语义通信文章笔记

语义通信/数据角度看语义通信

本文给出的架构

信息度量

freshness 新鲜度

Age of Information (AoI) ： 从源头生成的最新样本可用于目的地的时间

age = △(t) =t–u(t)。

aol取决于从源信号生成数据的采样模式和这些样本在网络中遇到的延迟。

gpt：信息年龄，用于评估信息在传输过程中的时效性。信息年龄越小，说明信息越新鲜，反之则说明信息越陈旧

源样本的老化

relevance 相关性

采样过程采用非均匀采样效果可能更好

低功耗设备 感知+采样

源输入的变化

value 价值

拥有这个样本的好处与其传输成本之间的差异

性能度量-对于语义感知系统

热点研究方向 结合以上的语义度量

QAOI Optimizing Age of Information 优化的信息时效

推送系统，信息只在某些查询时刻对接收器有用

改进信息在特定查询时刻的新鲜度

AOII The Age of Incorrect Information

信息老化和准确性

最优传输策略是随机阈值策略，并提出了一种既能找到最优阈值又能找到随机参数的低复杂度算法

[8] M. A. Maatouk and A. Ephremides, “The Age of Incorrect Information: An Enabler of Semantics-Empowered Communication,” preprint,arxiv:2012.13214, Dec. 2020.

在发射器-接收器配对场景中最小化平均AoII的问题

挑战

采样-源编码-压缩

传统

传统方法 收集大量原始数据，然后在压缩阶段丢弃

5G中最大吞吐量或最小延迟是URLLC和 eMBB技术 URLLC可靠性高

改进

Semantic compressed sensing：在“压缩域”中直接执行某些信号处理操作（例如检测、分类、学习），而无需完全信号重建。 （过程中包括对信道的感知）

基于一组等重要性的测量来重建信号

joint source-channel coding (JSCC),

只生成对应用程序真正重要的数据，并尊重网络状态

数据包识别，调度和资源分配

优化数据包，data vs. metadata，反馈和重传以满足语义通信需求

getting fresher data requires a larger sampling rate 获取更新鲜的数据需要更高的采样率。

基站分组调度问题：基于语义给部分用户反馈可以提高性能

语义信息的多址和随机接入

需要新的协议

It is essential to leverage semantic measures to organize the data traffic in accordance with the limited available wireless spectrum resources to reach safety critical timely consensus.

利用语义度量在有限频谱资源中达到及时共识。

传输层及以上的优化

新的流量控制机制 Age Control Protocol 与输入的流量相关

应用

Networked Control Systems

目前通信系统：不必要约束导致通信系统次优，对控制目标是无关的

改进方法：每一部分都已解决极限，需要重新设计信息的生成、传输、传送和重构技术，以直接优化使用该信息的应用程序的性能

我的理解：通信和控制系统同时优化，只传输控制中用得到的部分

表征控制成本和信息成本之间的权衡区域

智慧城市

特点：需求可靠低时延的无线网络

语义感知无线接入网络（Semantic-Aware Radio Access Network，RAN）是一种网络架构，它关注无线通信中的语义信息。这种网络架构旨在通过利用语义信息来改善无线通信的性能，例如提高数据传输速率、降低延迟、改善网络覆盖范围等。语义感知RAN允许网络运营商和应用程序开发者更好地理解无线通信中的语义含义，从而优化网络资源的使用，提高网络性能和用户体验。

V2X vehicle-to-everything ：车辆能够与周围环境（包括其他车辆、基础设施、甚至其他车辆的乘客）进行通信，以交换信息、数据和命令

可以利用VOI来度量

IOT

偏远地区的频谱缺乏

根据船舶等位置和速度；来调整更新速率，处理突发事件

重点

通信，网络，控制等领域交叉

语义通信为设备自动化赋能

稀疏采样（依据重要性）

缺点

降低了第1至第4层协议和设备（收发器、交换机）对数据类型的透明度。

面向任务和语义感知的6G网络

语义信息提取

语义信息的定义和提取方法

Split Learning (SL) Model

TOSA通信框架

task oriented and semantics-aware (TOSA) communication

风险规避参与反馈下的联邦学习

介绍

semantic coummunication : rationale（接收端效用），目标导向的方法

Edge intelligence 边缘智能

Federated learning 联邦学习

中心PS parameter server 要求共享学习参数

model aggregation 模型聚合 两种方式

(i) Synchronous (SYNC) 同步

强制同步迭代训练过程 训练效率差

(ii)Asynchronous (ASYNC)异步

模型更新不及时 通信效率差

解决方案：选择参与模型聚合的本地模型

模型聚合方案

目前的方案

tuning the aggregation procedure by choosing devices that are valuable for the average model performance ofthe trained model.

选择对训练模型平均性能有价值的设备

带来的问题：对设备来说，并非每次通信都有意义

论文的方案

devices to decide when not to transmit as well to minimize unnecessary computing and communication costs

减小通信开销 risk-averse 风险规避

目标：ensure generalization with improved personalization performance 确保泛化性能，同时提高个性化表现

PS反馈 用于评估cost，个性化性能

作用：限制不必要传输 改善目标导向性能

语义通信

Knowledge Graph

知识图谱是数据的表示形式

知识库 基于知识图的语义

Rate-Distortion Theory 速率失真理论

保持信息传输准确度和所需传输数据量之间的平衡

在语义通信中不仅要考虑数据传输准确性（数据量减少），还要考虑语义信息的丢失

香农有损源编码定理

$$R(D)=\underset{p(\hat{x}|x):E[d(X,\hat{X})]\le D}{\min }I(X;\hat{X})$$

在期望失真小于D下，优化条件概率分布，以取得的最小互信息就是在给定失真水平 D 下的最小可能比特率

在文本：保留其核心含义的方式重建某个句子

在视频：保留源信号的清晰度

图片 GAN

Rate-Distortion-Perception Trade-off

用于重建 启发：目的是更好的重建

selective generative compression method

Scene graphs 重建过程的上下文信息与关系

图像级语义

Goal Oriented Compression

以上理论：以最高保真度恢复原始内容

新兴理论：只对它的某个特征感兴趣

灵感

1 可实验的，线性回归问题中，基于变化率进行采样和均匀采样的对比，采样变化突出的部分