IMT-2030(6G)推進(jìn)組第一章引言 1第二章語(yǔ)義通信的典型應(yīng)用場(chǎng)景 32.1語(yǔ)義通信的典型應(yīng)用場(chǎng)景劃分 32.2語(yǔ)義通信的典型應(yīng)用場(chǎng)景及需求分析 3第三章語(yǔ)義通信基礎(chǔ)理論 3.1語(yǔ)義信息論 3.2信息傳導(dǎo)率 3.3模分多址理論 20第四章語(yǔ)義通信系統(tǒng)設(shè)計(jì)方法 294.1語(yǔ)義通信系統(tǒng)設(shè)計(jì)方案 294.2語(yǔ)義通信的評(píng)估指標(biāo)體系 304.3語(yǔ)義通信兼容設(shè)計(jì)方案 414.4語(yǔ)義通信端到端架構(gòu)及協(xié)議框架 594.5語(yǔ)義通信系統(tǒng)設(shè)計(jì)其他方面 63第五章語(yǔ)義通信關(guān)鍵技術(shù) 695.1基于信源信道聯(lián)合編碼的CSI反饋技術(shù) 695.2面向用戶(hù)數(shù)據(jù)的語(yǔ)義通信技術(shù) 755.3基于語(yǔ)義重要性的關(guān)鍵技術(shù) 5.4語(yǔ)義知識(shí)庫(kù)關(guān)鍵技術(shù) 5.5新型多址接入技術(shù) 5.6語(yǔ)義通信雙工技術(shù) 5.7語(yǔ)義效用通信技術(shù) 5.8語(yǔ)義通信模型管理技術(shù) 第六章語(yǔ)義通信試驗(yàn)驗(yàn)證 1406.1語(yǔ)義通信仿真平臺(tái) 6.2語(yǔ)義通信原型驗(yàn)證系統(tǒng) 第七章總結(jié) 參考文獻(xiàn) 致謝 附錄：縮略詞表 1香農(nóng)信息論作為通信系統(tǒng)設(shè)計(jì)的基礎(chǔ)理論，在過(guò)去70多年中為信息測(cè)量提供了嚴(yán)謹(jǐn)?shù)姆椒ㄕ?，并?gòu)建了可靠、高效的通信系統(tǒng)設(shè)計(jì)的數(shù)學(xué)框架。在Shannon和Weaver提出的經(jīng)典通信理論中，通信被劃分為三個(gè)層次：句法層、語(yǔ)義層和語(yǔ)用層。具體而言，句法層聚焦于符號(hào)的準(zhǔn)確傳遞，主要解決信號(hào)在傳輸過(guò)程中的誤差問(wèn)題，而不涉及符號(hào)所承載的實(shí)際意義；語(yǔ)義層則強(qiáng)調(diào)在傳遞符號(hào)的同時(shí)，如何確保其期望意義被準(zhǔn)確理解，從而使通信雙方能夠達(dá)成共識(shí)；語(yǔ)用層更進(jìn)一步，關(guān)注信息是否能夠滿足接收者的特定意圖，以及所傳遞的意義如何有效影響接收者的行為和決策。這一分層框架不僅揭示了通信的本質(zhì)，還為通信技術(shù)的演進(jìn)提供了理論基礎(chǔ)。隨著通信需求的日益復(fù)雜和多樣化，香農(nóng)信息論及其分層理論在推動(dòng)通信系統(tǒng)從符號(hào)傳遞到語(yǔ)義理解、從信息傳輸?shù)絻r(jià)值實(shí)現(xiàn)的轉(zhuǎn)變中，依然發(fā)揮著重要的指導(dǎo)作用。尤其是在語(yǔ)義通信、智能通信等新興領(lǐng)域，這一理論框架為信息的高效、精準(zhǔn)傳遞提供了深層次的啟發(fā)和方法支撐。語(yǔ)義通信作為未來(lái)6G的關(guān)鍵潛在技術(shù)之一，是一種有別于傳統(tǒng)符號(hào)級(jí)傳輸?shù)娜峦ㄐ欧妒?，其核心在于?qiáng)調(diào)數(shù)據(jù)本身的含義，注重通信雙方對(duì)信息的一致理解和意義的有效共享。通過(guò)智能技術(shù)與通信網(wǎng)絡(luò)的深度融合，語(yǔ)義通信實(shí)現(xiàn)了語(yǔ)義特征提取、語(yǔ)義信息傳輸和語(yǔ)義信息恢復(fù)的高效協(xié)同，不僅支持語(yǔ)言傳輸，還擴(kuò)展至多模態(tài)信息交互，如手勢(shì)、面部表情和符號(hào)等，從而提升通信效率并優(yōu)化用戶(hù)體驗(yàn)。相較于傳統(tǒng)語(yǔ)法通信，語(yǔ)義通信在處理對(duì)象、方法、承載形式及評(píng)估準(zhǔn)則等方面具有顯著差異，其依托智能技術(shù)構(gòu)建的語(yǔ)義特征模型成為表征語(yǔ)義的重要載體。學(xué)術(shù)界和工業(yè)界已在語(yǔ)義信息提取、表征、編碼、傳輸?shù)阮I(lǐng)域開(kāi)展了深入的理論研究和技術(shù)探索，并在典型場(chǎng)景中進(jìn)行了試驗(yàn)驗(yàn)證與示范應(yīng)用，推動(dòng)了語(yǔ)義通信從理論走向?qū)嵺`。語(yǔ)義通信系統(tǒng)以人工智能（ArtificialIntelligence,AI）和信息論等多學(xué)科理論為指導(dǎo)，通過(guò)深挖語(yǔ)法、語(yǔ)義與語(yǔ)用之間的轉(zhuǎn)換關(guān)系，將需求信息進(jìn)行特征提取并轉(zhuǎn)化為語(yǔ)義信息，再通過(guò)編碼將其轉(zhuǎn)化為語(yǔ)法信息，從而實(shí)現(xiàn)面向需求和任務(wù)的高效通信。該系統(tǒng)利用深度神經(jīng)網(wǎng)絡(luò)的強(qiáng)大刻畫(huà)能力，精準(zhǔn)識(shí)別和提取信源信息的需求特征，并在接收端實(shí)現(xiàn)原始信息的重建，賦予信源到信宿全新的感知能力、通信能力和理解能力，顯著提升了通信的精準(zhǔn)性和效率。這種全新的通信模式不僅顛覆了傳統(tǒng)基于統(tǒng)計(jì)概率的香農(nóng)定理的通信框架，還突破了傳統(tǒng)通信在語(yǔ)法層面通過(guò)增加信息傳輸物理維度和改變資源利用方式實(shí)現(xiàn)符號(hào)級(jí)準(zhǔn)確傳輸?shù)木窒?。?G到5G的發(fā)展中，傳統(tǒng)通信通過(guò)探索新頻譜利用、多址接入和編碼技術(shù)等方式不斷提升系統(tǒng)速率，但這種以系統(tǒng)復(fù)雜度換取性能增益的堆疊式發(fā)展已難以滿足網(wǎng)絡(luò)智能化和服務(wù)多樣化的業(yè)務(wù)需求。語(yǔ)義通信系統(tǒng)的出現(xiàn)為解決這一瓶頸提供了新的方向，它通過(guò)智能化手段實(shí)現(xiàn)通信從符號(hào)傳遞到語(yǔ)義理解的躍遷，為未來(lái)通信技術(shù)的發(fā)展開(kāi)辟了更為廣闊的空間。語(yǔ)義通信與無(wú)線AI兩大研究方向在6G體系中關(guān)注點(diǎn)不同但互為支撐。語(yǔ)義通信側(cè)重于信息“意義”的高效傳遞與理解，通過(guò)語(yǔ)義特征提取、編碼與恢復(fù)，實(shí)現(xiàn)從符號(hào)級(jí)到語(yǔ)義級(jí)的通信躍遷，提升傳輸效率與智能交互能力；而無(wú)線AI強(qiáng)調(diào)通信系統(tǒng)的“智能化演進(jìn)”，通過(guò)AI算法與無(wú)線架構(gòu)的深度融合，實(shí)現(xiàn)信道估計(jì)、波束賦形、資源調(diào)度等過(guò)程的自適應(yīng)與最優(yōu)決策。前者重構(gòu)通信內(nèi)容的提取與表征，聚焦信息層與語(yǔ)義層的協(xié)同，實(shí)現(xiàn)物理層信道自適應(yīng)傳輸；后者重構(gòu)通信過(guò)程的運(yùn)行機(jī)制，聚焦物理層與協(xié)議層的智能優(yōu)化。兩者共同推動(dòng)6G系統(tǒng)從“可連接”邁向“可理解、自演進(jìn)”的智能通信新時(shí)代。2在IMT-2030（6G）推進(jìn)組的統(tǒng)一部署下，《面向6G的語(yǔ)義通信技術(shù)研究報(bào)告》聚焦于語(yǔ)義通信典型應(yīng)用場(chǎng)景、評(píng)估體系、系統(tǒng)跨層設(shè)計(jì)、關(guān)鍵技術(shù)、協(xié)議設(shè)計(jì)及端到端網(wǎng)絡(luò)架構(gòu)六大方向，系統(tǒng)性研究語(yǔ)義通信的核心問(wèn)題與發(fā)展路徑。前期關(guān)于語(yǔ)義通信的白皮書(shū)和技術(shù)報(bào)告對(duì)語(yǔ)義通信的基本原理、關(guān)鍵模塊和應(yīng)用場(chǎng)景進(jìn)行了系統(tǒng)梳理，為學(xué)術(shù)界和產(chǎn)業(yè)界提供了重要參考和啟示，相比之下，本報(bào)告更突出面向6G的標(biāo)準(zhǔn)化路徑，重點(diǎn)在應(yīng)用場(chǎng)景、跨層設(shè)計(jì)、協(xié)議框架及端到端架構(gòu)的系統(tǒng)研究，旨在推動(dòng)語(yǔ)義通信進(jìn)入6G標(biāo)準(zhǔn)體系并加速產(chǎn)業(yè)落地。首先，在應(yīng)用場(chǎng)景與評(píng)估體系方面，深入挖掘語(yǔ)義通信在沉浸式通信、衛(wèi)星通信、智能體通信等領(lǐng)域的應(yīng)用價(jià)值，并構(gòu)建兼顧系統(tǒng)性能與智能化需求的語(yǔ)義通信評(píng)估指標(biāo)體系。其次，在跨層設(shè)計(jì)方面，研究信源信道聯(lián)合編碼的優(yōu)化策略，探索語(yǔ)義通信在應(yīng)用層、網(wǎng)絡(luò)層、數(shù)據(jù)鏈路層及物理層的影響，并制定跨層協(xié)同優(yōu)化方案，確保與現(xiàn)有通信系統(tǒng)兼容。圍繞語(yǔ)義通信關(guān)鍵技術(shù)，本報(bào)告重點(diǎn)研究信源信道聯(lián)合編碼、模分多址（Modulation-DivisionMultipleAccess,MDMA）、語(yǔ)義信道處理與反饋機(jī)制、信道狀態(tài)信息（ChannelStateInformation,CSI）壓縮反饋機(jī)制、知識(shí)庫(kù)輔助機(jī)制及語(yǔ)義融合傳輸機(jī)理等核心方向，優(yōu)化語(yǔ)義信息的傳輸方式，并通過(guò)算法優(yōu)化、資源管理與仿真評(píng)估，推動(dòng)技術(shù)方案的收斂與產(chǎn)業(yè)共識(shí)。在協(xié)議設(shè)計(jì)與端到端架構(gòu)方面，制定語(yǔ)義通信協(xié)議框架，涵蓋核心網(wǎng)、用戶(hù)平面、控制平面協(xié)議，優(yōu)化端到端語(yǔ)義通信流程，加速原型系統(tǒng)研發(fā)、測(cè)試與升級(jí)。最后，依托本報(bào)告，推動(dòng)語(yǔ)義通信技術(shù)進(jìn)入6G標(biāo)準(zhǔn)體系，加快產(chǎn)業(yè)界、學(xué)術(shù)界和標(biāo)準(zhǔn)化組織的協(xié)同創(chuàng)新，確保語(yǔ)義通信成為6G時(shí)代智能通信融合的核心支柱，促進(jìn)其標(biāo)準(zhǔn)化落地及產(chǎn)業(yè)化應(yīng)用。3第二章語(yǔ)義通信的典型應(yīng)用場(chǎng)景2023年6月，國(guó)際電信聯(lián)盟無(wú)線電通信部門(mén)（ITU-RWP5D）第44次會(huì)議完成了《IMT面向2030及未來(lái)發(fā)展的框架和總體目標(biāo)建議書(shū)》，定義了6大典型場(chǎng)景和15項(xiàng)關(guān)鍵性能指標(biāo)。這六大典型場(chǎng)景包括沉浸式通信、超大規(guī)模連接、極高可靠低時(shí)延、人工智能與通信的融合、感知與通信的融合以及泛在連接。同時(shí)，15項(xiàng)關(guān)鍵能力指標(biāo)中，9項(xiàng)是對(duì)5G能力的增強(qiáng)，新增6項(xiàng)能力維度，涵蓋覆蓋、感知、AI相關(guān)指標(biāo)、可持續(xù)性、互操作性和定位等方面。本報(bào)告深入探討了面向6G的語(yǔ)義通信場(chǎng)景和應(yīng)用需求，相關(guān)場(chǎng)景已在3GPPSA1中進(jìn)行討論，特別是針對(duì)TR22.870中的關(guān)鍵場(chǎng)景，如沉浸式通信、AI智能體、低空無(wú)人機(jī)、衛(wèi)星通信和數(shù)字孿生等。報(bào)告的核心目標(biāo)是探索語(yǔ)義通信如何賦能這些6G應(yīng)用場(chǎng)景，確保語(yǔ)義通信技術(shù)能夠有效融入6G網(wǎng)絡(luò)架構(gòu)，并滿足未來(lái)通信系統(tǒng)對(duì)智能化和高效性的要求。