输性能指标，即面向消息的系统吞吐量。利用一个基于transformer的模型得到比特传输速率与该性能指标之间的映射关系，构建了对应的资源分配模型来优化基站选择和带宽分配，但仅从消息层面对无线资源进行了优化，并未从语义层面考虑该问题，应对这一挑战，最新研究以文本传输为例定义了语义传输速率、语义频谱效率、语义服务质量(qoe)等新型语义信息传输指标，并基于此对语义信息传输效率进行了优化，验证了通过有效的资源管理传输更多的语义信息的可行性。
4、现有研究均未考虑车联网中车辆的移动性所导致的信道环境快速变化对图像语义通信产生的影响，针对离散的图像传输任务，尚未发现有研究关注过图像传输顺序对任务性能的影响以进行调控。现有研究未考虑车联网适配的图像语义通信中传输质量与信道条件、压缩率和数据内容之间的关系，无法自适应地根据信道条件利用无线系统资源生成语义数据，也未研究语义重要性，从而考虑语义通信的资源分配问题来优先保证语义重要性高的任务可靠性和通信效率，优化网络运营并实时保证新兴无线和物联网服务的任务需求。
技术实现思路
1、为了解决现有技术中存在的问题，本专利技术提供一种车联网中基于语义重要性的图像传输调控优化方法，提出了语义传输能耗和语义传输速率的表征，通过最大化效用函数，尽可能的在提高速率的同时降低能耗，最后通过调控图像传输顺序优化目标函数，使得整个时隙中语义重要性高的图像效用函数高，更关注重要性高的图像的传输效果。
2、为了实现上述目的，本专利技术采用的技术方案是：一种车联网中基于语义重要性的图像传输调控优化方法，包括以下步骤：
3、构建面向车联网的自适应信噪比的语义通信模型，
4、建立特征组数和ssim与信噪比的关系，用于表征同时优化语义传输速率和语义能耗的效用函数，构建车联网中基于自适应信噪比的图像语义通信资源分配优化模型；
5、分析所述效用函数，使用二分搜索针对每个时隙不同信道增益分配功率；
6、获取图像传输任务中每个图像的相对语义重要性，构建语义重要性乘以效用函数表征的目标函数，通过调控图像传输顺序以最大化总体目标函数，将整个时隙中更好的资源分配给语义重要性更高的图像，根据距离和信道条件以及信道条件与效用函数的关系，根据距离分配图像传输的通信资源。
7、进一步的，构建面向车联网的自适应信噪比的语义通信模型时，建立基于车辆端与边缘服务器语义通信的车联网系统模型，车联网系统模型包括已缓存各路段图像并配备训练好的语义通信模型的蜂窝基站和一辆配备了训练好的语义通信模型的智能网联汽车，车联网系统模型中通信过程如下：1)车辆驾驶员请求服务器发送视野盲区路况图像，车辆发送车辆状态信息和信道状态信息；2)边缘服务器获取车辆状态信息和csi，包括车速、车辆位置信息、需要传输的图像信息，根据信道状态信息分配功率，根据每个时隙的车辆位置，调控图像传输顺序进行语义编码，通过无线信道传输到车辆端；3)车辆将接收到的语义编码进行语义解码并恢复图像以供驾驶员查看。
8、进一步的，构建自适应信噪比的图像语义通信模型包括：
9、1)发送端
10、边缘服务器部署本文档来自技高网...
【技术保护点】
1.一种车联网中基于语义重要性的图像传输调控优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，构建面向车联网的自适应信噪比的语义通信模型时，基于车辆端与边缘服务器语义通信的车联网系统模型，车联网系统模型包括已缓存各路段图像并配备训练好的语义通信模型的蜂窝基站和一辆配备了训练好的语义通信模型的智能网联汽车，车联网系统模型中通信过程如下：1)车辆驾驶员请求服务器发送视野盲区路况图像，车辆发送车辆状态信息和信道状态信息；2)边缘服务器获取车辆状态信息和信道状态信息，包括车速、车辆位置信息、需要传输的图像信息，根据信道状态信息分配功率，根据每个时隙的车辆位置，调控图像传输顺序进行语义编码，通过无线信道传输到车辆端；3)车辆将接收到的语义编码进行语义解码并恢复图像以供驾驶员查看。
3.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，构建自适应信噪比的图像语义通信模型包括：
4.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，表
5.根据权利要求4所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，将图像在信道传输中的语义相似度考虑为接收恢复图像Y与传输图像X的结构相似性的值，取值范围为[0,1]。
6.根据权利要求4所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，当每次传输的K张图像内容固定，不考虑分配带宽且背景噪声功率谱密度N0固定，ξ(K,γ)＝f(K,P,H)；考虑传输内容固定，且时隙内信道增益H视为一个固定的常数，将语义相似度与分配功率的关系简化为只与发射功率有关ξ(K,γ)≈fK(PH)；
7.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，分析所述效用函数，使用二分搜索针对每个时隙不同信道增益分配功率包括：在K张图像固定即内容固定的情况下，假设信道增益与块无关，信道增益H在每个时隙内固定不变，利用权衡因子λ使语义传输速率最大化，同时使语义传输能耗最小化，
8.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，获取图像传输任务中每个图像的相对语义重要性包括：
9.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，构建语义重要性乘以效用函数表征的目标函数包括：根据信道增益H求出最大效用函数预测值和对应分配功率每张图像i在接收端得到的重建质量SSIM为特征组数为信道增益H下图像i的效用函数真实值为同样的用惩罚因子函数f2评估效用函数真实值：
...【技术特征摘要】
1.一种车联网中基于语义重要性的图像传输调控优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，构建面向车联网的自适应信噪比的语义通信模型时，基于车辆端与边缘服务器语义通信的车联网系统模型，车联网系统模型包括已缓存各路段图像并配备训练好的语义通信模型的蜂窝基站和一辆配备了训练好的语义通信模型的智能网联汽车，车联网系统模型中通信过程如下：1)车辆驾驶员请求服务器发送视野盲区路况图像，车辆发送车辆状态信息和信道状态信息；2)边缘服务器获取车辆状态信息和信道状态信息，包括车速、车辆位置信息、需要传输的图像信息，根据信道状态信息分配功率，根据每个时隙的车辆位置，调控图像传输顺序进行语义编码，通过无线信道传输到车辆端；3)车辆将接收到的语义编码进行语义解码并恢复图像以供驾驶员查看。
3.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，构建自适应信噪比的图像语义通信模型包括：
4.根据权利要求1所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，表征语义传输速率和语义能耗包括：
5.根据权利要求4所述的车联网中基于语义重要性的图像传输调控优化方法，其特征在于，将图像在信道传输中的语义相似度考虑为接收恢复图像y...
【专利技术属性】
技术研发人员：王亮，蔡安娜，于汪洋，郝飞，刘聪，钱鹏程，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：
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。