面向语义感知通信网络的多维资源优化

【摘  要】语义通信的目的在于传输信源数据中的语义信息，通过语义提取和压缩可大幅减少网络中需要传输的数据量，降低带宽消耗和传输时延，同时在提高传输可靠性上展现出了巨大潜力。传统通信中资源分配方案都是以优化比特传输速率而设计的，并不适用于聚焦语义信息传输的语义通信网络。为利用语义通信系统优势，需要从语义层面考虑资源分配方案的设计，以进一步提高信息传输效率。首先梳理并总结了目前语义感知通信网络中资源分配技术的研究进展，然后通过分析语义感知资源分配面临的挑战，提出了一种基于任务卸载的多维资源联合优化架构，最后以面向文本的语义任务为例，给出了两种语义感知资源分配方案，通过仿真证明了方案的有效性。

【关键词】语义通信；资源分配；深度学习

0   引言

随着移动互联网的发展以及移动设备的普及，移动数据迎来了飞速的增长，用户对于通信的体验质量以及通信场景也有了更高的要求。国家十四五规划明确指出要布局未来第六代（6G）移动通信网络技术储备，发展6G是国家重大战略部署。而6G场景下所传输的海量数据会带来巨大的通信开销以及时延，已有的通信架构已经无法满足日益增长的通信需求，因此通信体系和架构亟需变革。

根据Shannon和Weaver的理论[1-2]，通信的第一个层级为语法通信，通信系统作为信息的管道，进行信息符号的准确传输。在语法通信中，通信的目标是准确地传输符号。但是，通信系统设计的过程中并未考虑符号背后所包含的语义信息是否能被准确传递，无法满足多模态业务的多样化需求。另外，现有通信系统的传输速率已经逼近香农容量极限。因此，迫切需要从语法通信向语义通信转变，传输