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。     

面向6G网络的基于语义通信的端到端服务框架

未来的6G网络需支持更高的通信效率和高效的智能连接。基于AI的语义通信以传递用户意图及语义信息为目标，有望成为6G网络“内生智能”架构的技术支撑。然而，现有的语义通信框架忽略所提取的语义特征中的冗余信息。为研究高效的语义通信，提出基于语义通信的端到端服务框架，该框架将语义通信与AI的语义分析能力深度融合，可对语义特征进一步压缩后再传输，并保证AI服务质量。仿真分析表明，相比传统通信方案，所提方案在目标检测任务和图像重建均取得更优的性能，且取得与全语义特征传输方案相近的性能。     

基于CSI反馈的语义图像传输

语义通信通过构建传输背景知识库、感知传输内容，大大节省传输带宽，提升传输质量。该方面的研究逐步与无线通信物理层融合，从而构建完整的语义传输系统，但现存的端到端语义编码设计无法感知不断变化的无线信道。提出了基于信道状态信息反馈的图像语义分割编码（SS-CSI）方案，根据不同子信道上的信噪比（SNR）对传输的关键特征信息进行分割和编码，并根据实际分类任务需求保护相关语义特征。仿真测试表明，SS-CSI根据实际信道环境，在低SNR下大幅提升了物体传输质量和分类性能，在高信噪比上则进一步传输更多背景信息，提升了整体的图像均方误差性能。     

终端通信接入网网络资源分配策略研究

论文在不改变现有国家电网通信网中各种体制网络结构的前提下,通过增加网络融合网关和终端接入网关两种功能实体,提出了一种双通信代理机制的异构网协同融合传输方案,并由此设计实现了基于时延的负载感知的异构网络资源分配算法,实现了多业务综合接入及多网络动态协同环境下的网络资源分配技术。数据分析表明该算法在平均时延、网络开销及丢包率等方面优于均匀分配算法、定时反馈的负载感知流量分配算法。     

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。     

基于无线感知辅助的车联网下行无线资源分配方法

在车联网（vehicle-to-everything，V2X）中，感知与安全类数据的高速下发与共享对道路交通安全至关重要。然而，车辆高速移动所引起的通信链路不稳定，会导致现有的基于车辆位置信息上报的通信资源分配方法不再高效。为此，提出了一种基于通信节点无线感知辅助的车联网下行无线资源分配方法。首先，构建了通信与感知资源正交下的通信模式选择与无线资源分配联合优化问题；之后，为解决这一问题提出了基于Delaunay三角划分的分簇通信模式选择与基于改进图着色的资源分配策略，以实现下行吞吐量的提升；最后，仿真分析了无线感知估计误差、车辆数量对算法性能的影响。仿真结果表明，与传统方法相比，所提算法在相同感知带宽资源占比下可获得更好的下行通信性能增益，并能够承受更大的感知误差对性能的影响，同时，所提算法的计算复杂度较低，可节省网络算力资源。     

基于射频能量收集的无线中继网络资源分配

针对现有射频能量收集网络资源分配研究局限于单个数据源场景,无法适配于多数据源网络的问题,提出了一种适用于多数据源场景的射频能量收集中继网络传输协议框架,在该框架内节点可作为源节点或中继节点传输自身数据或转发数据,并在其他节点的数据传输过程中完成射频能量收集。以协议框架为基础,分别以系统吞吐量及用户公平性为优化目标设计两种资源分配方案。仿真表明,两种方案可有效改善网络吞吐量及资源分配公平性。     

面向自组网的通感融合技术及软硬件设计

现有自组网通信和导航技术缺乏深度融合的框架和方法,在未来场景下难以保障未来“智慧城市”、“智能出行”等场景对通信感知的综合性需求,因此研究面向物联网、车联网等自组织网络的通感融合(ISAC)技术成为亟待解决的问题。本文针对自组网通感需求,提出了通信感知信号融合方法和技术方案,可在保障通信性能的同时提高测距感知估计精确度。针对自组网设备间、通感任务间资源需求冲突等问题,依据自组网集群业务需求,构建了保障通信需求的定位感知网络时频资源优化框架,设计了联合资源分配方案及相应迭代优化算法,实现有限资源情况下的高可靠、强稳定自组网协同感知能力。针对当前自组网通信模组存在时延高、网络覆盖范围小、感知能力缺失等问题,设计并搭建了通感一体化模块原型样机I型,可在卫导数据缺失下提供全网高精确度时钟同步,保障集群协同感知能力,并在长距离下提供自组网通信协同传输支撑,从硬件设备上为通感融合提供支撑。最终形成了一套包含通感信号融合设计、时频资源联合优化方案的自组网通信感知系统框架,并研制搭建了一套通感融合软硬件平台(含通感一体化原型样机4台)。在外场测试中,2 km内通信速率≥320 kbps,丢包率≤0.05%,感知精确度优于10 m。     

