基于深度学习的语义通信系统

【摘  要】语义通信利用传输内容的语义信息进行编码，可以去除冗余数据，减少传输数据量，满足6G时代的智能通信需求。探究一种以文本为传输内容的语义通信系统，利用深度学习模型进行语义挖掘与特征提取，加入信道编解码层、信道层与量化层，构建端到端的深度神经网络。仿真结果表明，与传统的通信编解码方式相比，所提模型在传输时所需的数据量更少，传输的准确率更高。

【关键词】语义通信；深度神经网络；文本传输；联合编码

0   引言

近年来，通信技术发展迅猛，但面临着巨大挑战。从1G发展到5G，移动通信技术几乎每十年更新一代，通信速率越来越快，已在智慧城市、高清视频、自动驾驶、远程医疗等领域发挥着重要的作用。然而，全球数据流量始终在无休止增长。国际电信联盟（ITU）预测，按照目前的趋势来看，直到2030年，全球移动数据流量每年增长速率将会达到55%，全球移动数据流量将会提升100倍之多，远超5G的体量。另外，以更高的容量、可靠性与更低的时延为目标的技术进步会带来频谱资源的巨大耗费以及通信能耗的急剧增长。为了满足日益增长的通信需求，6G技术需要做出一些改变。

语义通信是一种智能通信方式，契合6G时代的智能体交互需求。6G通信技术在智能化背景下诞生，在将来，多种多样的智能体充斥于生活中，智能体之间的通信不可忽视[1]。智能体之间的通信是面向目的的通信，关键是使接收方正确理解发送方的信息内容，从而降低接收方对信息的不确定性。当前通信技术大多以香农的信息论为基础，即保证每个传输比特的正确接收，而并不关注信息中