面向语义感知通信网络的多维资源优化

语义通信的目的在于传输信源数据中的语义信息，通过语义提取和压缩可大幅减少网络中需要传输的数据量，降低带宽消耗和传输时延，同时在提高传输可靠性上展现出了巨大潜力。传统通信中资源分配方案都是以优化比特传输速率而设计的，并不适用于聚焦语义信息传输的语义通信网络。为利用语义通信系统优势，需要从语义层面考虑资源分配方案的设计，以进一步提高信息传输效率。首先梳理并总结了目前语义感知通信网络中资源分配技术的研究进展，然后通过分析语义感知资源分配面临的挑战，提出了一种基于任务卸载的多维资源联合优化架构，最后以面向文本的语义任务为例，给出了两种语义感知资源分配方案，通过仿真证明了方案的有效性。     

面向6G网络的基于语义通信的端到端服务框架

未来的6G网络需支持更高的通信效率和高效的智能连接。基于AI的语义通信以传递用户意图及语义信息为目标，有望成为6G网络“内生智能”架构的技术支撑。然而，现有的语义通信框架忽略所提取的语义特征中的冗余信息。为研究高效的语义通信，提出基于语义通信的端到端服务框架，该框架将语义通信与AI的语义分析能力深度融合，可对语义特征进一步压缩后再传输，并保证AI服务质量。仿真分析表明，相比传统通信方案，所提方案在目标检测任务和图像重建均取得更优的性能，且取得与全语义特征传输方案相近的性能。     

基于依存句法分析的分层语义通信系统

语义通信是一种全新的通信范式,可以从语义级别提高通信的可靠性,解决通信带宽与频谱资源受限的问题。针对语义通信中语义重要性划分这一问题,本文提出了一种基于依存句法分析的分层语义通信系统。首先,为了获取传输语句内部的依存句法关系,本文设计了一种基于图解码的依存句法分析模型,用于提取传输语句对应的依存句法树。其次,本文根据提取到的依存句法树提出了一种语义分层方法,并根据信道质量对不同层级的语义信息进行选择传输,从而保证关键语义的准确传递。此外,本文还引入了ERNIE语言模型,结合依存句法关系提高接收端的语义恢复能力。仿真结果表明：本文提出的语义分层方法可以有效提取传输语句的关键语义信息。与传统通信系统相比,本文所提系统显著提升了在低信噪比下的通信可靠性。     

基于感算通融合的语义认知通信网络

语义通信作为一种旨在传递用户意图和语义信息的全新通信范式，有望成为6G时代构建万物智联网络的创新性解决方案。然而，在实际的部署中，由于语义的多意性、个性化和异构性等特点，语义认知、解析和通信等方面仍面临着业务类型多样且异构、用户性格与习惯各异和需求随机等难题。为此，提出了一种基于感算通融合的语义认知通信网络，旨在通过语义感知、计算和通信多功能的深度融合、协作互惠，实现高效可靠的语义信息传输。初步试验结果显示，相比于传统通信网络，本文所提方案有望在提升网络语义通信效率的同时，还大幅降低了系统的资源占用率。     

面向任务的语义通信

语义通信是一种超越比特传输的通信范式，可使无线网络更智能和可持续。首先，本文简述了语义通信的基本构成以及常用的性能度量；然后，依据接收端任务是否可为发射端已知，将语义通信分为面向特定任务和面向广义任务两类，现有语义通信工作以面向特定任务为主；接着，通过仿真表明现有语义通信工作无法有效处理广义任务；最后，探讨了语义通信的潜在问题和未来工作方向。     

智简语义通信的链路设计及关键技术研究

智简语义通信是一种模型驱动的语义通信新范式，融合了人工智能与通信技术，实现通信对象间高效的语义交互。提出了智简语义通信系统的链路结构和关键技术，从链路结构、语义模型增强、模型传输3个角度，实现语义通信系统的整体性能增强。提出了4种智简语义通信的关键技术，为未来6G赋能多种垂直行业和新场景应用提供了参考：语义知识图谱增强的智简通信技术通过增加语义知识这一信息维度，提升了语义知识恢复准确度和传输效率；语义知识图谱的云-边-端协同预缓存技术可以实现语义知识图谱的高效获取，辅助语义恢复性能；模型传输与部署技术可以实现模型、网络资源与终端能力的有效适配；语义模型传输与恢复级联过程的部署成功率为大规模语义模型传输及资源部署提供理论依据。     

基于深度学习的语义通信系统

语义通信利用传输内容的语义信息进行编码,可以去除冗余数据,减少传输数据量,满足6G时代的智能通信需求.探究一种以文本为传输内容的语义通信系统,利用深度学习模型进行语义挖掘与特征提取,加入信道编解码层、信道层与量化层,构建端到端的深度神经网络.仿真结果表明,与传统的通信编解码方式相比,所提模型在传输时所需的数据量更少,传...     