本報(bào)告對(duì)語(yǔ)義通信的應(yīng)用劃分為三大領(lǐng)域，分別為低信噪比和有損傳輸場(chǎng)景、業(yè)務(wù)體驗(yàn)增強(qiáng)和eMBB場(chǎng)景以及人-機(jī)-物交互增強(qiáng)場(chǎng)景。在增強(qiáng)6G典型應(yīng)用方面，語(yǔ)義通信廣泛應(yīng)用于虛擬現(xiàn)實(shí)（VirtualReality,VR）/增強(qiáng)現(xiàn)實(shí)（AugmentedReality,AR）/擴(kuò)展現(xiàn)實(shí)（ExtendedReality,XR）、全息通信、超高清視頻傳輸、遠(yuǎn)程會(huì)議、多車(chē)協(xié)同感知、衛(wèi)星通信、工業(yè)互聯(lián)網(wǎng)、低空無(wú)人機(jī)、智能體等高需求場(chǎng)景，涉及多模態(tài)信息處理、高效信道編碼、跨層優(yōu)化等先進(jìn)技術(shù)。其中，基于深度學(xué)習(xí)增強(qiáng)的端到端語(yǔ)義壓縮與傳輸技術(shù)，顯著提升了在復(fù)雜環(huán)境中的通信可靠性與傳輸效率。此外，針對(duì)無(wú)人系統(tǒng)和自主駕駛等任務(wù)，語(yǔ)義通信通過(guò)表征、推理和知識(shí)輔助等技術(shù)，優(yōu)化了低時(shí)延和高動(dòng)態(tài)環(huán)境下的任務(wù)執(zhí)行能力。在大規(guī)模數(shù)據(jù)傳輸中，語(yǔ)義通信實(shí)現(xiàn)了“先理解后傳輸”的跨層優(yōu)化和資源智能分配，確保在不同業(yè)務(wù)場(chǎng)景下提供高效、智能、穩(wěn)定的通信支持，為6G智能通信融合的演進(jìn)提供了堅(jiān)實(shí)基礎(chǔ)。在6G衛(wèi)星與無(wú)人機(jī)協(xié)同場(chǎng)景下，高效傳輸和處理海量遙感數(shù)據(jù)對(duì)災(zāi)害監(jiān)測(cè)、環(huán)境觀測(cè)和基礎(chǔ)設(shè)施巡檢至關(guān)重要。傳統(tǒng)衛(wèi)星通信因帶寬和資源受限難以應(yīng)對(duì)高分辨率影像的實(shí)時(shí)傳輸，而6G系統(tǒng)可借助人工智能實(shí)現(xiàn)數(shù)據(jù)特征提取、壓縮與優(yōu)先級(jí)調(diào)度，在有限資源下顯著提升傳輸效率與監(jiān)測(cè)能力。配備語(yǔ)義通信模型的無(wú)人機(jī)可采集多模態(tài)數(shù)據(jù)，如圖像、視頻和雷達(dá)信號(hào)，在上傳至基站或應(yīng)急中心前完成特征提取與異常識(shí)別，輔助災(zāi)情分析與實(shí)時(shí)決策。人工智能可從大量原始衛(wèi)星圖像中自動(dòng)識(shí)別森林火災(zāi)、海上風(fēng)暴、洪水等關(guān)鍵特征，并優(yōu)先傳輸與任務(wù)相關(guān)的重要內(nèi)容，從而減少冗余數(shù)據(jù)并保證關(guān)鍵信息的快速可靠回程。通過(guò)任務(wù)驅(qū)動(dòng)的語(yǔ)義壓縮和智能資源調(diào)度，6G衛(wèi)星及無(wú)人機(jī)通信不僅能在低帶寬環(huán)境下維持高質(zhì)量數(shù)據(jù)鏈路，還能實(shí)現(xiàn)更高效的應(yīng)急響應(yīng)和現(xiàn)場(chǎng)圖像實(shí)時(shí)呈現(xiàn)，為災(zāi)害預(yù)警、救援和基礎(chǔ)設(shè)施安全提供強(qiáng)有力的技術(shù)支撐。4圖2.2-1衛(wèi)星遙感圖像星地傳輸場(chǎng)景一場(chǎng)突發(fā)洪水摧毀了某地區(qū)的移動(dòng)通信基礎(chǔ)設(shè)施，嚴(yán)重阻礙了救援聯(lián)絡(luò)。應(yīng)急指揮中心派出無(wú)人機(jī)進(jìn)行災(zāi)情偵查，無(wú)人機(jī)在災(zāi)區(qū)上空拍攝高分辨率圖像，用以識(shí)別受損區(qū)域、道路堵塞和生命跡象。由于當(dāng)?shù)鼐W(wǎng)絡(luò)中斷，圖像無(wú)法直接回傳至地面控制中心，而是通過(guò)衛(wèi)星通信鏈路上傳至低地球軌道（LEO）衛(wèi)星，再經(jīng)衛(wèi)星中繼下行至可接入的6G基站，最終傳送至應(yīng)急中心，形成“無(wú)人機(jī)-衛(wèi)星-6G基站-應(yīng)急中心”的空天地一體化跨域傳輸路徑。為提升在丟包、干擾和衰落信道下的傳輸可靠性，無(wú)人機(jī)至衛(wèi)星和衛(wèi)星至地面的鏈路均可采用語(yǔ)義通信方法，實(shí)現(xiàn)面向任務(wù)的關(guān)鍵信息按需傳遞。面對(duì)大量圖像數(shù)據(jù)，部署于衛(wèi)星或6G邊緣節(jié)點(diǎn)的人工智能模型對(duì)圖像進(jìn)行語(yǔ)義感知分析，僅提取并保留關(guān)鍵任務(wù)區(qū)域，如倒塌建筑、洪水邊界或受困人員。借助語(yǔ)義壓縮與特征提取技術(shù)，實(shí)現(xiàn)關(guān)鍵視覺(jué)信息的高效壓縮與魯棒傳輸。6G網(wǎng)絡(luò)依據(jù)語(yǔ)義緊急程度（如是否靠近居民區(qū)、是否存在生命信號(hào)）動(dòng)態(tài)分配通信資源，優(yōu)先回傳高風(fēng)險(xiǎn)區(qū)域信息，從而優(yōu)化帶寬利用，提升應(yīng)急響應(yīng)效率。應(yīng)急中心最終接收經(jīng)AI處理、帶地理標(biāo)記的圖像數(shù)據(jù)，包括災(zāi)害地圖、受災(zāi)人員位置及封鎖路線等，支撐無(wú)人機(jī)空投、地面部隊(duì)部署和物資分配等精準(zhǔn)決策，構(gòu)建起智能化的空天地應(yīng)急響應(yīng)體系。在6G無(wú)人機(jī)巡檢技術(shù)的背景下，可靠且高效的數(shù)據(jù)傳輸對(duì)于實(shí)時(shí)監(jiān)控和分析至關(guān)重要。配備人工智能模型的無(wú)人機(jī)能夠捕捉多種模態(tài)的傳感數(shù)據(jù)，包括圖像、視頻和雷達(dá)信號(hào)，以評(píng)估基礎(chǔ)設(shè)施、環(huán)境狀況和潛在風(fēng)險(xiǎn)。隨后，這些數(shù)據(jù)經(jīng)過(guò)特征提取處理后，被傳輸至基站以及USS（無(wú)人駕駛航空系統(tǒng)服務(wù)供應(yīng)商）/UTM（無(wú)人駕駛航空系統(tǒng)交通管理，部署在云端以識(shí)別潛在的異常情況，如電力線路損壞、管道泄漏或農(nóng)作物病害。然而，如何在不使網(wǎng)絡(luò)過(guò)載的情況下，有效地將如此大量的數(shù)據(jù)傳輸回基站，以及如何使無(wú)人機(jī)與地面之間的傳輸適應(yīng)高動(dòng)態(tài)的傳輸條件等問(wèn)題面臨著挑戰(zhàn)。6G通信通過(guò)高帶寬和超低延遲實(shí)現(xiàn)無(wú)縫數(shù)據(jù)交換，滿足了這一需求。通過(guò)語(yǔ)義通信，僅傳輸收集數(shù)據(jù)中最相關(guān)和最有意義的特征，確保關(guān)鍵信息（如結(jié)構(gòu)異?；颦h(huán)境風(fēng)險(xiǎn)）優(yōu)先進(jìn)行分析，從而減少整體5傳輸負(fù)載。此外，語(yǔ)義通信的另一個(gè)優(yōu)勢(shì)是能夠在低信噪比（Signal-to-NoiseRatio,SNR）傳輸條件下實(shí)現(xiàn)高保真數(shù)據(jù)傳輸。在基站端，匹配的AI模型對(duì)這些數(shù)據(jù)進(jìn)行解碼和重建，從而實(shí)現(xiàn)高效的實(shí)時(shí)分析。這種方法不僅減少了帶寬使用，還確保最關(guān)鍵的信息被傳遞到核心網(wǎng)絡(luò)進(jìn)行進(jìn)一步評(píng)估。通過(guò)結(jié)合AI和語(yǔ)義通信，6G無(wú)人機(jī)巡檢系統(tǒng)能夠提升操作效率，確保及時(shí)發(fā)現(xiàn)問(wèn)題，最大限度地減少冗余數(shù)據(jù)傳輸，并在低信噪比條件下實(shí)現(xiàn)可靠傳輸。無(wú)人機(jī)檢查場(chǎng)景如圖2.2-2所示。在這個(gè)過(guò)程中，無(wú)人機(jī)、基站、核心網(wǎng)絡(luò)和USS/UMT進(jìn)行交互和協(xié)作。下面是對(duì)這些模塊之間的服務(wù)流的描述。圖2.2-2低空無(wú)人機(jī)巡檢場(chǎng)景無(wú)人機(jī)能夠高效、準(zhǔn)確地完成巡檢任務(wù)，通過(guò)與基站、核心網(wǎng)絡(luò)、USS/UTM的協(xié)調(diào)工作，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)傳輸和分析，確保對(duì)突發(fā)事件的及時(shí)響應(yīng)和生成檢查報(bào)告。該系統(tǒng)在各種環(huán)境下運(yùn)行穩(wěn)定，可以基于反饋優(yōu)化任務(wù)調(diào)度和數(shù)據(jù)處理策略，從而提高檢查效率和任務(wù)執(zhí)行質(zhì)量。對(duì)于潛在的需求，6G系統(tǒng)應(yīng)確?；竞蜔o(wú)人機(jī)都具有邊緣計(jì)算能力，并支持人工智能模型支持的特征提取、編碼和解碼。它應(yīng)在緊急情況下提供實(shí)時(shí)數(shù)據(jù)傳輸，以實(shí)現(xiàn)快速反應(yīng)。它還應(yīng)該支持動(dòng)態(tài)資源分配、優(yōu)先級(jí)關(guān)鍵信息傳輸，以及在復(fù)雜和動(dòng)態(tài)不穩(wěn)定的信道條件下的適應(yīng)性推理模型。XR（ExtendedReality，擴(kuò)展現(xiàn)實(shí)）技術(shù)正在快速發(fā)展，并將在教育、醫(yī)療、工業(yè)、娛樂(lè)等領(lǐng)域取得廣泛應(yīng)用。XR頭戴式顯示設(shè)備通常包含一個(gè)顯示屏和傳感器。用戶(hù)將頭戴式顯示設(shè)備戴在頭部，通過(guò)顯示屏呈現(xiàn)虛擬畫(huà)面，并通過(guò)傳感器跟蹤用戶(hù)的頭部運(yùn)動(dòng)，使虛擬畫(huà)面隨著用戶(hù)的頭部移動(dòng)而改變。XR的渲染過(guò)程可部署于本地或云端，但由于本地渲染的算力有限，因此XR的渲染通常部署于云端。在沉浸式體驗(yàn)方面，人類(lèi)通過(guò)雙眼以3D形態(tài)觀察世界，這就需要立體顯示器為場(chǎng)景中的物體顯示適當(dāng)?shù)木吧?，從而?shí)現(xiàn)3D效果。人眼擁有接近180°的視場(chǎng)角，而能清晰成像的區(qū)域也有將近120°,因此VR設(shè)備的視角越接近這一數(shù)值，就越能提供沉浸式體驗(yàn)。為滿足這種視覺(jué)需求，系統(tǒng)會(huì)根據(jù)觀察者的位置將全向的3D場(chǎng)景在空間上劃分為獨(dú)立的圖像區(qū)域，并根據(jù)用戶(hù)的實(shí)際視角下載對(duì)應(yīng)區(qū)域的圖像內(nèi)6容進(jìn)行渲染，從而實(shí)現(xiàn)實(shí)時(shí)的三維展示效果。與此同時(shí)，XR設(shè)備也在不斷演進(jìn)，逐步集成多種感知能力。例如蘋(píng)果VisionPro頭顯內(nèi)置了圖像傳感器、麥克風(fēng)、激光雷達(dá)、慣性傳感器等模塊，能夠捕捉用戶(hù)的眼球、手勢(shì)、語(yǔ)音、環(huán)境等多模態(tài)數(shù)據(jù)，并借助專(zhuān)用處理器進(jìn)行空間建模與實(shí)時(shí)數(shù)據(jù)處理，大幅降低了系統(tǒng)延遲，提高了人機(jī)交互體驗(yàn)的實(shí)時(shí)性和流暢性。這種軟硬件協(xié)同的架構(gòu)推動(dòng)XR從“顯示驅(qū)動(dòng)”轉(zhuǎn)向“感知驅(qū)動(dòng)”，對(duì)多模態(tài)數(shù)據(jù)的低延遲、高同步處理能力提出了更高要求。因此，為實(shí)現(xiàn)高質(zhì)量的XR體驗(yàn)，系統(tǒng)需引入語(yǔ)義通信理念，從信息理解層優(yōu)化傳輸效率與交互性能，在帶寬有限、時(shí)延受限的條件下完成更精準(zhǔn)、更具上下文關(guān)聯(lián)的信息提取與傳輸。