基于对抗训练的图像语义多跳传输策略

来源：信号处理杂志 2025年第10期北京时间：

作者：杨雨佳, 王雪锦, 张娜, 刘宜明, 张治

摘要：随着无线通信与人工智能等技术的快速发展，智能无人设备在无线自组网中广泛应用于探测与数据采集任务，产生大量图像数据，对高效可靠的数据传输提出了迫切需求。在动态无线环境中，传统编码传输方案关注符号的准确传输，逐渐遭遇信息压缩与传输瓶颈，难以在有限带宽下支持海量图像数据传输。作为一种智能与通信融合的新范式，语义通信深入探索信息的语义新维度，结合联合信源信道编码方法，通过对数据进行语义层面的提取、压缩及重构等，大幅提高了传输效率。然而，由于无线自组网的节点移动性、多跳中继转发等特点，其中继节点易遭受干扰、篡改和窃听等恶意攻击，将会严重影响图像数据传输质量。现有关于图像语义传输方案的研究主要集中在通信环境友好的情况下，较少考虑恶意攻击对无线自组网中图像语义传输过程的影响。因此，针对无线自组网场景下的图像语义传输面临的抗攻击能力弱问题，本文提出了一种基于Transformer滑动窗口的语义多跳传输框架，通过自注意力机制实现多尺度语义特征高效提取，并结合联合信源信道编码方法，有效提高了端到端传输效率。针对无线自组网中恶意节点攻击问题，本文提出了一种面向语义多跳传输模型的对抗训练算法，通过建模多跳图像传输损失函数，并动态调整和优化无线各节点的语义编解码策略，有效提高了所提语义多跳传输策略的抗攻击能力及鲁棒传输能力。此外，考虑语义多跳传输系统中由于噪声干扰等导致的语义失真累积问题，设计了一个基于Transformer的去噪模块，有效缓解了多跳传输过程中由于信道噪声干扰以及恶意攻击导致的语义失真问题，进一步提升语义多跳传输的鲁棒性。仿真结果表明，在加性高斯白噪声信道条件下，所提出的语义多跳传输策略在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和多尺度结构相似性（Multi-Scale Structural Similarity Index Measure，MS-SSIM）等指标上均优于基线方法。在含有恶意攻击的加性高斯白噪声信道和瑞利信道条件下，所提出的语义多跳传输策略在图片重建质量上明显优于现有方案。

关键词：语义多跳传输, 联合信源信道编码, 恶意攻击, 对抗训练