Joint Semantic Communication and Target Sensing for 6G Communication System
针对含多合法用户和窃听者的6G下行感知通信一体化系统，提出结合语义提取、共享知识库与交替优化迭代算法的安全资源分配方案，可在保障用户服务质量与感知性能的同时提升语义保密速率与检测可靠性。
2024-01-30 cs.IT eess.SP math.IT
Hybrid Generative Semantic and Bit Communications in Satellite Networks: Trade-offs in Latency, Generation Quality, and Computation
针对卫星系统链路预算有限且语义通信计算消耗高的问题，提出适配动态卫星网络的多层混合比特与生成式语义通信框架，设计SEM指标权衡时延、计算消耗与重构质量，采用GRPO算法优化资源分配，仿真验证了框架灵活性与指标有效性。
2025-07-31 cs.IT eess.SP math.IT
Semantics-Native Communication with Contextual Reasoning
Kwangwoon University（光云大学）；Deakin University（迪肯大学）；University of Oulu（奥卢大学）；Technology Innovation Institute（技术创新研究院）；Centrale Supelec（中央高等电力学院）；University Paris-Saclay（巴黎萨克雷大学）
由于对后香农通信的巨大兴趣，最近已经表明，利用语义可以显着提高许多任务的通信效率。在这篇文章中，受人类交流的启发，我们提出了一种新的随机模型的系统1语义本地通信（SNC）的通用任务，其中扬声器有一个意图，指的是一个实体，提取的语义，并传达其符号表示的目标听众。为了进一步发挥其全部潜力，我们还将上下文推理注入SNC，使得扬声器在本地和迭代地与基于物理收听者编码其语义的独特方式构建的虚拟代理进行自通信，即，沟通语境。由此产生的系统2 SNC允许说话者为其听者提取最有效的语义。利用所提出的随机模型，我们表明，系统2 SNC的可靠性随着有意义的概念的数量而增加，并推导出预期的语义表示（SR）比特长度，量化提取的有效语义。它还表明，系统2 SNC显着减少SR长度而不影响通信可靠性。
2023-03-09 cs.IT cs.LG math.IT
Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder
针对数字语义通信中离散调制不可微且难以适配信道的问题，提出基于VAE的联合编码-调制框架及信息论匹配损失，在图像任务中性能优于量化方法并逼近模拟方案。
2024-01-29 cs.IT eess.SP math.IT
Resource Allocation for Green Probabilistic Semantic Communication with Rate Splitting
本文研究基于速率分割多址接入的概率语义通信系统能量高效资源分配问题，引入语义压缩比衡量计算开销，在传统与语义约束下最大化能量效率。
2024-03-31 cs.IT eess.SP math.IT
Task-Oriented Image Semantic Communication Based on Rate-Distortion Theory
面向任务的图像语义通信是一种新的通信模式，它旨在为人工智能（AI）任务传递语义，而忽略了图像的重建质量。然而，在某些应用中，例如自动驾驶，必须同时考虑图像重建质量和后续AI任务的性能。针对这一问题，提出了一种面向任务的语义重构语义通信方案（TOSC-SR）。它的主要目标是在一定的速率下同时最小化通信过程中像素级和任务相关的语义级失真，这形成了一个新的率失真优化问题。为了成功地测量在语义水平上的损失，提出了一种新的形式的语义失真的语义重建图像和任务标签之间的互信息测量。然后，我们推导出一个解析解制定的问题，其中的自洽方程的问题，以确定最佳的映射源和语义重建的图像。为了实现TOSC-SR，我们进一步得到了一个扩展形式的率失真形式的基础上变分近似的互信息，这是适用于多个AI任务。实验结果表明，该方法在图像重建质量、人工智能任务性能和多任务泛化能力方面优于传统的JPEG、JPEG 2000、BPG、VVC图像通信系统和基于深度学习的基准测试。
2022-12-01 cs.IT eess.SP math.IT
Semantic Communication Through the Lens of Context-Dependent Channel Modeling
Technische Universität Dresden（德累斯顿工业大学）