云VR技術(shù)是依托應(yīng)用流化和云計(jì)算，通過(guò)將VR應(yīng)用運(yùn)行在云端并利用高性能計(jì)算資源實(shí)現(xiàn)渲染處理，隨后將渲染結(jié)果壓縮編碼、實(shí)時(shí)傳輸至終端的架構(gòu)形式。隨著XR應(yīng)用向更高保真度、更強(qiáng)實(shí)時(shí)性和多用戶(hù)協(xié)作方向發(fā)展，現(xiàn)有5G網(wǎng)絡(luò)逐漸難以滿足其通信需求。由于XR視頻通常以多數(shù)據(jù)包形式傳輸，關(guān)鍵幀如I幀一旦丟失便可能引發(fā)黑屏或花屏，嚴(yán)重影響用戶(hù)體驗(yàn)。而XR業(yè)務(wù)中的多類(lèi)數(shù)據(jù)具有不同的重要性，因此基于內(nèi)容語(yǔ)義特征對(duì)數(shù)據(jù)流進(jìn)行智能識(shí)別和分級(jí)傳輸成為未來(lái)網(wǎng)絡(luò)優(yōu)化的關(guān)鍵方向。為此，6G網(wǎng)絡(luò)亟需從比特級(jí)通信向語(yǔ)義級(jí)通信演進(jìn)，借助人工智能對(duì)多模態(tài)數(shù)據(jù)進(jìn)行語(yǔ)義融合、壓縮與優(yōu)先級(jí)判斷，并動(dòng)態(tài)調(diào)配通信資源，確保關(guān)鍵語(yǔ)義信息的高效傳輸，從而為下一代XR系統(tǒng)提供低延遲、高可靠、強(qiáng)智能的通信支撐。隨著多媒體通信、增強(qiáng)現(xiàn)實(shí)和沉浸式應(yīng)用的興起，對(duì)海量數(shù)據(jù)傳輸?shù)臒o(wú)線頻譜需求急劇增加，而傳統(tǒng)通信系統(tǒng)在復(fù)雜環(huán)境下易出現(xiàn)服務(wù)質(zhì)量下降，導(dǎo)致業(yè)務(wù)連續(xù)性和數(shù)據(jù)可靠性受損。語(yǔ)義通信通過(guò)從多模態(tài)數(shù)據(jù)中提取關(guān)鍵特征，實(shí)現(xiàn)比特?cái)?shù)顯著壓縮，并能在數(shù)據(jù)丟失時(shí)依托先驗(yàn)知識(shí)或上下文完成高語(yǔ)義完整性重建。例如，在圖像傳輸中，即使丟失部分細(xì)節(jié)，也能準(zhǔn)確識(shí)別并恢復(fù)關(guān)鍵目標(biāo)。以6G沉浸式通信為例，用戶(hù)在高鐵隧道中通過(guò)AR眼鏡觀看足球直播時(shí)，系統(tǒng)可基于實(shí)時(shí)位置和網(wǎng)絡(luò)預(yù)測(cè)啟動(dòng)智能傳輸服務(wù)，協(xié)同終端與邊緣節(jié)點(diǎn)優(yōu)先傳輸關(guān)鍵特征并壓縮冗余信息，實(shí)現(xiàn)低帶寬或高丟包環(huán)境下的流暢觀賽體驗(yàn)。為支撐該場(chǎng)景，6G網(wǎng)絡(luò)需提供基于實(shí)時(shí)網(wǎng)絡(luò)狀態(tài)的服務(wù)質(zhì)量（QualityofService,QoS）動(dòng)態(tài)調(diào)整、上下文驅(qū)動(dòng)的網(wǎng)絡(luò)預(yù)測(cè)、終端與網(wǎng)絡(luò)側(cè)AI模型協(xié)同及按需計(jì)算資源保障，實(shí)現(xiàn)沉浸式業(yè)務(wù)的智能傳輸與用戶(hù)體驗(yàn)優(yōu)化。6G網(wǎng)絡(luò)的發(fā)展對(duì)語(yǔ)義通信提出了更高的需求，以滿足虛擬現(xiàn)實(shí)（VR）等應(yīng)用對(duì)高效、智能的數(shù)據(jù)傳輸?shù)囊?。在大?guī)模點(diǎn)云數(shù)據(jù)傳輸場(chǎng)景下，傳統(tǒng)的全量數(shù)據(jù)傳輸方式難以適應(yīng)有限的帶寬和動(dòng)態(tài)變化的網(wǎng)絡(luò)環(huán)境，因此6G系統(tǒng)需具備智能數(shù)據(jù)處理能力，實(shí)現(xiàn)基于信息重要性的優(yōu)化傳輸。具體而言，6G網(wǎng)絡(luò)應(yīng)集成高效的數(shù)據(jù)壓縮、關(guān)鍵語(yǔ)義提取與編碼技術(shù)，確保核心信息的精準(zhǔn)傳輸與恢復(fù)。此外，6G網(wǎng)絡(luò)需支持動(dòng)態(tài)帶寬分配，結(jié)合智能資源調(diào)度算法，根據(jù)數(shù)據(jù)優(yōu)先級(jí)自適應(yīng)調(diào)整傳輸策略，從而提升整體網(wǎng)絡(luò)效率。在復(fù)雜通信環(huán)境中，6G系統(tǒng)還需具備上下文感知的數(shù)據(jù)恢復(fù)機(jī)制，利用智能預(yù)測(cè)和語(yǔ)義建模，實(shí)現(xiàn)關(guān)鍵數(shù)據(jù)的快速重建，增強(qiáng)系統(tǒng)的穩(wěn)健性和可靠性。同時(shí)，多模態(tài)信息同步能力對(duì)于提升沉浸式交互體驗(yàn)至關(guān)重要，6G網(wǎng)絡(luò)需優(yōu)化語(yǔ)音、圖像與傳感器數(shù)據(jù)的融合，確保多源信息的時(shí)空對(duì)齊。為保障數(shù)據(jù)安全，6G系統(tǒng)需引入隱私保護(hù)機(jī)制，增強(qiáng)點(diǎn)云數(shù)據(jù)的機(jī)密性與完整性，防止未經(jīng)授權(quán)的訪問(wèn)。綜合來(lái)看，語(yǔ)義通信將推動(dòng)VR及其他沉浸式應(yīng)用邁向更智能、高效和穩(wěn)定的新時(shí)代。7元宇宙是一個(gè)沉浸式的虛擬世界，融合了虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)等技術(shù)。用戶(hù)可以在其中進(jìn)行社交互動(dòng)、娛樂(lè)體驗(yàn)、虛擬試穿等活動(dòng)。然而元宇宙數(shù)據(jù)多樣且復(fù)雜，這不可避免地增加了數(shù)據(jù)吞吐量，也將達(dá)到更低的時(shí)延。為了確保用戶(hù)在虛擬環(huán)境中的沉浸式體驗(yàn)不受影響，降低眩暈感和不適感，元宇宙對(duì)無(wú)線通信的延遲要求非常嚴(yán)格。一般來(lái)說(shuō)，元宇宙系統(tǒng)的端到端延遲要求應(yīng)低于20毫秒。這包括了從用戶(hù)的動(dòng)作被捕捉到畫(huà)面更新的整個(gè)過(guò)程，涵蓋了傳感器采樣、數(shù)據(jù)處理、無(wú)線傳輸、圖像渲染和顯示更新等環(huán)節(jié)。因此，需要基于語(yǔ)義通信模型對(duì)信息進(jìn)行深度理解和處理，從而完成信息壓縮、優(yōu)先級(jí)排序、自適應(yīng)調(diào)制和智能解碼等。最終實(shí)現(xiàn)一種高效、準(zhǔn)確、具有針對(duì)性的信息傳輸方式，確保元宇宙中的數(shù)據(jù)傳輸效率和用戶(hù)體驗(yàn)質(zhì)量。生成式VR視頻服務(wù)以云-邊-端協(xié)同架構(gòu)為核心，為用戶(hù)提供高度沉浸的實(shí)時(shí)體驗(yàn)。首先，Bob和Alice佩戴VR頭顯并通過(guò)各自的控制設(shè)備發(fā)送觀看請(qǐng)求，指定所需的海邊背景、虛擬化身的外觀以及互動(dòng)需求，如手勢(shì)與動(dòng)作。云服務(wù)器接收請(qǐng)求后，調(diào)用負(fù)責(zé)拍攝實(shí)時(shí)海邊畫(huà)面的攝像機(jī)獲取包含海灘、海浪、天空等元素的高清視頻流，并利用人工智能模型進(jìn)行特征提取與壓縮，大幅減少數(shù)據(jù)傳輸量并提升傳輸效率。隨后，系統(tǒng)根據(jù)用戶(hù)個(gè)性化設(shè)定生成對(duì)應(yīng)的虛擬化身，并將其與海邊背景視頻自然融合，確保角色動(dòng)作與環(huán)境交互真實(shí)連貫。完成合成后，云端對(duì)視頻進(jìn)行預(yù)處理并分發(fā)至邊緣服務(wù)器執(zhí)行分布式渲染，使每一幀都能順暢輸出，為后續(xù)的終端顯示提供高質(zhì)量素材。渲染完成的視頻流經(jīng)人工智能增強(qiáng)后傳輸回Bob和Alice的VR設(shè)備，以保證低時(shí)延與高保真。VR頭顯接收后即時(shí)呈現(xiàn)出合成畫(huà)面，用戶(hù)不僅能夠看到自身虛擬化身與真實(shí)海邊背景完美結(jié)合，還可以進(jìn)行奔跑、跳躍、揮手等自然互動(dòng)，獲得如同置身海灘的沉浸式體驗(yàn)。這一流程充分利用云端算力、AI壓縮與邊緣渲染的優(yōu)勢(shì)，實(shí)現(xiàn)了從實(shí)時(shí)場(chǎng)景捕獲、智能合成到無(wú)縫傳輸?shù)娜溌穬?yōu)化，為未來(lái)大規(guī)模生成式VR服務(wù)提供了高效、可擴(kuò)展的技術(shù)范例。在6G網(wǎng)絡(luò)中，為支持元宇宙場(chǎng)景中的視頻傳輸，亟需研究高效的語(yǔ)義信息提取和恢復(fù)算法，確保信息能夠準(zhǔn)確識(shí)別和傳輸，在信號(hào)受損情況下仍能恢復(fù)關(guān)鍵內(nèi)容。此外，網(wǎng)絡(luò)中的存儲(chǔ)和計(jì)算資源分布在云、邊緣和端設(shè)備之間，需要研究資源管理策略，根據(jù)信息緊急程度、重要性等動(dòng)態(tài)分配資源，優(yōu)先保障高優(yōu)先級(jí)通信的資源需求，提高6G網(wǎng)絡(luò)的資源利用效率。最后，語(yǔ)義通信基于人工智能模型實(shí)現(xiàn)語(yǔ)義提取和恢復(fù)，因此需要研究多樣化語(yǔ)義模型的管理機(jī)制，包括語(yǔ)義模型的緩存策略、查詢(xún)傳輸和更新機(jī)制等，推動(dòng)6G網(wǎng)絡(luò)向智能化演進(jìn)。隨著遠(yuǎn)程辦公與跨國(guó)協(xié)作需求的激增，視頻會(huì)議已成為日常溝通的核心工具。然而，傳統(tǒng)系統(tǒng)過(guò)度依賴(lài)原始視頻數(shù)據(jù)的無(wú)損傳輸，導(dǎo)致在復(fù)雜網(wǎng)絡(luò)環(huán)境下面臨高清視頻流傳輸占用大量資源，難以適應(yīng)帶寬波動(dòng)以及在低信噪比或干擾環(huán)境中，關(guān)鍵信息易丟失，影響會(huì)議連續(xù)性。6G網(wǎng)絡(luò)的演進(jìn)為解決這些問(wèn)題提供了新路徑。通過(guò)語(yǔ)義通信技術(shù)，系統(tǒng)可提取視頻中的核心語(yǔ)義信息，實(shí)現(xiàn)數(shù)據(jù)量的智能壓縮與動(dòng)態(tài)優(yōu)化傳輸。結(jié)合AI驅(qū)動(dòng)的編解碼技術(shù)，系統(tǒng)能夠根據(jù)網(wǎng)絡(luò)狀態(tài)優(yōu)先傳輸高價(jià)值語(yǔ)義內(nèi)容，并在接收端精準(zhǔn)重建，從而在保障用戶(hù)體驗(yàn)的同時(shí)，顯著降低帶寬消耗。8圖2.2-3視頻會(huì)議場(chǎng)景在上述視頻語(yǔ)義提取與編輯業(yè)務(wù)中，用戶(hù)首先在視頻會(huì)議中提出個(gè)性化需求，如調(diào)整人物形象等。系統(tǒng)接收請(qǐng)求后，通過(guò)語(yǔ)義分析算法提取視頻中的人物特征、口型及姿態(tài)等關(guān)鍵信息，核心網(wǎng)絡(luò)實(shí)時(shí)監(jiān)控點(diǎn)云數(shù)據(jù)傳輸質(zhì)量并根據(jù)信道狀況和應(yīng)用需求動(dòng)態(tài)調(diào)整資源。隨后，提取的語(yǔ)義數(shù)據(jù)被傳輸至基站，由基站依據(jù)用戶(hù)需求和信道條件進(jìn)行壓縮與編輯，再通過(guò)語(yǔ)義通信技術(shù)將編輯后的視頻內(nèi)容發(fā)送給其他參會(huì)者，對(duì)方接收后完成合成，生成符合需求的最終視頻。6G網(wǎng)絡(luò)通過(guò)精準(zhǔn)語(yǔ)義提取、智能傳輸優(yōu)化、動(dòng)態(tài)帶寬調(diào)度和穩(wěn)健的數(shù)據(jù)恢復(fù)，實(shí)現(xiàn)核心信息高效傳輸與快速重建，提升多模態(tài)信息同步能力，從而為視頻會(huì)議及遠(yuǎn)程協(xié)作提供更智能、高效、穩(wěn)定的體驗(yàn)。在自動(dòng)駕駛技術(shù)發(fā)展背景下，可靠且實(shí)時(shí)的環(huán)境感知能力是保障系統(tǒng)安全與運(yùn)行效率的關(guān)鍵基礎(chǔ)。