面向未来的语义通信：基本原理与实现方法

阐述了语义通信的基本原理与实现方法。首先,提出了语义通信的系统模型,梳理语义通信的基本概念与术语,对比经典通信与语义通信的主要区别,总结了语义通信的技术优势。在此基础上,回顾了语义信息论的发展,构建了语义信息的度量指标体系,提出了基于归一化条件复杂度的新型度量,用于评估语义压缩的极限,探讨了语义典型序列编码的性质,揭示语义编码的渐近性能。进一步地,归纳了语义编码传输的2种典型方法——直接编码与变换编码,分析了它们的基本原理,并针对文本、语音与图像信源展示了语义编码传输的优越性能。最后,总结了语义通信的研究难点与问题,指出未来的研究方向。     

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。     

基于ADPCM,CELP和语音分类和变速率语音压缩编码

新的通信方式和计算机网络的飞速发展，对语音信号的编码传输提出了新的要求。在新一代的网络中，希望能充分利用信号源的特征和信道的统计复用性，改变以往信源一般输出是恒定速率码流的特点，而以具有不同速率的分层编码和变速编码，作为新的信源编码系统。讨论了基于ＡＤＰＣＭ、ＣＥＬＰ和多类激励的多种变速率编码方案。实验表明，利用语音信号本身特征，达到高压缩比同时具有较高合成语音质量是可能的。     

高效融合全局和局部上下文特征的语义通信系统

采用基于深度学习的端到端一体化设计方法,提出了一种基于扩展上下文语义特征的通信系统。区别于已有研究中只关注局部上下文而忽视全局上下文的问题,所提系统有机地融合了局部和全局上下文知识,利用扩展上下文知识进行语义编码和语义译码,提升了语义通信系统的可靠性。在发送端,采用基于扩展上下文的语义编码,实现高效的语义表征。在接收端,结合历史通信文本挖掘机制、上下文语义特征学习机制和基于启发式图搜索的译码策略,提升语义推理的准确性。与现有语义通信系统仿真对比结果表明,相较于传统通信系统和现有语义通信系统,所提系统在低信噪比下显著提升了通信系统的可靠性。     

基于小波变换的2.4kbit/s波形内插语音编码算法

基于双正交小波滤波器组对波形内插编码中提取的特征波进行多级分解与重构，提出了一种基于小波变换（WT）的2．4kbit／s特征波形内插（CWI）语音编码算法。编码端去除了特征波对齐运算，并对幅度谱进行多级分解，相位谱不传输，鉴于小波变换对信号的压缩特性，仅传输对人耳感知起主要贡献的最后一级特征波幅度谱；解码端对各尺度空间采用单独重建的方法，相位信息在重构的末级与幅度谱结合，并由浊音度标志选择固定或随机相位。此外，根据语音信号的时变特性，由基于子帧的浊音度标志选择需要传输的幅度谱及量化模式。主观R-A／B测试表明，这种基于小波变换的2．4kbit／s编码算法的合成语音质量明显优于标准的2．4kbit／s的MELP编码器及FS1016的4．8kbit／sCELP编码器，亦优于3．8kbit／s的传统CWI编码框架下的合成语音效果。     

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。     

一种面向保密通信的改进型MBE语音编码算法

随着军事通信的应用需求迅速扩展,如何有效地在信源端对语音信号进一步压缩。并且在复杂信道条件下实现高质量的低速率语音编码技术是一个重要研究方向。以MBE语音编码模型为基础,提出了一种改良算法,即在编码端利用信源冗余度,将对语音合成质量影响较大的参数进行检纠错保护,并在解码端采用谐波增强以改善终端语音合成质量。测试数据表明,在1％-3％的信道误码条件下,PESQ评分平均提高了近14％。     

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。     

面向语义通信的量化-重构器设计

语义通信作为6G移动通信的一项重要候选技术，拓展了经典信息理论的研究范式，为信息传输技术的突破提供了新的思路。目前，关于语义信息度量与语义通信系统设计的优化指标分析仍是开放问题。基于语义信息传输的结构化模型，讨论了信源的语义特征表示和语义失真度量问题，并以高斯信源为例探究了编译码器（量化-重构器）的设计准则。仿真结果表明，与传统的基于最小化信源比特的重构均方误差准则设计的量化-重构器相比，针对信源的语义失真度量设计量化-重构器更契合语义通信的需求。     

基于DSP的音频信号压缩通信系统的设计与实现

针对数据采集系统中语音传输受传输距离、成本等方面限制的问题,设计了一种低成本的语音信号压缩实时通信系统。采用模块化的方法进行硬件设计,通过将精简的TCP/IP协议移植到以太网控制芯片中来实现局域网通信,在DSP上优化实现了G.723.1语音编码算法,编码后的语音数据通过socket传送到PC端,PC端接收解码并实时播放。实验结果表明在语音质量略有退化的情况下,算法复杂度降低了,系统实现了语音信号远距离的实时传输。     

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。      

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。     

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。     

基于多描述的联合信源信道编码

在实时通信系统中,传统的联合信源信道编码方法在分组编码长度有限的情况下,不可避免地会存在残余误差,从而影响了整体性能。提出了一种基于多描述源编码的联合信源信道编码方法,此方法不仅可以利用分组编码的纠错能力,也可以利用多描述源编码的鲁棒性。通过具有代表性的高斯信号编码序列在有损网络信道中的传输仿真,可以看出,此方法相对于传统的联合信源信道编码方法,可提供更好的信噪比性能。     

ATM网络中语音编码和传输的新方案

本文针对未来新的ＡＴＭ通信方式,提出了一种新的语音可变速率编码和可变时延传输系统方案,为了将信号源和人耳听觉的特征,与ＡＴＭ网络的统计复用性相结合,实现语音的码率在缩和低时延传输,该方案将ＡＴＭ网络环境和语音编码系统中最优信号分析区间的选取、编码系统参数的确定相结合。文中基于一种新的分布熵进行信号特征判断,对输入信号构成不同的处理系统,具体编码由小波变换分带、多带二进树ＶＱ构成,输出码率可调,改变     

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。     

一种利用随机矩阵调制实现共享通信方法

本文提出了一种利用随机矩阵调制-OFDM雷达成像波形实现共享通信的方法。首先,利用基础波形和随机矩阵在OFDM波形上构造随机矩阵调制-OFDM波形库。然后,在发射端根据不同的通信方式确定不同的发射方式,并根据雷达性能和通信传输要求选取相应的参数。最后,在雷达接收端,利用发射信号的伪正交性分离出回波信号实现雷达成像;在通信接收端,利用接收信号在与发射波形相对应的匹配滤波器的输出端有较高的目标尖峰,来解调出通信信息。数值仿真表明,该方法在保留该波形优异的雷达成像性能的同时,可有效实现共享通信。基于随机矩阵调制-OFDM波形数量的丰富性以及良好的正交性,可以保证较大的数据通信速率及较高的数据通信质量。