基于AI辅助的可扩展视频语义通信系统

语义通信作为一种面向多智能体交互的新型通信范式，对未来通信实现高效传输提供了新的解决方法。由此，提出了一个AI辅助的可扩展视频语义通信系统。该系统能够基于现有的信源信道分离编码方案（如传统的高效视频编码HEVC与低密度奇偶校验编码LDPC），与AI辅助的可学习语义编解码器相结合，实现视频流与语义流的共同传输。其中可学习的语义数据流是视频帧中针对特定任务提取的语义信息，能够较好地提升接收端精确重建与下游任务的性能。实验证明，该视频语义通信框架相较于传统通信，在重建任务性能相差无几的情况下具有更好的下游任务表现；而相较于现有的端到端的基于深度学习的语义通信系统，性能相近的同时能够基于多种传统视频编解码标准进行扩展设计，具有与传统压缩方案更强的耦合性与适应更多场景的能力。     

基于深度学习的图像语义通信系统

语义通信是一种新颖的通信方式，可通过传输数据的语义信息提高带宽效率。提出一种用于无线图像传输的系统。该系统基于深度学习技术开发并以端到端（E2E）的方式进行训练。利用深度学习实现语义特征的提取和重建，在发送端提取信源信息不同类型和不同形式的语义特征，在接收端融合各类型语义特征进行目标语义恢复。仿真结果表明，与基准模型相比，所提模型在信道环境恶劣的情况下，具有更好的重建精度。     

语音信源的语义编码传输方法研究

作为一种新兴的通信范式，语义通信在有效提升端到端传输性能方面展现出巨大的潜力。语音信源的语义编码传输研究方法分为两大类：基于信号波形的语音语义编码传输和生成式语音语义编码传输。在基于信号波形的语音语义编码传输中，现有方案的语义信息无法度量，编码效率低。基于非线性变换的语音语义信源编码方案通过对语音的语义特征进行变分建模，有效衡量语义特征内容复杂度，并引入信源信道联合编码，使语义编码传输更加高效可靠。针对生成式语音语义编码传输方法，分析了其优势、挑战，以及研究前景。     

基于CSI反馈的语义图像传输

语义通信通过构建传输背景知识库、感知传输内容，大大节省传输带宽，提升传输质量。该方面的研究逐步与无线通信物理层融合，从而构建完整的语义传输系统，但现存的端到端语义编码设计无法感知不断变化的无线信道。提出了基于信道状态信息反馈的图像语义分割编码（SS-CSI）方案，根据不同子信道上的信噪比（SNR）对传输的关键特征信息进行分割和编码，并根据实际分类任务需求保护相关语义特征。仿真测试表明，SS-CSI根据实际信道环境，在低SNR下大幅提升了物体传输质量和分类性能，在高信噪比上则进一步传输更多背景信息，提升了整体的图像均方误差性能。     

基于语义重要度的不等错误保护数据传输机制

语义通信是一种智能、简约的通信新范式。从系统组成和理论基础两方面，对语义通信和传统通信进行对比，指出其关键区别在于背景知识的引入。将基于信源信道联合设计的语义通信（JSCC-SC）分为面向数据重建和面向任务执行两类，并对其网络架构进行比较。提出一种信源信道分离设计的语义通信系统。该系统通过训练好的神经网络识别数据的语义重要度，并基于语义重要度构造不等错误保护（UEP）传输机制。通过仿真实验证明了其能够提升重要数据的传输可靠性，即降低重要数据传输的误码率，在保持复杂性的同时，进一步提升无线通信的可靠性与有效性。     

基于信息论的语义通信：理论与挑战

对语义通信的发展历史与最新研究进行了概述，并基于经典香农信息论探寻了语义通信的数学建模。详细介绍了语义感知的信源信道联合编码模型及其渐进性能分析，具体包括速率失真区域、错误概率的内外界等，指出了该模型的退化情况与现有工程框架的关系。探讨了语义通信在实际应用中存在的潜在挑战与开放性问题。认为语义通信作为将用户需求与信息含义融入通信传输的全新架构，有望成为未来万物智联网络的新型基础范式。     

面向智能任务的语义通信：理论、技术和挑战

未来机-机、人-机万物智能互联对传统通信方式提出了挑战,提取信源语义信息进行传输的语义通信方法为6G提供了新的解决方法。首先,综述了语义通信的发展历程和研究现状,分析了语义通信目前面临的两大瓶颈问题,提出了面向智能任务的语义通信架构,给出了面向智能任务的语义信息熵和语义信道容量的度量方法;其次,针对不同的智能任务,分别提出了语义编码和语义联合信源信道编码方案;再次,搭建了语义通信平台,对所提方法进行实验验证;最后,对语义通信未来的挑战和开放性问题进行了总结。语义通信方法相较于传统通信方法可以大大降低传输数据量和传输时延,将在未来万物智联的通信中发挥重要作用。     

