蜂窝语义通信系统资源分配的研究

现有以香农信息论为基础的现代无线通信技术已经无法满足爆发式增长的数据传输需求,以“达意”为目标的语义通信有望突破香农极限的约束。面向蜂窝语义通信系统,分析传统蜂窝网络资源分配以及基于语义的无线资源分配通信范式、性能收益,研究资源分配模型的有效性、可靠性、频谱效率以及传输效率,从可分配的资源和性能评价这两个角度分别研究了传统蜂窝网络和语义通信网络资源分配的优化目标,归纳整理了现有语义通信资源分配方案的应用场景及研究方法。

算力网络驱动的语义通信

内生智能技术通过网络架构与人工智能技术的深度融合,全面提升网络的智能化水平。作为6G内生智能网络的核心技术之一,语义通信基于人工智能技术对信源数据进行语义信息的提取与压缩,大幅减小传输带宽消耗,提升通信的可靠性。然而语义通信技术的应用需要大量计算资源,提出了一个算力网络驱动的语义通信系统,涵盖了云边端协同计算驱动的语义采样与语义-信道联合编码、语义感知的资源分配和优化等基于云边端协同计算的关键语义通信技术,旨在为语义处理和传输提供足够的计算资源,实现内生计算能力与通信的深度融合。最后通过实验仿真证明了所提出的算力网络驱动的语义通信系统的优势。

多模态语义通信研究综述

随着人工智能与通信的交叉融合,文本、图像、音频、视频等多模态数据处理技术蓬勃发展,模态语义的共享维度被深度挖掘,多模态语义信息的高度抽象、智能简约等特性被充分利用,为语义通信带来了全新的思路和手段。首先,介绍了语义通信的基础理论和分类,分别针对文本、图像、音频、视频综述了单模态语义通信的研究现状;然后,综述了多模态语义通信的研究现状,介绍了多模态数据融合技术和安全语义通信的研究;最后,总结了多模态语义通信面临的挑战。

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。

面向扩展现实的语义通信系统综述

扩展现实是一种新兴的信息交互方式,相较于音视频等信息模态,为用户提供了更有沉浸感的体验。通过研究扩展现实的发展趋势,总结了相关应用及产业的通信需求和业务特点,为6G网络下的内生AI功能在扩展现实网络中的应用提供参考。首先从高宽带和低时延的需求出发,提出扩展现实网络和语义通信融合的趋势,并分析了语义通信的传输有效性,介绍其面向内容的系统模块与框架。然后基于扩展现实的业务需求,针对信息系统架构、安全接入要求和算力承载,分析了支撑具体场景的关键技术,明确语义驱动的扩展现实网络的优越性。最后总结了扩展现实网络提供的新机遇,为扩展现实网络与基于语义的内生AI融合架构及关键技术提供发展思路。