模型驱动的语义通信：Intellicise communication system: model-driven semantic communications

论文简介

• 作者
  Zhang Ping
  Xu Xiaodong
  Dong Chen
  Han Shujun
  Wang Bizhu
• 发表期刊or会议
  《中国邮电高校学报(英文版)》
• 发表时间
  2022.1

---

模型驱动（model-driven）的语义通信

• 信源端
  ①AI模型用于从原始输入信息中提取语义信息，然后将提取的语义信息和用于提取语义信息的AI模型一起发送到环境联合设计模块。
  ②此外，物理环境、光谱环境、电磁环境等因素被考虑到并对其提取和整合，以促进语义信息传输。
  ③经过上述处理后，原始输入信息被转换为基于AI模型生成的信息，它是AI模型、环境信息和提取的语义信息的融合，通过基于SHANNON的通信系统比特级传输。

• 信宿端
  ①由于上下文、环境等背景知识会影响语义信息的恢复，环境表示模块将利用模型消除背景知识的影响，以利于提取的语义信息恢复。
  ②此外，从环境表示模块和模型中获得的信息都将被发送到语义恢复和解码模块。
  ③在语义恢复和解码模块中，接收到的语义信息将利用恢复和解码模型以模糊的方式进行恢复和解码，其中恢复和解码模型通过与AI模型相结合发挥作用。

基于模型的语义通信将用于语义信息处理的 AI 模型也通过物理通道传输，而不是像参考文献中那样依赖于预训练的解码器[1,2]。例如，建议系统中的接收端可以根据服务质量（QoS）要求融合来自发射端和其他节点的模型。

在智简通信系统中，信息在语义层面的分析、编码、解码和重组过程均依赖模型的驱动，且收发端可以通过传输模型的方式实现收发端的知识库共享和智慧的流动。若接收端没有相匹配的语义解码与恢复模型，接收端可以请求发送端或网络节点传输最新的智能模型。此外，智简通信系统通过压缩模型，或者只发送部分模型，即模型分组等方式，实现数据传输量的进一步降低。
参考：智简通信关键技术研究报告

---

智简通信系统的度量

• 语义通信度量
  ①文本对象
  双语评估代理(Bilingual evaluation understudy , BLEU)等
  ②图像或视频对象
  峰值信噪比 (peak-signal-to-noise ratio, PSNR)等
  ③语音对象
  信号失真比（signal-to-distortion ratio, SDR）等
  具体见论文，智简白皮书中也有描述

• 与 AI 模型的复杂性相关的指标
  时间复杂度和空间复杂度

---

智简通信系统中模型驱动语义通信的实现

• 调制
  调制作用于物理层中的信号。不同的信号在物理层中以不同的形式存在。图像信号以图片的形式显示，语音信号以声波的形式存在。模型的调制将任何形式的信号转换为数字向量或矩阵表达式。熵减模型的调制提取物理信号的语义特征和属性。对于图片，熵减模型使用数字向量通过调制表达语义特征。
• 编码
  信息可以用不同的方式表达，编码是在不同格式之间转换信息的过程。熵减模型编码是信号语义和属性特征的编辑器，可以对语义和属性特征进行修改、替换、压缩和删除。而编码会尽量保留有意义的原始信息。同样，解码不仅是编码的逆过程，也是语义和属性特征的关键。它可以模糊地还原原始信号，并尽可能保留有意义的原始信息。
  该模型可以提取信号语义特征并改变或调整语义特征，将信号从一个维度转换到另一个维度进行表达。同时，它可以反向表示，可以恢复出原来的信号。恢复信号保留的原始信息量与编码长度有关。