工业网络中用于语义通信的异构网关规划

《IEEE Transactions on Cognitive Communications and Networking》：Heterogeneous Gateway Planning for Semantic Communication in Industrial Networks

语义通信在工业物联网中的网关规划研究，提出异构架构和SSIM模型分析SNR/压缩比，构建NP难问题模型并设计贪婪算法与深度Q网络混合算法，实验证明H-DQN最优，减少50%操作时间，吞吐量提升30%。

　　

摘要：

语义通信（SemCom）已成为一种有前景的方法，它传输信息熵而非原始数据，从而提高了传输效率和系统的鲁棒性。近年来，语义通信在物联网（IoT）研究领域受到了更多关注。以往的研究主要集中在为物联网应用开发新的语义通信框架或轻量级的语义通信模型，这些模型可以方便地部署在物联网终端设备上。然而，语义通信在工业网络中的应用仍有待探索。在本文中，我们重点关注工业网络中语义通信的网关规划问题。为了满足工业网络中不同节点的需求，我们构建了一种异构的网关规划架构。接着，引入了语义通信中的结构相似性指数测量（SSIM）模型来说明信噪比（SNR）和压缩比。基于此模型，我们建立了SSIM与网关数量之间的关系，以分析问题。为了用最少的网关覆盖各种异构节点并满足语义通信的传输要求，我们将问题建模为一个NP难问题，并对其进行简化以找到解决方案。我们设计了基于贪婪算法（GBA）和启发式深度Q网络（H-DQN）来求解该问题，并通过仿真比较了H-DQN、Q学习算法、GBA以及分支定界（BB）算法的性能。实验结果表明，H-DQN算法表现最佳，它部署的网关数量更少，且操作时间节省了50%以上。此外，我们系统的吞吐量比使用较少网关的单覆盖系统高出1.3倍。

引言

如今，物联网（IoT）在各个领域都取得了蓬勃发展，包括智慧城市、智能家居和工业制造。物联网通过促进各种工业传感器、节点和网关之间的连接，实现了智能制造。例如，在产品生产、运输和零售过程中，许多射频识别（RFID）标签被贴在包装盒上[1]。大量的快递车和自动驾驶飞行器在仓库的街道上来回穿梭[2]，优化路线并精确定位目标产品。仓库的每个角落都安装了摄像头，形成了智能安全系统，用于追踪包装盒、机器人和员工。由于这些需求和系统架构，大量的智能传感器和节点构成了一个庞大且异构的、碎片化的物联网工业网络。