IMT-2030_6G_推进组语义通信无线技术研究报告-6G推进组_20页_6mb

报告摘要

IMT-2030(6G)推进组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，旨在提升通信效率和可靠性，特别是在有限带宽和高噪声环境下。其核心在于理解通信双方的语义意图，实现目标驱动的信息传输，减少冗余信息，提高信息传输的智能化水平。

主要观点

语义通信的背景和适用场景
- 通信系统的信道容量即将达到香农极限，新兴应用需要在有限带宽上传输更多数据。
- 语义通信适用于全息智能通信、自动驾驶、多模态数据传输、点云分类等场景，能够显著提高传输效率和可靠性。
- 在信号覆盖较差的区域，生成式语义通信模型可节省带宽并保持较好的图像重建性能。
语义通信基本架构
- 语义通信系统包括两个阶段：语义校验与同步、基于语义转换的通信过程。
- 通信过程包含语义提取、语义转换、语义编码、信道编码及其逆过程。
- 语义信息的度量指标包括语义熵、语义互信息、语义失真、语义信道容量和语义率失真函数。
语义通信理论
- 语义感知的联合信源信道编码（JSCC）相比分离信源信道编码（SSCC）具有更快的超失真概率下降速度和更短的编码块长。
- 面向任务的信号量化理论强调量化噪声对任务目标的影响，提出基于任务目标的量化胞腔密度设计。
- 基于图结构的语义表征模型可用于多模态信号（文本、语音、图像、视频）的压缩与传输，通过图节点表示对象、属性和关系。
语义通信关键技术与现有进展
- 弱耦合信源信道联合编码技术：通过微调各模块参数，实现与端到端联合训练相近的通信效果。
- 信道自适应设计：提出基于注意力机制的AF模块，提升系统在不同信道条件下的自适应能力。
- 基于CSI反馈的联合信源信道编码：通过深度学习框架实现CSI的压缩反馈，显著提升传输性能。
- 多级语义信息辅助的图像无线传输系统：通过多级语义特征提取和联合编码，实现高压缩率和高图像重建质量。
- 非线性变换信源信道联合编码：引入变换编码和语义变分熵建模，提升传输性能。
- 基于卡尔曼滤波的端到端空口设计：通过卡尔曼滤波实现参数估计和训练，提升语义信息传输的可靠性。
- 对抗性加密训练方案：利用对抗训练方式，提升语义通信系统的隐私保护能力，防止窃听者正确解码原始信息。
- 动态数据环境下的语义通信系统：通过数据自适应转化，保持语义信息不变，实现风格变化下的高效传输。
- 资源分配算法：优化联合信源信道编码系统的容量，最大化支持的用户数。
- 自适应速率控制：根据语义信息的熵和信道条件，动态调整传输速率，实现高效通信。