本文通过上下文依赖信道建模视角，研究了语义通信中语义噪声来源问题，分析了编码器的表示能力并推导了容量和速率结果。
2026-02-26 cs.IT math.IT
Secure Semantic Communications: From Perspective of Physical Layer Security
针对语义通信窃听可能泄露用户意图的问题，本文提出物理层安全驱动的DeepSSC系统，采用两阶段DNN训练并定义S-BLEU指标，在高信噪比下显著增强语义安全。
2024-08-04 cs.IT eess.SP math.IT
EXK-SC: A Semantic Communication Model Based on Information Framework Expansion and Knowledge Collision
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
语义通信的重点不在于提高传输符号的准确性，而在于准确表达符号序列所承载的预期含义。然而，语义信息的测量及其相应的码本生成仍然是一个悬而未决的问题。扩展，将简单的事物整合成复杂的系统，甚至产生智能，这与人类语言系统的进化是真正一致的。我们将这一思想应用到语义通信系统中，通过符号序列量化语义传输，并以类似于Shannon的数字通信系统方法的方式研究语义信息系统。本文首次在语义信息框架下讨论了语义扩展和知识碰撞问题。给出了一些重要的理论结果，包括语义扩展与传输信息速率之间的关系。我们相信这样一个语义信息框架可以为语义通信提供一个新的范例，语义扩展和知识碰撞将成为语义信息论的基石。
2022-12-21 cs.GT cs.IT cs.LG
Reconfigurable Intelligent Surface Assisted Semantic Communication Systems
本文提出一种由可重构智能表面(RIS)辅助的语义通信方案，实验表明该系统在低信噪比下的BLEU分数及抗信道估计误差鲁棒性上均优于点对点系统。
2023-06-29 cs.IT eess.SP math.IT
A Joint Communication and Computation Design for Probabilistic Semantic Communications
本文针对多用户概率语义通信网络，提出一种三阶段联合优化算法，在功率和语义资源约束下最大化用户等效速率之和，并通过数值实验验证了方案有效性。
2024-02-28 cs.IT eess.SP math.IT
Communication Beyond Transmitting Bits: Semantics-Guided Source and Channel Coding
Beijing University of Posts and Telecommunications（北京邮电大学）
经典的通信模式专注于在有噪声的信道上准确地传输比特，香农理论为可靠通信的速率提供了基本的理论限制。在这种方法中，比特被平等对待，并且通信系统不知道这些比特传达什么含义或者它们将如何被使用。可以预见的是，未来的通信朝着智能和简洁的方向发展将发挥主导作用，连接智能代理的扩散需要对编码传输范式进行彻底的重新思考，以支持即将出现的新通信形态。最近提出的“语义通信”概念提供了一个很有前途的研究方向。在编码传输设计中引入语义指导，实现语义感知的通信，在有效性和可靠性方面有很大的突破潜力。本文提出了一种基于语义的信源编码和信道编码的语义通信传输模式，它利用了数据语义的多样性和无线信道的多样性来提高整个系统的性能。我们提出了一般的系统架构和关键技术，并指出了一些开放的问题，在这个主题。
2022-08-04 cs.AI cs.IT cs.LG
Disentangling Learnable and Memorizable Data via Contrastive Learning for Semantic Communications
Virginia Tech（弗吉尼亚理工学院）
实现人工智能原生无线网络对于未来6G应用（如Metaverse）的运行是必要的。尽管如此，目前的通信计划本质上只是一个缺乏推理的重建过程。使无线通信能够发展为类似人类对话的一个关键解决方案是语义通信。本文提出了一种新的机器推理框架，对源数据进行预处理和分离，使其具有语义就绪性。特别是，提出了一种新的对比学习框架，从而对数据进行实例和聚类判别。这两个任务使得能够增加映射到语义上相似的内容元素的数据点之间的内聚性，并且解开语义上不同的内容元素的数据点。随后，形成的语义深层聚类根据它们的置信水平进行排名。最高置信度的深度语义聚类被认为是可学习的、语义丰富的数据，即，可以用于在语义通信系统中构建语言的数据。最不可信的被认为是随机的，语义差的，并且必须以经典方式传输的可记忆数据。我们的模拟结果展示了我们的对比学习方法在语义影响和极简主义方面的优越性。事实上，与普通语义通信系统相比，所实现的语义表示的长度最小化了57.22%，从而实现了最低限度的语义表示。