基于AI辅助的可扩展视频语义通信系统

语义通信作为一种面向多智能体交互的新型通信范式，对未来通信实现高效传输提供了新的解决方法。由此，提出了一个AI辅助的可扩展视频语义通信系统。该系统能够基于现有的信源信道分离编码方案（如传统的高效视频编码HEVC与低密度奇偶校验编码LDPC），与AI辅助的可学习语义编解码器相结合，实现视频流与语义流的共同传输。其中可学习的语义数据流是视频帧中针对特定任务提取的语义信息，能够较好地提升接收端精确重建与下游任务的性能。实验证明，该视频语义通信框架相较于传统通信，在重建任务性能相差无几的情况下具有更好的下游任务表现；而相较于现有的端到端的基于深度学习的语义通信系统，性能相近的同时能够基于多种传统视频编解码标准进行扩展设计，具有与传统压缩方案更强的耦合性与适应更多场景的能力。     

基于机器学习理论的光通信链路资源分配研究

光通信链路资源分配中存在冲突的情况,导致均衡度差.为此,以平均节点和链路的负载为代价,引入机器学习理论,研究光通信链路资源分配优化问题.首先,根据初始逻辑光通信链路与物理光通信链路,通过网络效用最优化方法,解决多目标光通信链路资源合理化跨层资源分配的问题.建立通信网络效用最优模型,通过采集光通信链路信息资源传输的平均数...     

语义信道编译码器模糊匹配场景下的发端设计

从香农经典信息论到语义通信，信息传递模式由“比特传输”逐渐向“语义传输”转变。传统通信中，码本作为编译码器的共同语言，可以保证通信的无歧义传输。然而，语义编译码器可能无法实现精准匹配，进而导致无法利用经典信息论来解决语义通信问题。首先，提出了语义信道编译码器模糊匹配时的通信系统，其中语义信道译码器固定，只能通过单方面设计语义信道编码方式来降低语义信息被错误接收的概率。然后，特别考虑了一个简单的语义通信系统，其中语义信道为一个语义对称信道。受语义译码器的性能约束，语义编码器只能通过重复发送语义符号来降低语义信息被错误译码的概率。最后，给出语义信息的平均译码错误概率与传输次数之间的关系。     

基于语义重要度的不等错误保护数据传输机制

语义通信是一种智能、简约的通信新范式。从系统组成和理论基础两方面，对语义通信和传统通信进行对比，指出其关键区别在于背景知识的引入。将基于信源信道联合设计的语义通信（JSCC-SC）分为面向数据重建和面向任务执行两类，并对其网络架构进行比较。提出一种信源信道分离设计的语义通信系统。该系统通过训练好的神经网络识别数据的语义重要度，并基于语义重要度构造不等错误保护（UEP）传输机制。通过仿真实验证明了其能够提升重要数据的传输可靠性，即降低重要数据传输的误码率，在保持复杂性的同时，进一步提升无线通信的可靠性与有效性。     

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。     

面向无人机网络的通信感知一体化的高效能波形选择方法

将感知功能集成入通信设备实现通信感知一体化功能，正在成为无人机通信网络的一个关键特征。现有通信感知融合方案集中于单一波形下的设计，缺乏对无人机飞行场景和波形的适配性研究；此外，无人机感知方式集中于雷达主动探测感知，无人机网络内存在较大的感知信息共享开销。基于此，首先梳理了典型通感融合波形的算法复杂度、载荷能力以及在高动态场景下的误码率性能等指标，引入综合效能指标以表征不同波形的综合能效特征，提出了一种基于感知信息驱动的通感融合波形选择机制，并针对该选择机制中所需决策算法进行了讨论分析，设计了一种“基于先验信息辅助的Q-Learning”波形决策算法，通过结合无人机事先已训练所得“感知信息-波形”先验信息映射与应用“Q-Learning”方法对实际飞行场景进行动态学习，实现在不同场景下无人机所采取通信方案的综合效能提升。为进一步降低主动感知无人机间系统开销，基于所提波形选择机制又提出了一种信号发送端主动感知与信号接收端被动感知相结合的主被动融合感知方案。最后通过仿真证明所提波形选择机制可以显著提高综合效能，验证了“基于先验信息辅助的Q-Learning”波形决策算法性能近似于理想判决，同...     