近年來(lái)研究者通過(guò)引入先進(jìn)神經(jīng)網(wǎng)絡(luò)架構(gòu)和多模態(tài)傳感器融合技術(shù)持續(xù)優(yōu)化物體檢測(cè)算法。然而獨(dú)立車(chē)載感知存在固有局限性-其完全依賴(lài)于本車(chē)傳感器設(shè)備，僅能獲取實(shí)時(shí)視距內(nèi)的局部環(huán)境信息。車(chē)聯(lián)網(wǎng)（Vehicle-to-Everything,V2X）技術(shù)的出現(xiàn)有效突破這一瓶頸：通過(guò)建立車(chē)輛間信息交互通道，不僅可支持協(xié)作式障礙物檢測(cè)等典型應(yīng)用場(chǎng)景，更進(jìn)一步拓展了路徑規(guī)劃、緊急預(yù)警等廣泛車(chē)聯(lián)網(wǎng)應(yīng)用的可能性。多車(chē)協(xié)作感知依賴(lài)于車(chē)輛之間的實(shí)時(shí)交互和大量感知數(shù)據(jù)的交換。語(yǔ)義通信技術(shù)可在此過(guò)程中扮演關(guān)鍵角色，通過(guò)智能篩選并壓縮傳輸內(nèi)容僅保留對(duì)當(dāng)前駕駛場(chǎng)景最具決策價(jià)值的高階語(yǔ)義信息（如障礙物類(lèi)別、精確位置坐標(biāo)及運(yùn)動(dòng)狀態(tài)等）。相較于傳統(tǒng)感知數(shù)據(jù)的直接傳輸方式，語(yǔ)義化通信可將原始傳感器數(shù)據(jù)轉(zhuǎn)化為更高維度的提取表征。例如在處理車(chē)輛盲區(qū)感知任務(wù)時(shí)，系統(tǒng)不僅能高效傳遞遮擋區(qū)域的關(guān)鍵特征參數(shù)，還能通過(guò)融合多車(chē)視角生成被遮擋物體的完整三維模型，從而顯著提升環(huán)境建模精度與實(shí)時(shí)性，最終使整個(gè)感知-決策鏈條實(shí)現(xiàn)更優(yōu)的時(shí)空效率。多車(chē)協(xié)同場(chǎng)景如圖2.2-9所示，道路上行駛的車(chē)輛配備了無(wú)線通信和傳感設(shè)備，以及為協(xié)同感知而設(shè)計(jì)的語(yǔ)義編碼器和解碼器。它們還具有適當(dāng)?shù)淖R(shí)別和授權(quán)機(jī)制，可以連接到車(chē)聯(lián)網(wǎng)（Vehicle-to-Everything,V2X）網(wǎng)絡(luò)。9圖2.2-4多車(chē)協(xié)同感知場(chǎng)景在自動(dòng)駕駛行駛過(guò)程中，基站持續(xù)監(jiān)控V2X網(wǎng)絡(luò)并動(dòng)態(tài)調(diào)整車(chē)輛之間的通信鏈路。根據(jù)實(shí)時(shí)感知需求、車(chē)輛移動(dòng)性和通信質(zhì)量，基站協(xié)調(diào)任務(wù)切換或添加新的協(xié)同車(chē)輛，以確保自車(chē)始終獲得全面及時(shí)的環(huán)境感知信息。基站通過(guò)驗(yàn)證合作車(chē)輛發(fā)送的感知數(shù)據(jù)來(lái)確保整個(gè)過(guò)程中數(shù)據(jù)傳輸?shù)陌踩?，防止惡意攻擊和?shù)據(jù)泄露。工業(yè)互聯(lián)網(wǎng)作為6G的重要賦能場(chǎng)景，預(yù)計(jì)將迎來(lái)革命性的變革，提供更高的數(shù)據(jù)速率、更低的延遲和更廣泛的連接范圍。典型應(yīng)用場(chǎng)景包括智能制造與自動(dòng)化、遠(yuǎn)程操作與維護(hù)、智能物流與供應(yīng)鏈管理、大數(shù)據(jù)分析與邊緣計(jì)算、環(huán)境監(jiān)測(cè)與災(zāi)害管理等。通過(guò)關(guān)鍵技術(shù)的應(yīng)用，工業(yè)互聯(lián)網(wǎng)能夠幫助企業(yè)降本增效，實(shí)現(xiàn)生產(chǎn)資源的按需配置，提高資源利用率和生產(chǎn)效率。語(yǔ)義通信在這些場(chǎng)景中發(fā)揮著至關(guān)重要的作用，提升生產(chǎn)效率、質(zhì)量管理和運(yùn)營(yíng)優(yōu)化。通過(guò)對(duì)多模態(tài)信息的高層次解析和壓縮，語(yǔ)義通信有效提高了關(guān)鍵信息的傳輸效率和質(zhì)量，賦能機(jī)器與平臺(tái)、人與平臺(tái)、以及人機(jī)之間的高效互聯(lián)互通。在機(jī)器與平臺(tái)交互中，語(yǔ)義通信支持自動(dòng)導(dǎo)引車(chē)（AutomatedGuidedVehicles,AGV）、機(jī)械臂和數(shù)控設(shè)備等工業(yè)智能設(shè)備的數(shù)據(jù)互通與協(xié)同管控，提升了網(wǎng)絡(luò)帶寬利用率和系統(tǒng)可靠性；在人與平臺(tái)的交互中，通過(guò)共享語(yǔ)義知識(shí)實(shí)現(xiàn)信息精準(zhǔn)傳遞，保障操作便捷性與系統(tǒng)安全性；在人機(jī)交互中，語(yǔ)義通信通過(guò)深入的數(shù)據(jù)理解，增強(qiáng)了設(shè)備的遠(yuǎn)程監(jiān)測(cè)、故障預(yù)測(cè)與運(yùn)維能力，推動(dòng)了危險(xiǎn)或惡劣環(huán)境下的無(wú)人化與少人化操作。因此，語(yǔ)義通信不僅提升了工業(yè)互聯(lián)網(wǎng)的通信效率，更為智能化、自動(dòng)化的生產(chǎn)環(huán)境提供了關(guān)鍵支撐。在智能體交互場(chǎng)景中，智能體需要在復(fù)雜工廠環(huán)境中實(shí)時(shí)感知、協(xié)作和決策。傳統(tǒng)通信側(cè)重于比特級(jí)傳輸，容易因網(wǎng)絡(luò)延遲、丟包或帶寬限制導(dǎo)致關(guān)鍵信息傳遞不及時(shí)，影響多智能體協(xié)同效率。語(yǔ)義通信通過(guò)提取任務(wù)相關(guān)的關(guān)鍵特征和上下文信息，僅傳輸對(duì)智能體決策最有價(jià)值的數(shù)據(jù)，顯著降低通信負(fù)載并提高信息傳遞效率。例如，在多機(jī)器人協(xié)作搬運(yùn)場(chǎng)景中，語(yǔ)義通信可僅傳輸物體位置、路徑規(guī)劃和操作指令等關(guān)鍵語(yǔ)義，而忽略冗余視頻或傳感器原始數(shù)據(jù)。智能體在接收端結(jié)合先驗(yàn)知識(shí)和環(huán)境模型進(jìn)行語(yǔ)義推理與動(dòng)作決策，即使在網(wǎng)絡(luò)不穩(wěn)定或高延遲情況下，也能保持協(xié)作連續(xù)性和操作精度，從而賦能工業(yè)智能體間的高效通信與自主協(xié)同。在6G通信網(wǎng)絡(luò)框架下，數(shù)字孿生作為物理組件的精準(zhǔn)虛擬化載體，深度依賴(lài)語(yǔ)義通信技術(shù)突破傳統(tǒng)數(shù)據(jù)傳輸范式瓶頸。面對(duì)高數(shù)據(jù)量、大帶寬及確定性時(shí)延需求，語(yǔ)義通信通過(guò)深度特征提取與背景知識(shí)庫(kù)協(xié)同，實(shí)現(xiàn)從海量原始信息中剝離冗余數(shù)據(jù)、提煉語(yǔ)義核心。相較于硬件密集型的傳統(tǒng)采集模式，其基于語(yǔ)義價(jià)值的傳輸架構(gòu)顯著降低網(wǎng)絡(luò)負(fù)載，使數(shù)字孿生系統(tǒng)能夠通過(guò)輕量化數(shù)據(jù)流構(gòu)建高精度虛擬鏡像。在空口傳輸層面，語(yǔ)義驅(qū)動(dòng)的通信機(jī)制不僅滿足工業(yè)級(jí)時(shí)敏場(chǎng)景對(duì)同步精度的嚴(yán)苛要求，更賦能基站能耗管理、信道預(yù)測(cè)等場(chǎng)景實(shí)現(xiàn)建模誤差的精準(zhǔn)控制。尤其針對(duì)6G超密集組網(wǎng)環(huán)境，語(yǔ)義通信支撐的數(shù)字孿生通過(guò)實(shí)時(shí)語(yǔ)義推理與虛擬推演，可動(dòng)態(tài)預(yù)判網(wǎng)絡(luò)擁塞并觸發(fā)拓?fù)渥詢(xún)?yōu)化，顯著提升資源分配效率與系統(tǒng)魯棒性。以交通部門(mén)對(duì)重要的交通網(wǎng)絡(luò)管制為例，交通網(wǎng)絡(luò)的數(shù)字孿生系統(tǒng)流程如下圖所示。交通路口安裝了許多傳感器和高分辨率攝像頭，可與交通部門(mén)內(nèi)的6G網(wǎng)絡(luò)連接。在城市交通網(wǎng)絡(luò)中，傳感器和攝像頭實(shí)時(shí)采集交通流量、速度、密度及道路狀況等數(shù)據(jù)，經(jīng)智能交通系統(tǒng)清洗去噪后上傳至數(shù)字孿生模型；基站利用人工智能提取關(guān)鍵交通特征，并基于語(yǔ)義通信將特征數(shù)據(jù)經(jīng)源信道聯(lián)合編碼傳輸至交通管理平臺(tái)；終端設(shè)備解碼還原特征后，數(shù)字孿生模型深入分析以識(shí)別交通模式與異常，支持交通管理系統(tǒng)實(shí)時(shí)監(jiān)控并動(dòng)態(tài)調(diào)節(jié)信號(hào)燈，從而避免擁堵、提升整體通行效率。圖2.2-5數(shù)字孿生賦能智慧交通場(chǎng)景為支撐數(shù)字孿生賦能的智慧交通系統(tǒng)實(shí)現(xiàn)全域動(dòng)態(tài)調(diào)控與閉環(huán)優(yōu)化，6G網(wǎng)絡(luò)構(gòu)建語(yǔ)義驅(qū)動(dòng)的通信范突破了傳統(tǒng)數(shù)據(jù)傳輸框架，通過(guò)語(yǔ)義特征提取與背景知識(shí)庫(kù)協(xié)同，從多模態(tài)數(shù)據(jù)中剝離冗余信息，實(shí)現(xiàn)交通態(tài)勢(shì)核心語(yǔ)義的輕量化傳輸；依托邊緣節(jié)點(diǎn)的分布式語(yǔ)義推理能力，完成事故識(shí)別、信號(hào)配時(shí)等決策的毫秒級(jí)閉環(huán)；同時(shí)基于語(yǔ)義感知網(wǎng)絡(luò)切片，動(dòng)態(tài)適配應(yīng)急車(chē)輛通行等高優(yōu)先級(jí)場(chǎng)景的資源分配，保障控制指令的無(wú)損可達(dá)。面對(duì)復(fù)雜城市信道環(huán)境，需融合語(yǔ)義重傳機(jī)制與自適應(yīng)編碼策略，強(qiáng)化高樓遮擋等極端場(chǎng)景下的傳輸魯棒性。在6G網(wǎng)絡(luò)時(shí)代，自主網(wǎng)絡(luò)已成為實(shí)現(xiàn)網(wǎng)絡(luò)自監(jiān)控、自組織、自?xún)?yōu)化和自愈的重要方向。所謂自主網(wǎng)絡(luò)，即依托人工智能和機(jī)器學(xué)習(xí)，實(shí)現(xiàn)網(wǎng)絡(luò)系統(tǒng)在極少甚至無(wú)需人工干預(yù)下完成全流程自管理。數(shù)字孿生作為物理網(wǎng)絡(luò)的虛擬映射，不僅能夠在安全虛擬環(huán)境中預(yù)先驗(yàn)證優(yōu)化方案，還能為實(shí)際網(wǎng)絡(luò)調(diào)優(yōu)提供精準(zhǔn)依據(jù)。語(yǔ)義通信技術(shù)在此過(guò)程中扮演關(guān)鍵角色，通過(guò)對(duì)網(wǎng)內(nèi)海量數(shù)據(jù)的深度特征提取和壓縮編碼，精準(zhǔn)提煉出與網(wǎng)絡(luò)狀態(tài)和性能緊密相關(guān)的核心語(yǔ)義信息，并僅傳輸這些高價(jià)值數(shù)據(jù)，從而大幅降低傳輸負(fù)載與時(shí)延。本用例基于運(yùn)營(yíng)商“KK”的6G網(wǎng)絡(luò)服務(wù)，該網(wǎng)絡(luò)具備動(dòng)態(tài)創(chuàng)建數(shù)字孿生實(shí)例的能力，并通過(guò)語(yǔ)義通信實(shí)現(xiàn)物理網(wǎng)絡(luò)與數(shù)字域之間高效、無(wú)冗余的數(shù)據(jù)映射，確保即使在多機(jī)位4K視頻直播、現(xiàn)場(chǎng)觀眾VR互動(dòng)和視頻通話等多業(yè)務(wù)并發(fā)場(chǎng)景下，依舊能夠?qū)崟r(shí)、準(zhǔn)確地反映網(wǎng)絡(luò)關(guān)鍵狀態(tài)。