2022-12-18 cs.IT cs.LG cs.NI
Towards Effective and Interpretable Semantic Communications
针对6G语义通信中黑盒机器学习导致的理论与实践脱节问题，本文基于语义熵、语义失真和通信速率等信息论指标刻画信息流，并提出兼顾可解释性与有效性的实施指南。
2024-08-09 cs.IT math.IT
Semantic Transmission Framework in Direct Satellite Communications
University of Surrey（萨里大学）；Southwest Jiaotong University（西南交通大学）；Shenzhen University（深圳大学）；Sun Yat-sen University（中山大学）
本文提出了一种语义传输框架，通过优化传输模式、任务迁移和去噪步骤，提升直接卫星通信的语义效率。
2026-02-27 cs.IT eess.SP math.IT
Semantic Communication with Probability Graph: A Joint Communication and Computation Design
本文提出基于概率图的语义信息压缩系统，利用基站与用户共享知识在接收端恢复被省略的关系信息，并设计通信与计算资源联合分配方案以最小化总能耗。
2023-10-05 cs.IT eess.SP math.IT
A Contemporary Survey on Semantic Communications:Theory of Mind, Generative AI, and Deep Joint Source-Channel Coding
本综述概述语义通信的三个主要方向：基于心智理论、生成式AI和深度联合信源信道编码，并讨论开放问题、关键挑战及未来方向。
2025-10-05 cs.IT math.IT
Wireless Image Transmission with Semantic and Security Awareness
语义通信因其通信效率高而成为无线图像传输的主流框架。借助神经网络实现的联合信源信道（JSC）编码器，语义通信将原始图像直接映射为包含语义信息的符号序列。与比特级通信系统中使用的传统的分离信源和信道编码设计相比，语义通信系统被认为是更有效和准确的，特别是在低信噪比（SNR）状态下。因此，这提示了一个关键的，而尚未解决的语义通信的安全问题：它使得窃听者更容易破解的语义信息，因为它可以解码，即使在一个相当嘈杂的信道。在这封信中，我们开发了一个语义通信框架，占语义解码效率和隐私泄漏的风险。为了实现这一目标，针对无线图像传输，我们一方面提出了一个JSC自动编码器，具有残留有效的语义提取和传输，另一方面，提出了一个数据驱动的计划，平衡效率和隐私的权衡。大量的实验结果表明，所提出的方案的有效性和鲁棒性。
2022-12-01 cs.IT eess.SP math.IT
Integrated Sensing, Computing, and Semantic Communication with Fluid Antenna for Metaverse
本文提出面向元宇宙的流体天线集成感知、计算与语义通信框架，通过联合优化波束赋形、天线定位与语义提取，在保证感知精度和资源约束下最大化数据速率。
2025-04-10 cs.IT eess.SP math.IT
A Joint Communication and Computation Design for Distributed RISs Assisted Probabilistic Semantic Communication in IIoT
本文针对工业物联网中分布式RIS辅助的概率语义通信，提出联合优化语义压缩比、功率分配、RIS部署与相移的资源分配方法，并通过多对多匹配、贪心策略和张量波束赋形求解，最大化语义传输速率总和。
2024-04-30 cs.IT eess.SP math.IT
Energy Efficient Semantic Communication over Wireless Networks with Rate Splitting