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。     

面向智能任务的语义通信：理论、技术和挑战

未来机-机、人-机万物智能互联对传统通信方式提出了挑战,提取信源语义信息进行传输的语义通信方法为6G提供了新的解决方法。首先,综述了语义通信的发展历程和研究现状,分析了语义通信目前面临的两大瓶颈问题,提出了面向智能任务的语义通信架构,给出了面向智能任务的语义信息熵和语义信道容量的度量方法;其次,针对不同的智能任务,分别提出了语义编码和语义联合信源信道编码方案;再次,搭建了语义通信平台,对所提方法进行实验验证;最后,对语义通信未来的挑战和开放性问题进行了总结。语义通信方法相较于传统通信方法可以大大降低传输数据量和传输时延,将在未来万物智联的通信中发挥重要作用。     

5G移动网络下通信资源分配算法

传统的通信资源分配方法具有局限性,在当前5G移动网络条件下,通信过程中的信息传输速率不能满足通信频谱的资源利用率要求,为此,文章提出5G移动网络下通信资源分配算法。在研究边缘网络的基础上,建立5G移动网络的边缘计算模型,将数据传输端进行分层处理,包括计算云层、边缘层以及终端层三个层级,拉近云计算服务器与用户个体之间的数据传输距离。根据模型建立边缘计算的资源分配框架,计算无线链路的数据传输速率,避免陷入局部最优解。同时,将终端层用户进行分簇处理,避免数据传输过程中的同频干扰,提升资源分配效率。在此基础上,基于A3A算法构建簇间的通信资源分配模型,并使用最优化理论对所建立的资源分配算法模型进行优化,实现5G移动网络下通信资源分配算法设计。最后,通过实验对比传统D2D算法与设计的分配算法,结果表明,该算法能够适应5G移动网络环境,保证通信服务过程中信息传输速率的稳定,能够实现通信资源的高效分配。     

面向6G通感算融合的多粒度资源分配算法

面向6G通信-感知-计算(通感算)融合的发展需求,亟需突破其资源高效分配算法。提出一种面向6G通感算融合的多粒度资源分配算法,该算法根据感知的网络状态以及基站自身状态,在多时间粒度上调整资源分配策略时间。首先,该算法将通信、感知、计算资源联合优化问题建模为多时间粒度上的最大化效用函数问题;其次,采用决斗深度Q网络(Dueling Deep Q-network, Dueling DQN)算法关注重要状态,忽视不重要状态,可以较快地找到最佳动作;最后在所搭建的实验平台中,将所提算法与多种资源分配算法进行对比,提高网络频谱效率,并降低传输时延、处理时延和资源分配动作执行的成本。     

面向通信-导航-感知一体化的应急无人机网络低能耗部署研究

在事故灾难救援等突发公共事件中,救援人员往往面临通信传输不畅、定位导航不稳、灾情感知不准的问题,亟须部署一套应急无人机网络,对受灾地区进行通信、导航、感知服务补盲。针对无人机续航能力受限的问题,首先提出了一套网络拓扑可重构、节点角色可切换的通信-导航-感知一体化应急无人机网络低能耗部署方案,然后设计了一种基于粒子群算法的层次化匹配决策算法,联合求解无人机与通导感用户关联、多角色无人机通信资源分配以及无人机位置这3个子问题。仿真表明,所提方案能够实现通导感多目标需求与受限网络资源的灵活适配,极大降低了对无人机数量的需求与部署能耗。     

LDPC陪集码的可区分性及其在语义通信中的应用

经典通信的目标是可靠传输信息符号，其很少利用语义信息。提出了一种在低时延的情况下，利用数据信息之间的语义关联性来获得经典译码性能增益的传输方案。基于低密度奇偶校验陪集码的可区分性，所提方案利用便车码来传输语义信息关联标识。若接收端判断信息存在语义关联，则根据预设的语义关联度进行迭代译码。仿真结果表明，语义信息能够为经典信道编码带来增益。