圖2.2-6語(yǔ)義通信賦能6G數(shù)字孿生網(wǎng)絡(luò)場(chǎng)景在實(shí)際應(yīng)用中，語(yǔ)義通信在6G自主網(wǎng)絡(luò)中發(fā)揮著關(guān)鍵作用，通過(guò)一整套端到端流程實(shí)現(xiàn)數(shù)據(jù)采集、語(yǔ)義壓縮和數(shù)字孿生建模。在某大型體育場(chǎng)演唱會(huì)場(chǎng)景中，運(yùn)營(yíng)商通過(guò)邊緣語(yǔ)義通信模塊實(shí)時(shí)采集流量日志、業(yè)務(wù)特征和QoS指標(biāo)，并通過(guò)語(yǔ)義編碼提煉為時(shí)空分布向量、業(yè)務(wù)意圖標(biāo)簽和性能需求參數(shù)，上傳至數(shù)字孿生平臺(tái)。平臺(tái)結(jié)合歷史關(guān)鍵性能指標(biāo)（KeyPerformanceIndicator,KPI）進(jìn)行拓?fù)鋬?yōu)化與QoE預(yù)測(cè)，生成未來(lái)帶寬占用和風(fēng)險(xiǎn)等級(jí)報(bào)告，進(jìn)而制定網(wǎng)絡(luò)資源配置策略，確保4K直播、VR互動(dòng)和視頻通話的高用戶(hù)體驗(yàn)質(zhì)量（QualityofExperience,QoE）。通過(guò)“語(yǔ)義表征→業(yè)務(wù)預(yù)測(cè)→決策下發(fā)→物理執(zhí)行→閉環(huán)反饋”的全流程，語(yǔ)義通信與數(shù)字孿生有效實(shí)現(xiàn)了AI驅(qū)動(dòng)的網(wǎng)絡(luò)優(yōu)化與資源高效配置，顯著提升了網(wǎng)絡(luò)故障預(yù)警、資源調(diào)度和自愈能力。這一用例充分展示了語(yǔ)義通信在6G網(wǎng)絡(luò)中的關(guān)鍵價(jià)值，不僅降低了網(wǎng)絡(luò)冗余，還提高了自適應(yīng)網(wǎng)絡(luò)管理的效率，為未來(lái)6G自主網(wǎng)絡(luò)的智能化和高效管理奠定了基礎(chǔ)。語(yǔ)義通信在控制面中的一個(gè)典型應(yīng)用是對(duì)自適應(yīng)調(diào)制編碼（AdaptiveModulationandCoding,AMC）的增強(qiáng)：傳統(tǒng)AMC依賴(lài)于信道質(zhì)量指示（ChannelQualityIndicator,CQI）和混合自動(dòng)重傳請(qǐng)求（HybridAutomaticRepeatRequest,HARQ）反饋，但CQI存在反饋滯后和與實(shí)際信道不匹配的問(wèn)題，HARQ雖實(shí)時(shí)卻無(wú)法反映最優(yōu)不同調(diào)制和編碼方案（ModulationandCodingScheme,MCS）的組合等級(jí)，導(dǎo)致鏈路自適應(yīng)精度不足。為此，可將UE側(cè)的MCS的否定確認(rèn)（NegativeAcknowledgement,NACK）/確認(rèn)（Acknowledgement,ACK）概率或相關(guān)統(tǒng)計(jì)信息視為語(yǔ)義通信信源，經(jīng)由信源信道聯(lián)合編碼傳輸至基站，使基站能夠在實(shí)際運(yùn)行中通過(guò)解碼、公式計(jì)算或AI推理直接推斷出最優(yōu)MCS等級(jí)，從而實(shí)現(xiàn)更加精確、高效的鏈路自適應(yīng)。這種方法突破了傳統(tǒng)AMC對(duì)不完整信道信息的依賴(lài)，展現(xiàn)了語(yǔ)義通信賦能控制面的潛力。此外，在無(wú)線通信系統(tǒng)中，信道狀態(tài)信息（ChannelStateInformation,CSI）的準(zhǔn)確反饋對(duì)于實(shí)現(xiàn)高效的波束賦形和自適應(yīng)調(diào)制編碼至關(guān)重要。然而，傳統(tǒng)CSI反饋方法在高維多輸入多輸出（Multiple-InputMultiple-Output,MIMO）或大規(guī)模天線場(chǎng)景下存在反饋開(kāi)銷(xiāo)大、壓縮效率低及頻繁更新帶來(lái)的延遲問(wèn)題。語(yǔ)義通信通過(guò)引入端到端學(xué)習(xí)和任務(wù)驅(qū)動(dòng)的特征提取思想，為CSI壓縮與反饋提供了新路徑。基于信源信道聯(lián)合編碼（JointSource-ChannelCoding,JSCC）或信源信道聯(lián)合編碼與調(diào)制（JointSource-ChannelCodingandModulation,JSCCM系統(tǒng)可將高維CSI直接映射為壓縮語(yǔ)義特征向量，并在傳輸過(guò)程中同時(shí)兼顧信源特性與信道特性，實(shí)現(xiàn)壓縮與可靠傳輸?shù)穆?lián)合優(yōu)化。與傳統(tǒng)編碼方法相比，語(yǔ)義通信賦能的CSI反饋能夠顯著降低反饋開(kāi)銷(xiāo)，同時(shí)保持高重構(gòu)精度，并具備在動(dòng)態(tài)信道或低信噪比環(huán)境下的魯棒性，從而提升下行鏈路的調(diào)制適配和資源分配效率，為未來(lái)6G大規(guī)模MIMO和智能天線系統(tǒng)提供高效支持。第三章語(yǔ)義通信基礎(chǔ)理論3.1語(yǔ)義信息論本節(jié)給出了一種基于同義的語(yǔ)義信息理論框架[3][4]。根據(jù)以往的研究，注意到同義是語(yǔ)義信息的關(guān)鍵特征[5][6]。同義現(xiàn)象普遍存在于文本、語(yǔ)音、圖像和視頻等各種來(lái)源中。許多不同的句子、波形、分割對(duì)象、視頻幀序列都具有相同或相似的意義。本研究引入了同義映射來(lái)表示語(yǔ)義信息和語(yǔ)法信息之間的關(guān)系，即具有相同意義的語(yǔ)法信息對(duì)應(yīng)于同一個(gè)語(yǔ)義信息。以此為基礎(chǔ)，建立了語(yǔ)義信息理論的數(shù)學(xué)框架[3]。建立了語(yǔ)義熵、上下語(yǔ)義互信息、語(yǔ)義通道容量和語(yǔ)義率失真函數(shù)等語(yǔ)義信息度量方法。然后將漸近等分性質(zhì)推廣到語(yǔ)義，并引入同義典型集來(lái)證明語(yǔ)義重要編碼定理，即語(yǔ)義源編碼定理、語(yǔ)義信道編碼定理和語(yǔ)義率失真編碼定理。最后，還將這些理論推廣至更一般的連續(xù)信源信道，并給出了在有損與無(wú)損條件下的語(yǔ)義編碼性能極限。該語(yǔ)義信息理論框架作為傳統(tǒng)信息理論的推廣，有效的揭示了語(yǔ)義通信的本質(zhì)。在同義映射的基礎(chǔ)上對(duì)語(yǔ)義信息進(jìn)行了度量并指出了語(yǔ)義通信的性能極限。同時(shí)，語(yǔ)義信息論也在數(shù)學(xué)上指出了語(yǔ)義通信相較于傳統(tǒng)通信的巨大優(yōu)勢(shì)，為未來(lái)的語(yǔ)義通信系統(tǒng)的設(shè)計(jì)提供了有效的理論指導(dǎo)。圖3.1-1語(yǔ)義通信系統(tǒng)框圖圖3.1-1給出了語(yǔ)義通信的系統(tǒng)模型，語(yǔ)義信源生成了一個(gè)語(yǔ)義序列并通過(guò)同義映射驅(qū)動(dòng)語(yǔ)法信源生成一個(gè)對(duì)應(yīng)的語(yǔ)法序列。在同義映射的指導(dǎo)下，編碼器將語(yǔ)法消息轉(zhuǎn)換為一個(gè)碼字并發(fā)送到信道。在接收端，譯碼器從接收到的信號(hào)中進(jìn)行譯碼，以獲取重建的語(yǔ)法消息。最終，同樣在同義映射的指導(dǎo)下將語(yǔ)法碼字映射到語(yǔ)法碼字上，得到最終的結(jié)果，完成一次信息傳輸。需要說(shuō)明的是，上述步驟僅為語(yǔ)義通信系統(tǒng)的理論模型，并不代表實(shí)際傳輸中的物理實(shí)現(xiàn)。在實(shí)際傳輸中，可探測(cè)的信源往往是直接產(chǎn)生語(yǔ)法符號(hào)。因此，語(yǔ)義信源僅僅是一個(gè)理論概念。盡管如此，仍然可以通過(guò)同義集合來(lái)完成語(yǔ)義通信的系統(tǒng)模型的實(shí)例化，這將在下一小節(jié)進(jìn)行詳細(xì)說(shuō)明。圖3.1-2語(yǔ)義信息集和語(yǔ)法信息集之間的同義映射示例圖在實(shí)際傳輸中，信源往往是圖像、語(yǔ)音、文本等具體化的語(yǔ)法符號(hào)。這導(dǎo)致了只能直接觀察到語(yǔ)法信源符號(hào)，而不能直接依據(jù)語(yǔ)義對(duì)信息進(jìn)行處理。但是，由于語(yǔ)法符號(hào)往往是存在同義現(xiàn)象的。這使得仍然能夠通過(guò)將同義的語(yǔ)法符號(hào)合并為一個(gè)集合來(lái)指代對(duì)應(yīng)的語(yǔ)義符號(hào)。同義的語(yǔ)法符號(hào)的集合被稱(chēng)為同義集合。同義映射描述的即為語(yǔ)法符號(hào)與所有同義集合之間的映射關(guān)系。。同義映射為其之間的一個(gè)一對(duì)多的映射，f:d→u，即一個(gè)語(yǔ)義符號(hào)對(duì)應(yīng)一個(gè)或多個(gè)語(yǔ)法符號(hào)。對(duì)于任意元素，有。一般而言，語(yǔ)義信息集合要小于語(yǔ)法信息集合，即SN。此外，在同義映射f下，被劃分為一組同義集。其中，表示。因此，有并且。在同義映射的基礎(chǔ)上，可以定義語(yǔ)義信息指標(biāo)，如語(yǔ)義熵、上下語(yǔ)義互信息、語(yǔ)義通道容量和語(yǔ)義率失真函數(shù)。此外，通過(guò)一些推導(dǎo)可以得到語(yǔ)義熵和語(yǔ)義上下互信息與傳統(tǒng)信息熵與互信息的關(guān)系，從而說(shuō)明語(yǔ)義通信的優(yōu)勢(shì)。定義3.1.1：給定一個(gè)離散隨機(jī)變量u、對(duì)應(yīng)的語(yǔ)義變量和同義映射f:d→u，將語(yǔ)義變量的語(yǔ)義熵定義為：,其中是同義集合u,的序號(hào)索引集。本質(zhì)上，語(yǔ)義熵由信源iu的概率分布函數(shù)和同義映射共同決定。與信息熵類(lèi)似，語(yǔ)義熵也表示變量的完整性屬性，而不是針對(duì)于單個(gè)樣本。此外，它還依賴(lài)于由同義映射確定的同義集合分區(qū)。在公式(3.1-1)中，對(duì)數(shù)底數(shù)被取到基數(shù)2，將語(yǔ)義信息單位命名為語(yǔ)義二進(jìn)制數(shù)字，即sebit。定義3.1.5：給定兩個(gè)語(yǔ)義變量和，其對(duì)應(yīng)的語(yǔ)法隨機(jī)變量為和。兩者的聯(lián)合的情況下，上語(yǔ)義互信息定義為類(lèi)似地，下語(yǔ)義互信息定義為。接下來(lái)，展示這些互信息度量之間的關(guān)系。定理3.1.1互信息的鏈?zhǔn)揭?guī)則定義3.1.6：給定一個(gè)離散的無(wú)記憶信道，語(yǔ)義通道容量定義為其中最大值是遍歷所有可能的p(ar)和所得。根據(jù)定理1，信道互信息不大于上語(yǔ)義互信息，即。因此，可以得出信道容量并不大于語(yǔ)義容量，即C≤CS。定義3.1.7：給定一個(gè)獨(dú)立同分布信源x，其分布為p(ar)。對(duì)應(yīng)的語(yǔ)義信源為皮，語(yǔ)義失真函數(shù)為。其語(yǔ)義率失真函數(shù)定義為其中表示測(cè)試信道。在上文定義的語(yǔ)義信息度量的基礎(chǔ)上，將進(jìn)一步說(shuō)明語(yǔ)義編碼定理，包括語(yǔ)義信源編碼定理，語(yǔ)義信道編碼定理和語(yǔ)義率失真編碼定理。類(lèi)似于語(yǔ)法上的典型集合，可以定義語(yǔ)義典型集合。此外，還定義了同義典型集合。定義3.1.8：給定一個(gè)特定的典型序列，語(yǔ)法上典型序列fu"}。定義同義典型集合為經(jīng)驗(yàn)熵差接近真熵差的n長(zhǎng)序列的集合。的定義為。本質(zhì)上，是同義典型序列的一個(gè)等價(jià)類(lèi)。對(duì)于語(yǔ)法上的典型集合，可以得到一個(gè)商集并在和之間構(gòu)造一個(gè)一對(duì)一的映射。在[19]中，證明了當(dāng)充分大時(shí)，。定理3.1.2：給定一個(gè)離散隨機(jī)變量、對(duì)應(yīng)的語(yǔ)義變量和同義映射，對(duì)于任意編碼速率，存在一系列碼，當(dāng)n充分大時(shí)，其誤差概率接近于0，。反之，如果則對(duì)于任意的碼，當(dāng)充分大時(shí)，其誤差概率接近于1。定理3.1.3：給定語(yǔ)義信道，對(duì)任意的編碼速率:R<CS，。