⚡ electrical engineering

Diffusion-OAMP for Joint Image Compression and Wireless Transmission

本文提出了一种无需训练的 Diffusion-OAMP 框架，该框架将预训练扩散模型集成到 OAMP 算法中，通过利用生成先验进行重建，有效解决了图像压缩与无线传输的联合问题。

原作者： Wentao Hou, Yimin Bai, Zelei Luo, Jiadong Hong, Lei Liu

发布于 2026-05-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Wentao Hou, Yimin Bai, Zelei Luo, Jiadong Hong, Lei Liu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图在一个非常嘈杂、拥挤的房间里，向朋友发送一张高清照片。你想把照片的细节喊给房间另一头的人听，但房间里充满了静电干扰，而且你每次只能低声说几个词。这就是这篇论文要解决的真实世界问题：如何压缩图像，通过无线连接发送，并在信号混乱的情况下将其完美清晰地还原。

以下是作者如何解决这一问题的简单解释：

1. 问题：破碎的拼图

通常，当我们发送图像时，会先压缩（缩小）它们，然后再发送。如果无线信号不好（就像老式收音机里的静电干扰），传回来的图像就会变得模糊或失真。

旧方法： 工程师过去常利用简单的数学规则来猜测拼图缺失的部分（例如“这部分可能是蓝色的，因为天空是蓝色的”）。但这些规则对于复杂的人脸或风景照片来说过于简单。
新方法： 作者意识到，如果我们能教会计算机“梦想”出一张完美人脸的样子，它就能更好地帮助填补缺失的拼图碎片。

2. 解决方案："Diffusion-OAMP"

这篇论文介绍了一个名为 Diffusion-OAMP 的新系统。可以将这个系统想象成一个两人团队，共同协作修复破损的图像：

团队成员 A（线性估计器）： 他是“数学专家”。他观察嘈杂的信号并依据无线信道的已知规则。他说：“根据噪声，图像可能看起来像这样一张粗略的草图。”他擅长处理传输的数学计算，但不擅长让图像看起来逼真。
团队成员 B（扩散模型）： 他是“艺术专家”。这是一个预训练的人工智能，已经看过数百万张照片。它确切地知道一张人脸、一棵树或一座建筑应该是什么样子。它不需要重新训练；它只需将其知识带入讨论即可。

3. 他们如何协作（这场“舞蹈”）

魔力发生在他们彼此交流的方式上。论文描述了一个反复进行的循环：

初稿： “数学专家”接收嘈杂的信号并做出粗略猜测。
翻译： 他将这个猜测转换成“艺术专家”能理解的格式。
清理： “艺术专家”查看初稿并说：“好吧，这看起来像张脸，但鼻子很奇怪。让我根据我对人脸的了解来修复它。”它清理图像，去除静电干扰并填补缺失的细节。
反馈： “艺术专家”将清理后的版本发回给“数学专家”。
检查： “数学专家”将这个新版本与原始嘈杂信号进行比对，以确保他们没有过度改变图像。如果看起来不错，他们就保留它；否则，他们进行调整并再次尝试。

他们重复这种“舞蹈”几次（通常只需 3 次！），直到图像变得晶莹剔透。

4. 秘诀："SNR 匹配”

论文中的一个巧妙之处在于他们如何决定在每一步“艺术专家”需要多少帮助。

想象“艺术专家”是一位雕塑家。如果粘土非常泥泞（高噪声），雕塑家需要做大量的重活。如果粘土几乎干净（低噪声），雕塑家只需要做一点抛光工作。
该系统自动测量当前猜测有多“泥泞”，并告诉 AI 确切需要多少“去噪”量。这确保了 AI 不会仅仅因为过于努力而意外发明虚假特征（例如在一张脸上添加第三只眼睛）。

5. 结果

作者在 CelebA 名人面部数据集的各种条件下测试了该方法：

重度压缩： 发送极少量的数据。
恶劣信道： 模拟非常嘈杂的无线环境（如繁忙的城市街道）。

研究结果表明：

质量更优： 与旧方法（如 OAMP+BM3D 或 DDRM）相比，他们的方法生成了更清晰、更逼真的人脸。
鲁棒性： 即使信号极差或图像被重度压缩，他们的系统也不会崩溃；它保持了重要细节（如面部特征）的完整性。
速度： 系统收敛（完成任务）非常快，通常只需 3 轮“舞蹈”。

总结

简而言之，这篇论文提出了一种智能接收器，它不仅仅试图从数学上逆转噪声。相反，它利用一个预训练的 AI 艺术家以逼真的方式“幻觉”出缺失的细节，同时由一个数学守卫确保这些幻觉与原始信号保持一致。其结果是，即使在连接糟糕的情况下，也能通过无线网络发送更清晰、更可靠的图像。

以下是论文《Diffusion-OAMP 用于联合图像压缩与无线传输》的详细技术总结。

1. 问题陈述

本文解决了**联合图像压缩与无线传输（JCWT）**的挑战。与通用图像恢复不同，JCWT 涉及从接收信号（ $y$ ）中恢复源图像（ $s$ ），该信号经历了两个不同的线性变换：

压缩与调制：源图像通过算子 $F$ 被压缩并调制为传输信号（ $x$ ）。
无线传输：信号经过无线信道（ $A$ ），并受到加性高斯白噪声（AWGN， $n$ ）的污染。

