在使用神经架构搜索神经架构的受功率限制的水下可见光通信系统中,强大而高效的图像传输
Qiujun Jin1, Bohua Deng1, H Y Fu1
1Institute of Data and Information, Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China.
Scientific reports
|December 18, 2025
概括
这项研究引入了一种新的神经网络方法,用于在水下可见光通信 (UVLC) 系统中进行图像压缩和重建. 该技术提高了传输效率和对水下通道扭曲的稳定性.
科学领域:
- 水下可见光通信 (UVLC) 是指水下可见光通信.
- 图像处理和传输 图像处理和传输
- 对于通信系统的机器学习.
背景情况:
- 水下可见光通信 (UVLC) 提供了高速和高容量,但面临着电力限制和信号扭曲等挑战.
- 由于复杂的水下环境,现有的UVLC系统难以有效和稳健地传输图像.
研究的目的:
- 为UVLC系统提出一种新的图像压缩和重建解决方案.
- 为了同时优化编码复杂性和图像重建质量.
- 为了提高UVLC图像传输的效率和稳定性.
主要方法:
- 使用神经架构搜索 (NAS) 机制,共同优化编码复杂性和图像重建质量.
- 开发了一种针对UVLC挑战的新型图像压缩和重建算法.
- 在UVLC系统上进行实验验证.
主要成果:
- 拟议的方案显著提高了传输效率.
- 与现有方法相比,算法复杂性大大降低.
- 该解决方案证明了对水下通道扭曲的稳定性,即使在高位错误率 (BER ≈ 1.58 × 10−2) 下,也保持了高图像质量 (PSNR > 20 dB,SSIM > 0.67).
结论:
- 开发的基于NAS的方法有效地解决了UVLC系统中图像传输的挑战.
- 拟议的方法为水下图像传输提供了强大而高效的解决方案.
- 这项工作有助于提高UVLC应用的性能和可靠性.