反之，如果R>CS，則對(duì)于任意的碼。當(dāng)編碼長(zhǎng)度足夠大時(shí)，錯(cuò)誤概率趨于1。在此給出了語(yǔ)義速率失真編碼定理的形式化描述。定理3.1.4語(yǔ)義率失真編碼定理給定一個(gè)獨(dú)立同分布的語(yǔ)法源x~p(ar)與對(duì)應(yīng)的語(yǔ)義源文。其間的同義映射為f，當(dāng)碼長(zhǎng)本節(jié)告提出了一種語(yǔ)義信息論，包括：基于信源中普遍存在的同義關(guān)系，提出了一種基于同義映射與同義集合的語(yǔ)義信息模型。在該模型中，語(yǔ)法信息與語(yǔ)義信息通過(guò)同義映射建立聯(lián)系。具有相同語(yǔ)義的語(yǔ)法信息構(gòu)成了同義集合并對(duì)應(yīng)到語(yǔ)義符號(hào)。在實(shí)際應(yīng)用中，同義集合互不相交且能夠完整覆蓋語(yǔ)法信息集合。每個(gè)同義集合至少包含一個(gè)語(yǔ)法符號(hào)。在此模型下，語(yǔ)義信息仍是非具象化的，但是可以通過(guò)同義映射進(jìn)行數(shù)值計(jì)算。利用同義映射與同義集合建立語(yǔ)法信息與語(yǔ)義信息的關(guān)系后，引入了語(yǔ)義熵、語(yǔ)義互信息、語(yǔ)義信道容量與語(yǔ)義率失真等信息度量。這使得語(yǔ)義信息能夠和語(yǔ)法信息一樣進(jìn)行信息量的計(jì)算。在此基礎(chǔ)上給出了語(yǔ)義互信息與語(yǔ)義熵的鏈?zhǔn)椒▌t，并將其與傳統(tǒng)熵與互信息進(jìn)行了比較，說(shuō)明了語(yǔ)義通信的潛在優(yōu)勢(shì)。本節(jié)將漸進(jìn)均分特性從語(yǔ)法層面拓展至語(yǔ)義層面，隨后引入了同義典型集合的概念。在此基礎(chǔ)上證明了語(yǔ)義信源編碼定理，語(yǔ)義信道編碼定理與語(yǔ)義率失真編碼定理。為語(yǔ)義編碼理論提供了理論基礎(chǔ)并說(shuō)明了其性能極限。3.2信息傳導(dǎo)率本節(jié)繼承多用戶(hù)語(yǔ)義信息傳輸場(chǎng)景的理論分析工作中引入的“適配度”概念[5]，提出一種面向信息傳輸能力的統(tǒng)一度量指標(biāo)-信息傳導(dǎo)率（InformationConductivity，或簡(jiǎn)稱(chēng)為“信導(dǎo)率”）[6]。信息傳導(dǎo)率基于香農(nóng)信源信道編碼定理提出，與傳統(tǒng)通信系統(tǒng)中的頻譜效率度量具有自然兼容性，同時(shí)可以兼容網(wǎng)絡(luò)信息論中的多用戶(hù)傳輸容量域分析理論，能夠有效對(duì)比包括語(yǔ)義通信方法和傳統(tǒng)通信方法在內(nèi)的不同通信方法的信息傳輸能力。本節(jié)將從所提度量指標(biāo)的定義與物理意義出發(fā)，給出針對(duì)于不同通信方案的信導(dǎo)率度量方法，并基于高斯信源-高斯信道場(chǎng)景，討論信導(dǎo)率度量的自由度和漸進(jìn)性理論分析，最后給出實(shí)驗(yàn)驗(yàn)證結(jié)果，證明該度量指標(biāo)的合理性。信息傳導(dǎo)率度量的提出源于經(jīng)典信息論關(guān)于編碼設(shè)計(jì)的兩個(gè)定理。其一為香農(nóng)與韋佛提出的編碼與最大速率傳輸定理，其中，這一定理的內(nèi)容由香農(nóng)在經(jīng)典文獻(xiàn)[7]中給出，并由韋佛[8]給出概括性描述：定理1（編碼與最大速率傳輸定理對(duì)于一個(gè)容量為的傳輸信道，其輸入為熵（或信息量）為，通過(guò)在發(fā)射機(jī)中設(shè)計(jì)適當(dāng)?shù)木幋a方法，通信系統(tǒng)可以以接近C/H的平均速率在信道中無(wú)失真的傳輸信源信息，其中，不論編碼方法如何設(shè)計(jì)，其傳輸速率不可能超過(guò)。定理2（信源信道編碼定理如果有限字符集隨機(jī)過(guò)程的熵值H(X)小于等于離散無(wú)記憶信道容量:C，即滿足,H(X)≤C的關(guān)系，則針對(duì)任意信源序列l(wèi)ex，存在一種信源-信道編碼方法，使得傳輸差錯(cuò)。在這兩個(gè)定理的基礎(chǔ)上，給出信息傳導(dǎo)率的定義：定義1：信息傳導(dǎo)率I.(D)表示通信系統(tǒng)在給定信道條件與端到端失真約束:D的條件下，能夠提供的端到端信源信息傳輸速率，其可以表示為(3.2-1)其中，傳輸?shù)幕締卧獮榫哂?bit信息量的信源信息。信息傳導(dǎo)率的定名與電學(xué)中的電導(dǎo)、電導(dǎo)率概念以及熱力學(xué)中的熱導(dǎo)、熱導(dǎo)率概念相對(duì)應(yīng)（因此可簡(jiǎn)稱(chēng)為“信導(dǎo)率”其定義的形式繼承自先前針對(duì)于多用戶(hù)語(yǔ)義通信場(chǎng)景的理論分析工作中引入的“適配度”概念。需要說(shuō)明的是，“適配度”這一意義表示的是信源編碼和信道編碼之間的適配程度，而在一個(gè)給定參數(shù)下的通信系統(tǒng)中，信源編碼與信道編碼之間的適配程度越高，通信系統(tǒng)能夠提供的信息傳輸能力也就越強(qiáng)。也就是說(shuō)，這兩個(gè)概念本質(zhì)上表示的是相同的含義。而“信息傳導(dǎo)率”這一定名，能夠與電學(xué)和熱力學(xué)中的“電導(dǎo)率”和“熱導(dǎo)率”物理量相對(duì)齊，具有更加明確的物理意義。圖3.2-1信息傳導(dǎo)率的物理意義示意圖圖3.2-1給出了信導(dǎo)率的物理意義示意圖。其中，信息傳輸過(guò)程被刻畫(huà)為一個(gè)由編碼器、信道、解碼器拼接而成的“傳輸隧道”，實(shí)現(xiàn)了從信源到信宿之間的端到端傳輸過(guò)程，而通信系統(tǒng)的信息傳導(dǎo)率則被表征為“傳輸隧道”中明確給出的一個(gè)圓柱體的體積。在圖3.2-1中，信道傳輸速率:RCC為整個(gè)“傳輸隧道”的體積，而信源編碼速率RSC(D)則表示為信源與“傳輸隧道”之間接觸面的橫截面積。接觸面中的每一個(gè)虛線邊緣的圓形表示具有1bit信息量信源信息的傳輸單元，因此:RSC(D)在數(shù)值上也等于接觸面中傳輸單元的數(shù)量（盡管在實(shí)際情況中，RSC(D)的取值并不總為整數(shù)值）。因此，“傳輸隧道”中給出的圓柱體的體積具有明確的物理意義：其表示一個(gè)給定通信系統(tǒng)在給定信道傳輸速率:RCC的條件下，在給定端到端失真約束的條件下，以傳輸單元為單位進(jìn)行信息傳輸，通信系統(tǒng)能夠?yàn)樾旁刺峁┑亩说蕉诵旁磦鬏斔俾蔍.(D)，其數(shù)值上等于“傳輸隧道”體積RCC與傳輸單元數(shù)量.RSC(D)的比值。需要注意的是，定義式中端到端失真項(xiàng)并不局限于傳統(tǒng)的失真指標(biāo)（如均方誤差（MeanSquaredError,MSE相反，任意端到端的語(yǔ)義質(zhì)量/失真指標(biāo)或下游任務(wù)準(zhǔn)確度指標(biāo)都可以被使用。根據(jù)定義式和物理意義，可以給出如下定理：定理3（信息傳導(dǎo)定理對(duì)于一個(gè)通信系統(tǒng)，在給定端到端失真約束:D的條件下，提升信道傳輸速率.RCC可以提升該通信系統(tǒng)的信息傳輸能力；相應(yīng)地，降低信源編碼速率I.(D)=R與其他語(yǔ)義通信方法的度量相比，信導(dǎo)率度量能夠同時(shí)考慮通信系統(tǒng)的信息傳輸速率以及端到端的語(yǔ)義失真，因此能夠成為較為完備地度量語(yǔ)義通信系統(tǒng)的信息傳輸能力。此外，信導(dǎo)率度量可以兼容點(diǎn)對(duì)點(diǎn)通信場(chǎng)景以及多用戶(hù)通信場(chǎng)景，能夠作為面向語(yǔ)義通信方法性能分析理論的研究基礎(chǔ)以及性能評(píng)估的方法。本節(jié)提出了一種語(yǔ)義通信方法通用的信息傳輸能力度量，即信息傳導(dǎo)率。具體而言，本提案闡述了其物理意義、定義式以及簡(jiǎn)化度量方法，并分析影響其數(shù)值的自由度以及特殊條件下的漸進(jìn)結(jié)果。3.3模分多址理論本節(jié)給出了一種語(yǔ)義多址接入（MDMA）技術(shù)方案[9]。首先，介紹了MDMA的上行/下行鏈路結(jié)構(gòu)設(shè)計(jì)方法以及相應(yīng)的處理步驟；其次，以信息理論的角度，證明所提出的MDMA方案在理論上與其他現(xiàn)有多址接入方案相比具有性能增益；隨后，通過(guò)一些實(shí)驗(yàn)設(shè)計(jì)，驗(yàn)證所提MDMA方案在實(shí)際場(chǎng)景具有的性能優(yōu)勢(shì)，并且驗(yàn)證了MDMA方案與現(xiàn)有多址接入技術(shù)結(jié)合使用的可行性與性能優(yōu)勢(shì)。本節(jié)提出的語(yǔ)義多址接入新型方法與智簡(jiǎn)空口結(jié)構(gòu)設(shè)計(jì)，能夠促使語(yǔ)義通信技術(shù)在未來(lái)移動(dòng)通信網(wǎng)絡(luò)中的實(shí)現(xiàn)與實(shí)際應(yīng)用，具有性能優(yōu)勢(shì)、強(qiáng)兼容性與可實(shí)現(xiàn)性。圖3.3-1MDMA上行鏈路示意圖為便于給出MDMA上行鏈路設(shè)計(jì)方法，本提案給出2配對(duì)用戶(hù)場(chǎng)景下的MDMA上行鏈路設(shè)計(jì)作為示例，如圖3.3-1所示。其主要步驟如下：步驟1：小區(qū)范圍內(nèi)的多個(gè)用戶(hù)終端向基站發(fā)起上行傳輸請(qǐng)求，基站在小區(qū)范圍內(nèi)尋找需要進(jìn)行MDMA上行配對(duì)的用戶(hù)1和用戶(hù)2；步驟2：用戶(hù)1和用戶(hù)2的終端分別利用深度神經(jīng)網(wǎng)絡(luò)從各自需要發(fā)送的信源.a和中提取各自發(fā)送內(nèi)容的語(yǔ)義信息和,作為公共語(yǔ)義信息，在相同的時(shí)頻資源上進(jìn)行信號(hào)映射，并在T1時(shí)刻送入上行多址接入信道，在對(duì)應(yīng)的時(shí)頻資源上進(jìn)行疊加，使基站能夠接收到混疊后的公共語(yǔ)義信息,sz+sy;步驟3：用戶(hù)1和用戶(hù)2將部分和部分.sy作為每個(gè)用戶(hù)的專(zhuān)用語(yǔ)義信息，在不同的時(shí)頻資源上進(jìn)行信號(hào)映射，并在T2時(shí)刻送入上行多址接入信道，使基站能夠接收到用戶(hù)發(fā)送的部分和部分.sy；步驟4：基站根據(jù)接收到的混疊公共語(yǔ)義信息（即sz+sy以及兩個(gè)用戶(hù)的專(zhuān)用語(yǔ)義信息（即部分和部分.sy利用深度神經(jīng)網(wǎng)絡(luò)，以公共語(yǔ)義信息和每個(gè)用戶(hù)的專(zhuān)用語(yǔ)義信息作為輸入，恢復(fù)出各自的語(yǔ)義信息和；步驟5：基站根據(jù)恢復(fù)出的語(yǔ)義信息和，利用深度神經(jīng)網(wǎng)絡(luò)恢復(fù)出兩個(gè)用戶(hù)所發(fā)送的信源信息和。需要說(shuō)明的是，上述步驟僅為2配對(duì)用戶(hù)場(chǎng)景下MDMA上行鏈路的示例。在實(shí)際方案設(shè)計(jì)中，可以根據(jù)實(shí)際場(chǎng)景要求修改可以接受的配對(duì)用戶(hù)數(shù)，并將上述處理步驟擴(kuò)展為多用戶(hù)的語(yǔ)義多址接入上行鏈路處理步驟。圖3.3-2MDMA下行鏈路示意圖與MDMA上行鏈路設(shè)計(jì)方法的介紹方法相同，本提案給出2配對(duì)用戶(hù)場(chǎng)景下的MDMA上行鏈路設(shè)計(jì)作為示例，如圖3.3-2所示。其主要步驟如下：步驟1：基站在小區(qū)范圍內(nèi)尋找需要進(jìn)行MDMA下行配對(duì)的用戶(hù)1和用戶(hù)2；步驟2：基站端利用深度神經(jīng)網(wǎng)絡(luò)，從需要向每個(gè)用戶(hù)發(fā)送的信源中提取出語(yǔ)義信息，并將需要向用戶(hù)1發(fā)送的信源信息記為，從中提取出的語(yǔ)義信息記為sz，將需要向用戶(hù)2發(fā)送的信息記為，從中提取出的語(yǔ)義信息記為；步驟3：基站將所有用戶(hù)對(duì)應(yīng)的語(yǔ)義信息在時(shí)頻資源上進(jìn)行疊加映射，獲得Sz+sy，作為公共語(yǔ)義信息，并選取與用戶(hù)1對(duì)應(yīng)的部分、與用戶(hù)2對(duì)應(yīng)的部分.sy，作為每個(gè)用戶(hù)的專(zhuān)用語(yǔ)義信息，映射到另一部分時(shí)頻資源當(dāng)中，與公共語(yǔ)義信息一起，送入到下行廣播信道中；步驟4：用戶(hù)1與用戶(hù)2從下行廣播信道中獲取到混疊的公共語(yǔ)義信息（即Sz+sy以及各自的專(zhuān)用語(yǔ)義信息（即部分和部分.sy并分別利用深度神經(jīng)網(wǎng)絡(luò)，以公共語(yǔ)義信息和各自的專(zhuān)用語(yǔ)義信息作為輸入，恢復(fù)出各自的語(yǔ)義信息S2需要說(shuō)明的是，上述步驟僅為2配對(duì)用戶(hù)場(chǎng)景下MDMA下行鏈路的示例。