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。     

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。     

信源信道联合的新范式：语义通信

从信源信道联合处理的角度，总结了编码传输技术的发展历程，进而引入基于非线性处理的语义通信编码传输新技术框架。该框架采用“非线性变换”和“非线性编码”两个新机制，可有效提取信源的语义特征，并与信道传输实现精准匹配，从而显著提升系统传输效率，实现通信传输从经典技术层到现代语义层的突破。     

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。     

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。     

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。     

面向语义信息直传的通信架构

随着聚焦提升带宽和频谱效率的传统通信发展模式渐入瓶颈，越来越多的研究将智能通信的目标从语法层转向语义层，通过感知并传输语义而非完整信号来节省带宽资源。信宿端智能体只需接收可理解语义中有信息部分即可。若能在信源端从语义角度中甄别出对信宿端有信息的部分加以传输，将进一步降低带宽资源和信宿端语义信息处理的时间和功耗。为此，首先探讨了智能体的语义信息处理和理解的过程，并将信宿从信息中感知到的语义划分为冗余语义、难以理解语义（暗语义）和有信息的语义（语信）；接着，提出了面向传输语义中有信息的部分的通信范式——语信通信，并将通信范式划分为语法、语义、语信、语用四层；最后，通过仿真实验验证了语信通信的可行性和有效性。这为下一代通信范式的发展提供了新思路和技术牵引。     

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AI的端到端语义编码传输方案设计

面向6G多样化场景下对高性能和低复杂度的传输需求,通过将AI架构引入无线传输收发方案的联合优化,打破基于模块化物理层设计方法和传统信息论的局限,一种基于AI的端到端语义编码传输方案被提出。首先,为了克服未知衰落信道下无法通过反向传播联合训练发射机的问题,设计了一种基于CGAN的两子网架构及分阶段训练方法,有效消除衰落信道的影响。其次,进一步提出了语义信道联合编码的系统架构,在端到端的联合优化方面具有优势。仿真结果表明,所提方案通过对语义编码和传输的联合优化提升了系统性能,并适用于实际通信中信道未知场景,具备灵活性、智能性和高效性。     

面向6G的语义通信

6G移动通信的高可靠、高频谱效率传输需求对于经典信息论指导下的传统通信技术构成了挑战,提取信源语义特征进行编码传输的语义通信技术,为6G移动通信提供了新型解决方案.首先简述了语义信息论基本观点,探讨了语义信息的度量——语义熵,然后提出了语义通信的系统框架,针对文本与图像信源,分别设计了语义编码方案,并与传统编码方案进行...     

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。     

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6G的深度图像语义通信模型

目前的语义通信模型在处理图像数据方面仍有可改善的部分，包括有效的图像语义编解码、高效的语义模型训练和精准的图像语义评估。为此，提出了一种深度图像语义通信（DeepISC）模型。首先采用基于vision transformer的自编码器（ViTA）网络实现高质量的图像语义编解码；接着采用自编码器实现信道编解码，保证语义在信道上的传输；然后利用判别器网络（DSN）和ViTA的双网络架构协同训练，提高重建图像的语义精度；最后针对不同的下游视觉任务提出不同的图像语义评估指标。仿真结果表明，相较于其他方案，DeepISC可以更有效地还原传输图像的语义特征，使重建图像在各个下游任务中都展现出与原图像相同或相近的语义结果。     

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...     

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。     

高效融合全局和局部上下文特征的语义通信系统

采用基于深度学习的端到端一体化设计方法,提出了一种基于扩展上下文语义特征的通信系统。区别于已有研究中只关注局部上下文而忽视全局上下文的问题,所提系统有机地融合了局部和全局上下文知识,利用扩展上下文知识进行语义编码和语义译码,提升了语义通信系统的可靠性。在发送端,采用基于扩展上下文的语义编码,实现高效的语义表征。在接收端,结合历史通信文本挖掘机制、上下文语义特征学习机制和基于启发式图搜索的译码策略,提升语义推理的准确性。与现有语义通信系统仿真对比结果表明,相较于传统通信系统和现有语义通信系统,所提系统在低信噪比下显著提升了通信系统的可靠性。     

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。     

基于联邦学习的多用户语义通信系统部署方法

语义通信是一种有发展潜力的新型通信技术,通过挖掘信源中的语义信息从而减少传输所需要的数据量。语义通信通常采用深度学习的方式建立编解码模型,在收发端共享模型参数的前提下实现端到端的数据传输,但在实际场景中,由于多用户的存在,端到端的传输具有局限性,语义通信系统的部署有更多需要考虑的问题。为了使语义通信能应用于多用户的场景,本文提出了语义通信系统模型的联邦学习部署方式,利用用户端的数据对深度学习模型进行更为有效的训练。从而在不直接使用用户数据的前提下,使模型学习到用户数据的特征,实现了多用户场景下语义通信系统的部署。仿真结果表明,通过联邦学习训练得到的模型可以达到接近于集中训练的效果,并且保护了用户隐私。     

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。