该系统被建模为一个线性逆问题：
$y = A(Fs) + n = Ax + n$
其中 $A$ 代表信道矩阵， $F$ 代表联合压缩/调制算子。

关键挑战：

病态性：组合算子 $AF$ 通常导致系统严重病态，特别是在衰落信道（例如 3GPP TDL-A）和低压缩比的情况下。
先验失配：传统的恢复算法（如正交近似消息传递 OAMP）依赖于解析先验（如伯努利 - 高斯分布）或手工设计的去噪器（如 BM3D）。这些方法无法捕捉自然图像复杂的高维分布，导致当假设先验与真实图像分布失配时，性能次优。

2. 方法论：Diffusion-OAMP

作者提出了Diffusion-OAMP，这是一个无需训练的重建框架，将预训练的生成式扩散模型集成到 OAMP 算法中。核心思想是利用扩散模型作为 OAMP 迭代循环中的强大非线性估计器（NLE）。

A. 系统架构

该框架在传输域（ $x$ ）中运行，但利用源域（ $s$ ）来获取生成先验：

线性估计器（LE）：LMMSE 估计器处理含噪观测值 $y$ ，生成 $x$ 的后验估计。
正交化：对输出进行正交化，以解耦线性估计器与非线性估计器，生成“外生”伪观测值。
逆随机复用（RM）：利用压缩算子的逆（ $F^{-1}$ ），将估计值从传输域映射回源图像域（ $s$ ）。
信噪比匹配：算法计算当前估计的有效噪声方差，并将其映射到特定的扩散时间步（ $t^*$ ）。这确保扩散模型在当前迭代的不确定性对应的正确噪声水平下运行。
非线性估计器（NLE）：预训练的扩散模型（DDIM或Flow Matching）充当去噪器，将含噪图像估计投影到学习到的数据流形上。
MMSE 校正：去噪后的图像被重新调制（ $F$ ），并通过 Stein 无偏风险估计器（SURE）执行校正步骤，以更新下一次 OAMP 迭代的先验，确保正交性。

B. 关键技术组件

随机复用（RM）：压缩算子 $F$ 结合了随机符号矩阵、DCT 矩阵、置换矩阵和行选择器。这种设计确保了等效信道矩阵是右酉不变的，这是 OAMP 状态演化分析的要求。
信噪比匹配规则：扩散时间步 $t^*$ $t^{*}$ 根据 OAMP 误差方差（ $v_{post}^{orth}$ $v_{p os t}^{or t h}$ ）动态选择：
- 对于Flow Matching： $t^* = \frac{1}{1 + \sqrt{v_{post}^{orth}}}$
- 对于DDIM： $t^* = \frac{1}{1 + v_{post}^{orth}}$
- 随着迭代进行且误差方差减小， $t^*$ 向扩散轨迹的“干净”端移动。
无需训练：该框架不需要重新训练扩散模型；它利用现有的预训练模型（例如在 CelebA 上训练的模型）作为即插即用组件。

3. 主要贡献

新颖框架：提出了Diffusion-OAMP，这是首个将扩散模型专门嵌入 OAMP 算法以解决图像压缩与无线传输联合任务的框架。
先验灵活性：该方法兼容多种生成先验。作者使用DDIM（去噪扩散隐式模型）和Flow Matching对其进行了实例化，展示了其通用性。
信噪比匹配机制：提出了一种新颖规则，将 OAMP 算法的内部噪声方差与扩散模型的噪声调度对齐，从而无需微调即可实现无缝集成。
对信道失真的鲁棒性：该框架有效处理了由现实无线衰落信道（3GPP TDL-A）引起的病态问题，而传统方法在此类情况下往往失效。

4. 实验结果

作者在CelebA 数据集（256x256）上评估了该框架，测试了不同的压缩比（ $\beta \in \{0.1, 0.4, 0.7\}$ ）和噪声水平（ $\sigma \in \{0.05, 0.5\}$ ）。

纯图像压缩（AWGN）：
- Diffusion-OAMP (DDIM) 实现了最高的PSNR，特别是在高噪声区域（ $\sigma=0.5$ ），优于 OAMP+BM3D 和 DDRM。
- Flow Matching在某些情况下表现出更优越的SSIM（结构相似性），且收敛更快（在约 6 次 NFE 内达到接近最优的 PSNR）。
联合压缩与无线传输（衰落信道）：
- 在现实的 3GPP TDL-A 衰落信道中，观测矩阵变得严重病态。
- Diffusion-OAMP 保持了稳定的重建，显著优于基线方法。例如，在低压缩（ $\beta=0.1$ ）和高噪声（ $\sigma=0.5$ ）条件下，Diffusion-OAMP (DDIM) 实现了21.95 dB PSNR，而 OAMP+BM3D 降至16.20 dB。
- 视觉结果显示，该方法在保留面部细节和身份特征方面表现优异，避免了基线方法中出现的模糊和伪影。
收敛性：
- 该算法收敛迅速，在所有测试场景中均在3 次 OAMP 迭代内稳定。

5. 意义

连接生成式 AI 与通信：这项工作展示了大规模生成模型（Diffusion/Flow Matching）在物理层通信中的实际应用，超越了简单的图像恢复，深入到复杂的联合信源信道编码问题。
处理病态问题：通过使用学习到的生成先验，该框架比手工设计的先验更有效地正则化逆问题，使其对严重的信道失真和低带宽约束具有鲁棒性。
效率：该方法的“无需训练”特性意味着它可以利用现有的、最先进的生成模型，而无需为特定信道条件重新训练它们所带来的计算成本。
未来方向：它为“语义通信”或“基于深度学习的物理层”设计开辟了新途径，其中先进的生成模型将作为下一代智能通信系统的核心接收机逻辑。