在實(shí)際方案設(shè)計(jì)中，可以根據(jù)實(shí)際場(chǎng)景要求修改可以接受的配對(duì)用戶(hù)數(shù)，并將上述處理步驟擴(kuò)展為多用戶(hù)的語(yǔ)義多址接入下行鏈路處理步驟。MDMA接入技術(shù)及其鏈路設(shè)計(jì)，相較于傳統(tǒng)的正交和非正交多址接入方法，能夠?qū)崿F(xiàn)更優(yōu)的傳輸性能增益。以下將從信息論的角度，對(duì)MDMA性能增益的來(lái)源進(jìn)行理論分析。上行MDMA的信號(hào)模型在形式上具有與上行功率域非正交多址接入（即P-NOMA）方法的相近的信號(hào)模型。由于上行P-NOMA方案能夠被證明可以達(dá)到多址接入信道的可達(dá)容量域極限[7][10]，因此很容易可以證明，上行MDMA系統(tǒng)也可以達(dá)到多址接入信道的可達(dá)容量域極限。為了能夠在理論上對(duì)上行MDMA系統(tǒng)和傳統(tǒng)的多址接入系統(tǒng)（正交多址接入系統(tǒng)OMA以及非正交多址接入系統(tǒng)NOMA）所能夠提供的系統(tǒng)性能進(jìn)行比較，定義了一個(gè)新的理論指標(biāo)，稱(chēng)為“適配度”（用表示用于描述信道為多址接入系統(tǒng)中的每個(gè)用戶(hù)能夠提供服務(wù)的能力。它可以定義為通道傳輸速率和RSC之間的比例，即：?；谶@個(gè)新的理論指標(biāo)，構(gòu)建了適配度上的可達(dá)區(qū)域，稱(chēng)為“適配域”，用于描述信道對(duì)具有2個(gè)配對(duì)用戶(hù)的上行MDMA系統(tǒng)和其他對(duì)比方案的用戶(hù)服務(wù)能力，如圖3.3-3所示。在具有兩個(gè)配對(duì)用戶(hù)的多址接入信道下，基站通過(guò)上行MDMA可以獲得的接收信號(hào)為其中，與分別為兩個(gè)用戶(hù)的信號(hào)傳輸功率。此時(shí)，基站需要使用串行干擾消除（SuccessiveInterferenceCancellation,SIC）來(lái)檢測(cè)兩個(gè)用戶(hù)的信號(hào)，因此每個(gè)用戶(hù)（i=1,2）的信道容量.c"可以表示為(3.3-2)此外，兩個(gè)用戶(hù)在上行多指信道下的和信道容量可以表示為(3.3-3)圖3.3-3上行MDMA與對(duì)比方案的適配域示意圖下面考慮在使用不同多址接入方案中的所采用的信源編碼方法。所述對(duì)比方案（包括正交多址接入方案OMA和非正交多址接入方案NOMA）通常使用傳統(tǒng)的信源編碼方法，其對(duì)信源進(jìn)行壓縮后的信源編碼速率記為與上行MDMA方案則采用語(yǔ)義信源編碼方法，其對(duì)信源進(jìn)行壓縮后的信源編碼速率記為。它們分別可以表示兩個(gè)用戶(hù)同時(shí)采用對(duì)應(yīng)編碼方法后所獲得的信源編碼速率的最小值，即：(3.3-4)(3.3-5)(3.3-6)其中、、分別表示上行OMA系統(tǒng)、上行NOMA系統(tǒng)和上行MDMA系統(tǒng)中每個(gè)用戶(hù)的信源編碼速率。由圖3.3-3可知，與上行NOMA方案DivisionMultipleAccess,TDMA）與頻分多址（FrequencyDivisionMultipleAccess,FDMA）為例）的適配域較低，因?yàn)樯闲蠴MA方案的總傳輸速率無(wú)法達(dá)到總信道容量(3.3-7)因此對(duì)每個(gè)用戶(hù)，信道能夠?yàn)閮煞N方案提供的適配度有如下關(guān)系：這與上行OMA方案與上行NOMA方案的可達(dá)容量域的關(guān)系相近。然而，由于語(yǔ)義編碼器通常表現(xiàn)出比傳統(tǒng)編碼器編碼速率更低的編碼速率，因此對(duì)每個(gè)用戶(hù)，信道能夠?yàn)閮煞N方案提供的適配度有如下關(guān)系：(3.3-9)即信道能夠?yàn)樯闲蠱DMA提供更大的適配域，這表明上行MDMA系統(tǒng)與上行NOMA系統(tǒng)相比具有性能優(yōu)勢(shì)。與上行MDMA理論分析過(guò)程相同，可以構(gòu)建一個(gè)可達(dá)的適配域，以評(píng)估信道為下行MDMA方案與其他下行對(duì)比方案（包括正交多址接入方案OMA和非正交多址接入方案NOMA）中的用戶(hù)服務(wù)能力，如圖3.3-4所示。其中，在面向兩個(gè)配對(duì)用戶(hù)的下行廣播信道下，2個(gè)用戶(hù)終端通過(guò)下行MDMA系統(tǒng)獲得的接收信號(hào)為(3.3-10)其中n~N(0,fI)與分別為用戶(hù)終端1與用戶(hù)終端2處的噪聲序列與n2的噪聲功率；此外，假設(shè)，即用戶(hù)1具有較大的傳輸功率。圖3.3-4下行MDMA與對(duì)比方案的適配域示意圖在這種下行廣播信道場(chǎng)景下，具有較大功率因子的用戶(hù)1的接收信號(hào)需要在有用戶(hù)2的信號(hào)干擾的條件下進(jìn)行帶干擾信號(hào)檢測(cè)，其信道容量.cf可以表示為(3.3-12)而對(duì)于具有較小功率因子的用戶(hù)2來(lái)講，則需要先將用戶(hù)1的信號(hào)進(jìn)行干擾抵消，再進(jìn)行用戶(hù)2的信號(hào)檢測(cè)，其信道容量cg可以表示為此外，、和分別表示下行OMA與NOMA使用傳統(tǒng)信源編碼器以及下行MDMA使用語(yǔ)義信源編碼器的條件下，所有用戶(hù)的最小信源編碼率，其定義形式與(3.3-4)、(3.3-5)和(3.3-6)相同，并且具有與上行多址接入信道理論分析過(guò)程中相同的速率關(guān)系。圖3.3-4給出了下行MDMA方案與其他對(duì)比方案在下行廣播信道中的適配域。其中，下行NOMA方案的適配域?yàn)楹谏€邊界區(qū)域，下行OMA方案（以TDMA與FDMA為例）的適配域低于下行NOMA方案，這與下行OMA方案與下行NOMA方案的可達(dá)容量域的關(guān)系相近[9][11]。然而，由于語(yǔ)義信源編碼速率相比于傳統(tǒng)信源編碼速率有所降低，因此下行MDMA系統(tǒng)具有比下行NOMA系統(tǒng)更大的適配域，即：(3.3-14)因此，信道可以為下行MDMA系統(tǒng)中的用戶(hù)提供更大的適配度，即說(shuō)明，下行鏈路MDMA可以獲得比傳統(tǒng)方案更多的性能增益。圖3.3-5MDMA方案與OFDMA、NOMA方案的性能對(duì)比下面首先評(píng)估MDMA方案性能以及與正交頻分多址（OrthogonalFrequencyDivisionMultipleAccess,OFDMA）方案以及非正交NOMA方案在2用戶(hù)多址接入信道下獲得的性能對(duì)比，如圖3.3-5所示。其中，OFDMA方案參照[12]進(jìn)行設(shè)計(jì)，兩用戶(hù)不區(qū)分主次，以其中一個(gè)用戶(hù)的性能作為參照；NOMA方案參照[13]進(jìn)行設(shè)計(jì)，其中，兩個(gè)用戶(hù)的功率比設(shè)為4:1；MDMA方案的語(yǔ)義通信模型結(jié)構(gòu)參照[14]進(jìn)行設(shè)計(jì)，采用1:1的功率比，并不存在其他性能影響因素。三種方案占用相等的時(shí)頻資源。此外，傳輸?shù)臄?shù)據(jù)為圖像信源，使用的數(shù)據(jù)集為CIFAR10，評(píng)估性能指標(biāo)采用PSNR。l觀察1：在信噪比為0dB的低信噪比場(chǎng)景下，MDMA方案的性能相較于OFDMA提高了方案6.3dB；l觀察2：在信噪比為0dB的低信噪比場(chǎng)景下，MDMA方案的性能相較于NOMA方案提高了6.9dB；l觀察3：在大部分低信噪比場(chǎng)景下，MDMA方案的性能相比于其他方案具有明顯性能優(yōu)勢(shì)。圖3.3-6MDMA與NOMA結(jié)合方案與純NOMA方案的性能對(duì)比由于MDMA方案與現(xiàn)有的正交、非正交多址接入方案具有可結(jié)合能力，因此，下面給出考慮MDMA方案與NOMA方案結(jié)合時(shí)，其與純NOMA方案在2用戶(hù)多址接入信道下獲得的性能對(duì)比，如圖3.3-6所示。其中，NOMA方案參照[13]進(jìn)行設(shè)計(jì)，其中，兩個(gè)用戶(hù)的功率比設(shè)為4:1；MDMA方案的語(yǔ)義通信模型結(jié)構(gòu)參照[14]進(jìn)行設(shè)計(jì)，在使用NOMA之前，不存在其他性能影響因素。另外，MDMA方案與NOMA方案結(jié)合后的方案占用0.75份時(shí)頻資源，而NOMA方案占用1份時(shí)頻資源。傳輸?shù)臄?shù)據(jù)為圖像信源，使用的數(shù)據(jù)集為CIFAR10，評(píng)估性能指標(biāo)采用PSNR。l觀察4：在信噪比為0dB的低信噪比場(chǎng)景下，MDMA方案與NOMA方案結(jié)合后的方案性能相較于純NOMA方案提高了2.1dB；l觀察5：在全局信噪比范圍內(nèi)，MDMA方案與NOMA方案結(jié)合后的方案性能具有與純NOMA方案相近或更優(yōu)的性能，且具有較為明顯的性能優(yōu)勢(shì)；l觀察6：MDMA方案與NOMA方案結(jié)合后的方案能夠在性能接近或更優(yōu)的條件下，節(jié)省25%的傳輸帶寬。本節(jié)提出了一種語(yǔ)義多址接入方法與智簡(jiǎn)空口設(shè)計(jì)方案，包括：（1）基于語(yǔ)義域，設(shè)計(jì)新的語(yǔ)義多址接入MDMA方法：用戶(hù)從信源中提取語(yǔ)義特征，能夠?qū)τ脩?hù)所傳信息的個(gè)性特征進(jìn)行建模，因此，語(yǔ)義域信息本身具有一定的用戶(hù)可區(qū)分性，具備多用戶(hù)區(qū)分的基礎(chǔ)與潛力?；谶@一原因，本提案提出了語(yǔ)義多址接入（或稱(chēng)“模分多址”）MDMA方法。（2）提出MDMA上行/下行鏈路設(shè)計(jì)方法：其中，上行鏈路的用戶(hù)終端和下行鏈路中的基站端，通過(guò)向上行多址接入信道和下行廣播信道傳輸共用語(yǔ)義信息和少量專(zhuān)有語(yǔ)義信息，在接收端進(jìn)行多用戶(hù)語(yǔ)義特征及其對(duì)應(yīng)信源信息的重建，從而實(shí)現(xiàn)多用戶(hù)語(yǔ)義信息檢測(cè)。（3）以信息論為基礎(chǔ)，定義適配度新指標(biāo)：從理論角度，本提案證明MDMA方案在所提適配度新指標(biāo)以及對(duì)應(yīng)的可達(dá)適配域上，相對(duì)于OMA、NOMA等傳統(tǒng)多址接入方法具有性能增益；此外，基于實(shí)驗(yàn)結(jié)果可以分析，MDMA方案相比于對(duì)比方案存在明顯性能增益，驗(yàn)證了理論分析的結(jié)果。第四章語(yǔ)義通信系統(tǒng)設(shè)計(jì)方法傳統(tǒng)通信系統(tǒng)主要以“信號(hào)的精確還原”為目標(biāo)，其設(shè)計(jì)遵循香農(nóng)提出的經(jīng)典信息論框架，即通過(guò)信源編碼、信道編碼、調(diào)制等方式，在盡量少出錯(cuò)的前提下傳輸比特信息。然而，隨著6G時(shí)代的到來(lái)，爆炸式增長(zhǎng)的多模態(tài)數(shù)據(jù)與泛在智能終端對(duì)網(wǎng)絡(luò)效率、認(rèn)知能力提出了更高要求，傳統(tǒng)“比特驅(qū)動(dòng)”的通信模式已逐漸顯露出帶寬冗余、語(yǔ)義冗余和任務(wù)冗余等問(wèn)題。在此背景下，語(yǔ)義通信作為一種“以意義為中心”的通信范式被提出，其起源可追溯至1953年Weaver提出的通信三層模型，即語(yǔ)法層、語(yǔ)義層和語(yǔ)用層，語(yǔ)義層關(guān)注符號(hào)如何準(zhǔn)通信隱私保護(hù)方法確傳達(dá)含義，是語(yǔ)義通信的最早理論基礎(chǔ)。