【无线技术组无线人工智能任务组】2030_6G_推进组语义通信无线技术研究报告_20页_6mb

语义通信无线技术研究总结

核心内容

语义通信是一种基于语义共识和语义先验的通信方式，旨在提高通信效率和可靠性，特别是在有限带宽和复杂信道条件下。本研究聚焦于语义通信在无线技术中的应用，探讨了其基本架构、理论基础、关键技术及未来发展方向。

主要观点

• 语义通信的背景：随着信道容量接近香农极限，新兴应用对高效数据传输提出了更高要求，语义通信成为解决这一问题的关键技术。
• 适用场景：包括全息智能通信、自动驾驶、多模态数据传输等，这些场景中语义通信能够显著提升传输效率和可靠性。
• 语义通信的基本架构：系统框架包括语义校验与同步、语义提取、语义转换、语义编码、信道编码及逆过程。
• 理论基础：引入了语义熵、语义互信息、语义失真等指标，构建了语义通信的理论体系。
• 关键技术：包括弱耦合下的信源信道联合编码、多模态语义通信、生成式语义通信模型、非线性变换联合编码、自适应调制、对抗性加密训练等。

关键信息

语义通信的适用场景

• 全息智能通信：传输大量多维度信息，保持清晰度和低延迟。
• 自动驾驶：提高感知准确性和传输效率，仅传输与任务相关的必要信息。
• 偏远山区图像/视频通信：利用生成式语义通信模型，显著节省带宽并保持图像重建性能。

语义通信的基本架构

• 语义校验与同步：确保收发端对语义理解的一致性。
• 语义转换与编码：包括语义提取、转换、编码、信道编码及其逆过程。

语义通信理论

• 引入语义熵、语义互信息、语义失真、语义信道容量、语义率失真函数等概念。
• 利用图结构表征多模态信号，通过独立性降低编码复杂度。

关键技术与现有进展

• 弱耦合下的信源信道联合编码：通过分离训练方式，微调各模块参数，达到与端到端训练相同的通信效果。
• 信道自适应设计：采用基于注意力机制的AF模块，提升系统对时变信道的适应能力。
• 多模态目标语义通信技术：引入多模态语义分析，实现高效传输，提升视频压缩量达90%以上。
• 非线性变换联合编码：引入变换编码、语义变分熵建模等新机制，提升传输性能，NTSCC系统性能优于传统方案。
• 自适应调制：根据信道条件和语义信息重要性，优化传输策略，提升系统性能。
• 基于卡尔曼滤波的端到端空口设计：通过卡尔曼滤波方法进行参数估计和训练，提升传输可靠性。
• 链路层技术：包括SCHARQ方案、动态数据环境下的语义通信系统、资源分配算法、自适应速率控制等。
• 安全机制：采用对抗性加密训练方案，通过重构误差交替更新网络参数，提升隐私保护能力。

性能提升

• 图像传输：在不同信道条件下，重构图像的PSNR提升0.11-0.57 dB。
• 语音传输：错误率减少10%，信息量减少50%，WER降低10%。
• 点云分类：在低信噪比下（6 dB）分类准确率提升50%，在高信噪比下（>10 dB）准确率超过89%。

总结与展望

语义通信在无线通信中展现出强大的信息表达能力和环境适应性，能够实现任务驱动的高效通信。然而，仍存在以下未解决的问题：

• 如何实现低复杂度语义通信。
• 如何设计通用语义解释和传输方案，适用于多种传输任务和数据模态。
• 如何设计更加强大和创新的安全机制。

未来，语义通信的发展需在技术创新、标准制定和应用推广等方面加强合作，以推动其走向成熟和广泛应用阶段。

主要贡献单位

浙江大学、中山大学、北京邮电大学、华为技术有限公司、中南大学、中兴通讯股份有限公司、北京交通大学、东南大学、上海交通大学