面向机器识别-人类感知的联合振动触觉编码

为了精确地传输信号内容含义，实现智能识别与信号重建，针对振动触觉信号，提出了一种面向机器识别-人类感知的联合编码方案。在编码端，将三维振动信号转化为一维信号，采用短时傅里叶变换提取信号的语义信息，并实现语义信息高效压缩与表征。在解码端，基于语义信息采用全卷积神经网络实现触觉的智能识别；同时，将原始信号与基于语义信息的重构信号的残差值作为语义信息的补偿，逐步提高重构信号的质量，满足人类感知需求。实验结果表明，所提方案用较低比特率的语义信息实现触觉识别，同时在满足人类感知需求情况下，触觉数据的压缩效率有所提高。     

面向语义通信的量化-重构器设计

语义通信作为6G移动通信的一项重要候选技术，拓展了经典信息理论的研究范式，为信息传输技术的突破提供了新的思路。目前，关于语义信息度量与语义通信系统设计的优化指标分析仍是开放问题。基于语义信息传输的结构化模型，讨论了信源的语义特征表示和语义失真度量问题，并以高斯信源为例探究了编译码器（量化-重构器）的设计准则。仿真结果表明，与传统的基于最小化信源比特的重构均方误差准则设计的量化-重构器相比，针对信源的语义失真度量设计量化-重构器更契合语义通信的需求。     

语义信道编译码器模糊匹配场景下的发端设计

从香农经典信息论到语义通信，信息传递模式由“比特传输”逐渐向“语义传输”转变。传统通信中，码本作为编译码器的共同语言，可以保证通信的无歧义传输。然而，语义编译码器可能无法实现精准匹配，进而导致无法利用经典信息论来解决语义通信问题。首先，提出了语义信道编译码器模糊匹配时的通信系统，其中语义信道译码器固定，只能通过单方面设计语义信道编码方式来降低语义信息被错误接收的概率。然后，特别考虑了一个简单的语义通信系统，其中语义信道为一个语义对称信道。受语义译码器的性能约束，语义编码器只能通过重复发送语义符号来降低语义信息被错误译码的概率。最后，给出语义信息的平均译码错误概率与传输次数之间的关系。     

语义通信性能评估体系及指标

鉴于语义通信系统缺乏统一的、具泛化价值的性能评估体系，对现有研究中评估方法的使用情况与不足进行分析，并提出语义通信效率指标Esc和语义通信效用指标Usc。其中，指标Esc用于衡量通信系统在给定通信资源下单位时间开销内的任务完成准确性，指标Usc用于衡量通信系统在给定通信资源下与任务性能上限的接近程度。与现有评估指标相比，这两种指标具有更好的泛用性，可为不同任务场景、模态信息下的语义通信模型横向性能对比提供指导。此外，以语义图像重建与语音重建任务为例，分别搭建端到端语义通信仿真模型，并基于所提Esc与Usc指标对仿真模型性能进行评估。     

可扩展分层次编译码的语义通信系统

针对目前文本语义通信大部分研究主要依靠仿真系统进行理论验证的问题，利用分层次编译码架构在语义层次和语法层次上的分离性，提出了一种可扩展分层次的语义通信系统。该系统通过语义和语法层次相分离的模式有效兼容香农信息框架下的可靠通信技术，实现语义通信与传统通信的嵌套结合。进一步，基于软件无线电平台搭建了一个通用可扩展的验证系统，对所提语义通信系统架构进行实用化验证。该验证系统以语义通信软件平台作为硬件驱动和算法调用的驱动核心，集成了信号产生、信息发送、接收端数据采集、译码和评估的全过程，并且能够面向语义和语法层次进一步扩展。最后，基于该验证系统进行了文本语义通信的测试，验证了其相较于传统通信方式具有更高的有效性和可靠性。     

语义信息论的回顾与展望

近年来，语义通信受到业界的广泛关注，但一套完整且有效的语义信息论框架仍未完全建立。将语义信息论分为语义熵、语义率失真、语义信道容量3个部分，分别探讨语义信息的度量问题、语义编码与失真问题、最大语义通信量问题。同时，从信息理论角度出发，系统回顾和梳理了语义信息论的相关发展，对未来语义信息论发展中可能存在的开放性问题进行了讨论。认为目前语义通信的发展处于初级阶段，仍然有很多问题尚未解决。