近年來(lái)，得益于人工智能、深度學(xué)習(xí)與知識(shí)圖譜技術(shù)的突破，語(yǔ)義通信迎來(lái)了實(shí)質(zhì)性的發(fā)展。不同于僅關(guān)心比特錯(cuò)誤率或信號(hào)失真，語(yǔ)義通信關(guān)注信息的“語(yǔ)義保真度”與“任務(wù)完成率”，致力于“壓縮冗余語(yǔ)義、傳輸核心意義”，使通信過(guò)程更貼近人類(lèi)認(rèn)知習(xí)慣，成為構(gòu)建6G智能通信系統(tǒng)的關(guān)鍵方向之一。語(yǔ)義通信系統(tǒng)重構(gòu)了傳統(tǒng)通信的處理流程，圖4.1-1中所示為一種典型的端到端語(yǔ)義通信架構(gòu)。語(yǔ)義通信系統(tǒng)從“信源”到“信宿”依次包含六大核心功能模塊：語(yǔ)義信息提取與表征、語(yǔ)義信息編碼、信源信道編碼、無(wú)線傳輸、信源信道解碼、語(yǔ)義信息譯碼與任務(wù)執(zhí)行。首先，輸入數(shù)據(jù)（如圖像、文本、語(yǔ)音）在“語(yǔ)義信息提取與表征”模塊中被轉(zhuǎn)化為緊湊且抽象的語(yǔ)義特征數(shù)據(jù)。接著，語(yǔ)義特征數(shù)據(jù)通過(guò)“語(yǔ)義編碼器”進(jìn)行壓縮，并進(jìn)入“信源信道聯(lián)合編碼”模塊，該模塊融合信道狀態(tài)信息和語(yǔ)義重要性，從而設(shè)計(jì)出更具魯棒性的編碼策略，實(shí)現(xiàn)最小資源消耗下的高保真?zhèn)鬏敗Ｐ盘?hào)經(jīng)過(guò)信道傳輸后，在接收端依次通過(guò)信源信道解碼、語(yǔ)義信息譯碼，結(jié)合上下文和任務(wù)先驗(yàn)知識(shí)，逐步還原為完整的語(yǔ)義表征，最終在“任務(wù)執(zhí)行”模塊中轉(zhuǎn)化為具體的決策動(dòng)作、圖像重建、目標(biāo)識(shí)別等任務(wù)結(jié)果。整體架構(gòu)以“語(yǔ)義最小單元”為傳輸對(duì)象，以任務(wù)目標(biāo)為優(yōu)化依據(jù)，摒棄傳統(tǒng)的“位-符號(hào)”邏輯，轉(zhuǎn)向“語(yǔ)義-任務(wù)”協(xié)同驅(qū)動(dòng)，大幅提升了通信效率和智能化水平。圖4.1-1語(yǔ)義通信系統(tǒng)基礎(chǔ)框架在語(yǔ)義通信中，知識(shí)的引入是實(shí)現(xiàn)語(yǔ)義對(duì)齊與智能通信的關(guān)鍵。系統(tǒng)中的“語(yǔ)義知識(shí)庫(kù)”貫穿發(fā)送端、信道處理與接收端三個(gè)層級(jí)，支持通信過(guò)程中語(yǔ)義抽取、壓縮、還原與推理全流程的智能化。發(fā)送端語(yǔ)義知識(shí)庫(kù)輔助“語(yǔ)義信息提取與編碼”，通過(guò)語(yǔ)義圖譜、先驗(yàn)知識(shí)增強(qiáng)、注意力機(jī)制等方式，幫助系統(tǒng)判斷任務(wù)相關(guān)的關(guān)鍵信息并進(jìn)行語(yǔ)義重要性排序，有效壓縮冗余語(yǔ)義。在信道端，知識(shí)庫(kù)結(jié)合信道條件，提供信道狀態(tài)-語(yǔ)義特征聯(lián)合建模，提升抗衰落與魯棒性；同時(shí)，也支持動(dòng)態(tài)調(diào)度：在關(guān)鍵語(yǔ)義丟失或嚴(yán)重退化時(shí)優(yōu)先保障語(yǔ)義完整性。接收端語(yǔ)義知識(shí)庫(kù)則主要用于語(yǔ)義推理與缺失信息補(bǔ)全，特別是在圖像重構(gòu)、對(duì)話理解、VQA回答等任務(wù)中，可通過(guò)知識(shí)推理實(shí)現(xiàn)對(duì)模糊語(yǔ)義的準(zhǔn)確還原。此外，系統(tǒng)還設(shè)計(jì)了雙端知識(shí)庫(kù)一致性同步機(jī)制，實(shí)現(xiàn)知識(shí)更新、模型參數(shù)對(duì)齊、語(yǔ)義背景同步等功能，從而保持語(yǔ)義理解環(huán)境的一致性。隨著知識(shí)增強(qiáng)語(yǔ)義通信的發(fā)展，系統(tǒng)通信對(duì)象已不再局限于人-人之間，更擴(kuò)展至人-機(jī)、機(jī)-機(jī)之間的高效認(rèn)知交互。傳統(tǒng)通信系統(tǒng)的主要任務(wù)是實(shí)現(xiàn)比特級(jí)或符號(hào)級(jí)的信息準(zhǔn)確傳輸，其將比特誤碼率（BitErrorRatio,BER）或符號(hào)誤碼率（SymbolErrorRate,SER）作為其主要性能指標(biāo)。語(yǔ)義通信系統(tǒng)關(guān)注的是符號(hào)如何精準(zhǔn)表達(dá)所傳達(dá)所需的含義，因此語(yǔ)義通信系統(tǒng)需要重新建立語(yǔ)義度量指標(biāo)體系，用于評(píng)估語(yǔ)義信息恢復(fù)的準(zhǔn)確度。針對(duì)圖像、視頻、文本、語(yǔ)音等不同的模態(tài)的信源信息，其語(yǔ)義通信的評(píng)估指標(biāo)也有所不同，針對(duì)不同模態(tài)的信源給出不同的評(píng)估指標(biāo)。為實(shí)現(xiàn)對(duì)多種模態(tài)信源在語(yǔ)義通信系統(tǒng)中統(tǒng)一評(píng)估，通過(guò)對(duì)不同模態(tài)語(yǔ)義通信的評(píng)估指標(biāo)的總結(jié)，提出語(yǔ)義通信的一致性評(píng)估指標(biāo)。語(yǔ)義通信適配度評(píng)估指標(biāo)語(yǔ)義通信適配度（SemanticFeasibility,SF）結(jié)合了信道傳輸速率:RCC（上限受到信道容量限制）和信源編碼速率:RSC（下限受到信源的熵;H(ar)限制表征信道為語(yǔ)義通信系統(tǒng)提供的服務(wù)能力，其計(jì)算公式如下：(4.2-1)當(dāng),RSC歸一化為1時(shí)，它表示傳統(tǒng)的信道容量，只考慮了物理信道資源（時(shí)間、頻率、空間和功率缺乏對(duì)與信息源相關(guān)的語(yǔ)義業(yè)務(wù)能力的考慮。但是，語(yǔ)義通信系統(tǒng)對(duì)于信源和信道的聯(lián)合優(yōu)化，可以進(jìn)一步提高物理信道為信源業(yè)務(wù)服務(wù)的能力。因此，適配度指標(biāo)可以更準(zhǔn)確地描述語(yǔ)義通信系統(tǒng)中的增益。為了表征語(yǔ)義通信的通信效率，DenizGunduz[15]等人采用信道帶寬比例（ChannelBandwidthRatio,CBR）來(lái)衡量所要傳輸?shù)男畔⑺加玫男诺缼捹Y源，也可以將這種指標(biāo)理解成為一種聯(lián)合信源信道編碼效率的表示，其具體的公式如下：(4.2-2)其中，m表示代表原始信息的序列長(zhǎng)度，k表示進(jìn)行聯(lián)合信源信道編碼后的信息長(zhǎng)度。對(duì)于不同模態(tài)信源，可有如下解釋?zhuān)簩?duì)于圖像，m表示為，其中iH和iw分別代表圖像的高度和寬度，3表示圖像的通道數(shù)；對(duì)于視頻，的解釋與圖像相似，視頻會(huì)考慮連續(xù)一組幀圖像內(nèi)的平均CBR；對(duì)于文本，m表示為所要傳輸?shù)奈谋拘蛄虚L(zhǎng)度；對(duì)于語(yǔ)音，m表示為所要傳輸?shù)恼Z(yǔ)音序列長(zhǎng)度。傳統(tǒng)通信的頻譜效率被定義為比特/秒/赫茲(bits/s/Hz)，該指標(biāo)可以有效衡量比特序列的傳輸速率，但是無(wú)法衡量語(yǔ)義信息的傳輸速率。為了衡量語(yǔ)義信息的傳輸速率，文獻(xiàn)[16]首先提出了語(yǔ)義單元，并以sut作為語(yǔ)義單元的單位，定義語(yǔ)義單元為語(yǔ)義信息的基本衡量單位。緊接著，定義語(yǔ)義傳輸速率為每秒語(yǔ)義信息的傳輸量，單位為suts/s，最后定義了語(yǔ)義頻譜效率為單位帶寬的語(yǔ)義信息成功傳輸速率，單位為suts/s/Hz。以傳輸文本為例，假設(shè)數(shù)據(jù)集,這里為長(zhǎng)度為,Lj的第j個(gè)句子，ss是第;l個(gè)單詞。假設(shè)的語(yǔ)義信息是,p(sj)代表的是:$j的出現(xiàn)概率，那么每句話的平均語(yǔ)義信息量可以表示為(4.2-3)每句話的平均長(zhǎng)度為(4.2-4)假設(shè)kn為用戶(hù)n表示每個(gè)單詞的平均語(yǔ)義符號(hào)數(shù)，那么每個(gè)語(yǔ)義符號(hào)的平均語(yǔ)義信息量為,因此信道帶寬:w上的語(yǔ)義信息量為WI/knL。因此，用戶(hù)n在信道m(xù)上的語(yǔ)義傳輸速率為(4.2-5)這里En,m是用戶(hù)n在信道m(xù)上的語(yǔ)義相似度，他依賴(lài)于編解碼器的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和信道條件。緊接著，定義語(yǔ)義頻譜效率為(4.2-6)（1）峰值信噪比(PeakSignal-to-NoiseRatio,PSNR)定義：峰值信噪比(PeakSignal-to-NoiseRatio,PSNR)是一個(gè)表達(dá)圖像、視頻或信號(hào)質(zhì)量的衡量指標(biāo)，通常用于評(píng)估壓縮或轉(zhuǎn)換圖像的質(zhì)量。計(jì)算方式：對(duì)于一張HXW的圖像，PSNR的計(jì)算公式為(4.2-7)其中，MAX表示像素點(diǎn)的最大值，單位是:dB，數(shù)值越高表示重建圖像的質(zhì)量越接近原始圖像。通常，PSNR值在:30dB以上表示圖像質(zhì)量良好，在很多應(yīng)用中，一個(gè)更高的PSNR值（比如40dB以上）被認(rèn)為是高質(zhì)量的圖像。MSE代表原始圖像和重建圖像在像素上差異的平方的平均值，可以寫(xiě)為：(4.2-8)其中，a(i,)表示原始圖像在位置(i,j)的像素值，i(i,)代表重建圖像在位置(i,j)的像素值。（2）結(jié)構(gòu)相似性指數(shù)(StructuralSimilarityIndexMeasure,SSIM)定義：結(jié)構(gòu)相似性指數(shù)(StructuralSimilarityIndexMeasure,SSIM)是用于衡量?jī)煞鶊D像的相似度的指標(biāo)，特別是在圖像處理和圖像質(zhì)量評(píng)估領(lǐng)域。與峰值信噪比（PSNR）不同，SSIM考慮到了人類(lèi)視覺(jué)系統(tǒng)對(duì)圖像結(jié)構(gòu)信息的敏感性。計(jì)算方式：對(duì)于一張:HXW的圖像，取圖像中的一小塊，可以得到這一塊的結(jié)構(gòu)相似性的計(jì)算方式如下(4.2-9)其中，和表示和的平均值，和表示和的協(xié)方差，和表示維持穩(wěn)定的常數(shù)，所以對(duì)于整張圖像的SSIM可以通過(guò)將圖像分為很多的小窗口進(jìn)行計(jì)算，從而計(jì)算每個(gè)窗口內(nèi)的SSIM并求平均值。（3）多尺度結(jié)構(gòu)相似性指數(shù)（Multi-ScaleStructuralSimilarityIndex,MS-SSIM）定義：多尺度結(jié)構(gòu)相似性指數(shù)(Multi-ScaleStructuralSimilarityIndex,MS-SSIM)是對(duì)原始結(jié)構(gòu)相似性指數(shù)（SSIM）的擴(kuò)展，用于更全面地評(píng)估圖像質(zhì)量。MS-SSIM考慮了圖像在不同尺度（分辨率）上的視覺(jué)質(zhì)量，從而能更好地模擬人類(lèi)視覺(jué)系統(tǒng)的特性。計(jì)算方式：圖像通過(guò)遞歸地應(yīng)用低通濾波和下采樣來(lái)創(chuàng)建多個(gè)尺度的版本，在每個(gè)尺度上，都會(huì)計(jì)算對(duì)比度比較和結(jié)構(gòu)比較的分量，而亮度比較只在最粗的尺度上計(jì)算一次。MS?SSIM可以統(tǒng)一寫(xiě)為(4.2-10)其中，IU(a,y)表示最大尺度上的亮度比較函數(shù)，c;(a,y)表示第j尺度上的對(duì)比比較函數(shù)，s;(ar,y)表示第j尺度上的結(jié)構(gòu)比較函數(shù),、及分別表示用于調(diào)整不同尺度比較分量重要性的參數(shù)。MS-SSIM為圖像質(zhì)量的多尺度評(píng)估提供了一種更加細(xì)致和全面的方法。(1)誤字率（WordErrorRate,WER）定義：誤字率（WordErrorRate,WER）是衡量語(yǔ)音識(shí)別或機(jī)器翻譯等系統(tǒng)性