今天分享的是
通信专题系列
深度研究报告：《
通信专题：语义通信白皮书
》
（报告出品方：
未来移动通信论坛
）
报告共计：
127
页
摘要
在过去几十年中，通信领域的研究主要集中在如何准确有效地将符号从发送端传输到接收端，即语法通信。随着无线通信系统的发展，系统容量逐渐接近香农极限。香农和韦弗将语义通信划分为通信的第二个层次。区别于传统通信将符号的准确传输作为目标，语义通信的主要目的是实现语义信息的准确交互。语义通信专注于传递信息的含义和重要性,而非仅仅关注符号本身，主要用于解决如何精准传递发送符号的含义，以及接收方如何以期望的方式影响系统行为的问题。通过对信息语义的提取、编码和传输，语义通信可大幅提升通信效率。随着新一代通信技术和人工智能技术的蓬勃发展，语义通信在人机交互、全息通信、智能制造等领域展现出广阔的应用前景，受到了全球学术界和工业界的广泛关注。
本白皮书全面介绍了语义通信的基本原理、技术模块、应用领域以及关键挑战等，旨在为语义通信在下一代无线网络中的应用提供参考和指导。白皮书详细讨论了语义通信的关键模块，包括语义知识库构建、语义信道联合编解码、语义信息传输以及与现有系统的兼容性，为读者提供了深入了解语义通信技术的基础。进一步探讨了单模态和多模态语义通信系统架构，同时研究了抑制语义噪声的方法，为实现多模态多用户语义通信提供了综合视角。白皮书还关注了语义通信与其他网络的结合，包括数字通信网络、认知网络、分布式网络、安全网络以及卫星网络等，旨在实现高效、可靠和智能化的语义传输。最后，分析了语义通信的现有和潜在应用场景，并探讨了相关的挑战，同时望了语义通信领域的未来发展，为读者提供了对未来研究和创新方向的启示。
1.语义通信概述
香农和韦弗指出，通信可分为语法层、语义层和语用层三个层次。依托于香农经典信息论的传统通信属于语法层，用误比特率、误符号率和传输速率等度量标准评估网络性能，并不考虑符号的含义，主要用于解决比特或符号正确传输的技术难题。语义通信专注于传递信息的含义和重要性，而非仅仅关注符号本身，主要用于解决如何精准传递发送符号的含义，以及接收方如何以期望的方式影响系统行为的问题。虽然语义通信与语法通信同步被提出，但一直以来由于技术水平和场景需求的限制，人们更注重于语法通信。然而，随着通信技术的迅猛进步，传统通信系统的容量已经逐渐接近香农理论的极限。另一方面，随着人工智能技术的发展和 6G 网络中对通信智能化需求的增长，语义通信再次成为热门技术。
语义通信是一种全新的通信范式，可以在语义层面解决信息的含义表达与传输问题，将信息含义的理解环节部分或全部移到发送端，从而减少传输量，降低带宽需求。语义通信与传统通信的区别如下:第一是信息的表征方式，语义通信面向通信场景和任务，将符号表征升级为语义特征，使信源内容的语义特征提取和理解移到发送端。第二是服务质量评价准则。语法通信通常以误符号率、丢包率等指标衡量服务质量，无法直接反映用户体验等主观质量。根据场景和任务不同，语义通信采用客观的语义准确性和主观的用户感知质量来共同定义服务质量。与传统通信相比，语义通信系统有更高的传输效率。由于仅传输重要的语义信息而不是全部信息，因此语义通信对传输带宽需求较低，可以提升传输可靠性和传输容量，进而提升无线传输效率。同时，原始信息的重建需要语义解码模型，因此在特定条件下语义通信也可以增强数据安全。
语义通信的系统模型如下图所示，语义通信主要关注信源内容的语义表征、传输与重构，以及基于语义的无线传输。关键环节包括知识库构建、语义编解码和信道编解码等。在理论方面，语义通信研究主要受到香农信息论的启发，通过用逻辑概率替代统计概率，定义了语义熵、语义率失真、语义信道容量，进而建立了语义通信的理论体系。另一方面,随着人工智能和数据处理能力的提升，基于深度学习的语义特征的提取、编码和传输等算法已成功应用于不同类型的信源。语义通信在多媒体通信、增强现实、沉浸式通信等领域具有广泛的应用前景。
语义通信关键模块
随着移动通信和互联网技术的快速发展，高速率、低时延的无线接入需求急剧增加，传统通信系统已趋近于香农理论极限，因此迫切需要新的通信技术的突破。语义通信作为一种内生智能的新型类脑信息交互机制，其语义元素提取、识别、理解、传输和推理过程与人类间信息传输表达类似。在传统通信中，信源符号将按照预设的编码方式映射到比特码流中，其映射函数基于实践经验与准确的数学模型进行设计。在语义通信中，信源将被基于人工智能算法的编码系统映射到基于语义基(Seb)的语义流中，其映射函数的确立基于数据与模型双重驱动的神经网络体系[1]。
传统通信在符号比特流的基础上进行信号处理，与传统通信方式不同，语义通信在语义基的基础上进行信号处理。语义通信中的最小传输与处理单元为语义基，目前语义基还没有明确的定义。广义上来说，所有从源信息提取的语义相关的特征都可以视为语义基。不过，不同方法提取的语义特征或者不同形式的语义特征，肯定都有其不同的特点，其中一部分可以明显判断其优劣性，而另外一部分就需要根据具体的通信任务和需求来进行判断其优劣性了。这也是语义基具有不确定性的原因之一，因为同一条确切的信息背后所包含的语义元素在不同的通信节点中可能会有不完全一致的理解。因此，关于语义基的定义、获取方式，以及多模态通用统一的语义提取仍是需要深入研究的课题。
