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。     

面向工业网络的语义通信关键技术

随着工业互联网的发展,越来越多的工业设备被接入网络,基于传统通信技术的工业网络已经难以匹配工业互联网的通信需求。语义通信技术为工业网络的性能提升提供了新的解决方案。首先简要介绍了语义通信的基本知识,分析了语义通信技术在工业网络中的优势,给出了几个典型的应用场景。然后详细介绍了几种面向工业网络的语义通信关键技术,并对其中最具潜力的可扩展语义编码技术的实现方式进行了探讨。最后对语义通信及工业网络发展的做出了展望。     

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。     

基于语义通信的低比特率图像语义编码方法

近年来森林火灾给环境与人类带来巨大的损失,传统基于卫星、无人机技术的探测手段效率低且成本高,而布置在山区等偏远地区的大规模传感器网络因性能受限,难以负载大数据量业务,尤其是图片等可以清楚提供现场周围环境变化的有效信息。针对以上问题,本文将基于深度学习与语义通信技术,提出一种图像语义编码方法,对火灾中传感器拍摄到的图片所包含的语义进行提取、编码、传输,在接收端利用对抗生成网络完成从语义到图片的重建,进而实现比传统图像压缩编码方法更加稳定且具有更高压缩比率,从而减轻了传感器网络的负载,其中,为了避免对复杂无线信道的学习,该方法采用成熟的LDPC码进行信道编码,以保证语义传输的可靠性。仿真结果表明,该方法能够实现比传统BPG图片压缩方法具有更低的压缩比特率和更高的清晰度。     

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。     

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。     

语义通信中基于深度双Q网络的多维资源联合分配算法

5G技术的不断发展,带来了网络中数据量的爆发式升高与越来越多的涉及图像视频的语义理解任务,无疑对通信、计算和缓存资源造成了极大的压力。为更好地满足视频语义理解任务的资源需求,缓解资源紧缺现象,研究了语义通信中基于深度双Q网络的多维资源联合分配算法。首先,基于车联网场景,改进了现有的联合资源分配算法,引入缓存资源构建了新的面向语义的多维资源联合分配模型;其次,针对其动态时变的特性,搭建了深度双Q网络求解最优资源分配策略;最后,仿真验证了所提多维资源联合分配算法的性能优势。     

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。     

基于信息瓶颈的信道自适应语义压缩编码方法

深度神经网络被广泛用于语义压缩编码,然而所生成的语义特征是否还有冗余信息和压缩空间等难以判断。针对此问题,首先基于信息瓶颈理论给出损失函数,接着引入信道自适应压缩模块构建系统模型,然后利用vCLUB互信息估计和变分近似方法推导损失函数上界,设计互信息估计网络等结构。实验结果表明,与基线方法相比,所提出的基于信息瓶颈的信道自适应语义压缩编码方法实现了更高的智能任务性能和更低的通信开销。     

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。     

基于IP组播的船载无线视频监控系统

文章给出了基于IP组播的无线视频监控系统,此系统主要实现对内河船舶船载目标的监控。给出了系统模型,描述了系统的核心模块和组播网络的结构,并介绍了网络组播软件的设计。     

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。     

视频通信技术的新发展

首先描述了视频通信的几种主要应用．然后对视频压缩技术、视频传输技术特别是IP和无线网络视频传输的抗误码技术的一些新发展作了简要介绍，最后提出复杂度及这些新技术的实现方法。     

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...     

新闻视频基于语义的自适应拆分算法

为促进对新闻视频的结构化传播,提出基于语义特征的新闻视频自适应拆条算法.该算法对视频流上场景语义划分,搭建了一种基于场景分类任务的深度神经网络模型NewslicNet,深度挖掘新闻内容条目的非结构化特征提取新闻内容的拆分点,完成新闻内容段拆条工作.该算法在1538分钟23秒的新闻联播视频上进行训练与测试,实验结果表明,验证了拆条算法的性能优越性和模型的可行性.     

智能反射面增强的多无人机辅助语义通信资源优化

无人机(Unmanned Aerial Vehicle, UAV)为无线通信系统提供了具有高成本效益的解决方案。进一步地,提出了一种新颖的智能反射面(Intelligent Reflecting Surface, IRS)增强多UAV语义通信系统。该系统包括配备IRS的UAV、移动边缘计算(Mobile Edge Computing, MEC)服务器和具有数据收集与局部语义特征提取功能的UAV。通过IRS优化信号反射显著改善了UAV与MEC服务器的通信质量。所构建的问题涉及多UAV轨迹、IRS反射系数和语义符号数量联合优化,以最大限度地减少传输延迟。为解决该非凸优化问题,本文引入了深度强化学习(Deep Reinforce Learning, DRL)算法,包括对偶双深度Q网络(Dueling Double Deep Q Network, D3QN)用于解决离散动作空间问题,如UAV轨迹优化和语义符号数量优化;深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)用于解决连续动作空间问题,如IRS反射系数优化,以实现高效决策。仿真结果表明...