本文研究了基于速率分割的无线网络中能量有效语义通信的无线资源分配和语义信息抽取问题。在该模型中，基站（BS）首先从大规模数据中提取语义信息，然后将小规模的语义信息发送给每个用户，用户根据本地的公共知识恢复原始数据。在BS侧，概率图用于提取多层次语义信息。在下行传输中，采用速率分割方案，而私有的小型语义信息通过私有消息传输，而公共知识通过公共消息传输。由于无线资源有限，计算能量和传输能量都被考虑。这个联合计算和通信问题被制定为一个优化问题，旨在最大限度地减少计算，延迟和发射功率约束下的网络的总通信和计算能耗。针对这一问题，提出了一种交替算法，该算法在每一步都得到语义信息抽取率和计算频率的封闭解。数值结果验证了该算法的有效性。
2023-01-05 cs.IT eess.SP math.IT
Deep Joint Source-Channel Coding for Semantic Communications
本文针对语义通信场景提出自适应深度学习驱动的DeepJSCC架构，该架构性能超越传统分离编码系统，同时阐述了其设计原则、优势及未来研究挑战。
2023-07-18 cs.IT eess.SP math.IT
Fusion-Based Multi-User Semantic Communications for Wireless Image Transmission over Degraded Broadcast Channels
针对退化广播信道上的无线图像传输，提出基于融合的多用户语义通信系统，通过灵活语义融合模块和MLP权重调整，实现优于传统方法的性能。
2023-05-16 cs.IT eess.SP math.IT
Semantic Communications via Features Identification
本研究提出一种基于特征识别的语义通信方法，利用语义歧义实现消息识别而非逐位传输，并通过数值模拟验证其相对传统语法通信的显著性能提升。
2025-03-26 cs.IT math.IT
Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems
Shanghai Jiao Tong University（上海交通大学）
在基于学习的语义通信中，神经网络已经取代了传统通信系统中的不同构建块。然而，数字调制仍然是神经网络的一个挑战。基于神经网络的数字调制的内在机制是将神经网络编码器的连续输出映射成离散的星座符号，这是一个不可微的函数，不能用现有的梯度下降算法来训练。为了克服这一挑战，在本文中，我们开发了一个联合编码调制方案的数字语义通信与BPSK调制。在我们的方法中，神经网络输出每个星座点的可能性，而不是具有具体的映射。因此，使用随机码而不是确定性码，这为每个星座点上具有接近似然性的符号保留了更多信息。联合编码调制设计可以使调制过程与信道状态相匹配，从而提高数字语义通信的性能。实验结果表明，在较宽的信噪比范围内，该方法在语义通信中的性能优于现有的数字调制方法，在较低的信噪比范围内，该方法的性能优于基于神经网络的模拟调制方法。
2022-11-07 cs.IT cs.LG math.IT
Hybrid Bit and Semantic Communications for UAV-Enabled Wireless Power Transfer Networks: A Decision-Assisted Deep Reinforcement Learning Approach
Southwest Jiaotong University（西南交通大学）；University of Surrey（萨里大学）；Sun Yat-sen University（中山大学）；University of Nottingham Ningbo China（诺丁汉大学宁波校区）；University of Miami（迈阿密大学）
针对无人机网络中的能量和链路预算限制，提出一种多层混合比特与语义通信框架，通过联合优化无人机轨迹、能量采集基站选择、用户关联、语义模式选择和能量采集时间分配，并采用决策辅助的DSAC算法最大化语义通信效率。
2026-05-30 cs.IT eess.SP math.IT
Communication Beyond Transmitting Bits: Semantics-Guided Source and Channel Coding
经典的通信模式专注于在有噪声的信道上准确地传输比特，香农理论为可靠通信的速率提供了基本的理论限制。在这种方法中，比特被平等对待，并且通信系统不知道这些比特传达什么含义或者它们将如何被使用。可以预见的是，未来的通信朝着智能和简洁的方向发展将发挥主导作用，连接智能代理的扩散需要对编码传输范式进行彻底的重新思考，以支持即将出现的新通信形态。最近提出的"语义通信"概念提供了一个很有前途的研究方向。在编码传输设计中引入语义指导，实现语义感知的通信，在有效性和可靠性方面有很大的突破潜力。本文提出了一种基于语义的信源编码和信道编码的语义通信传输模式，它利用了数据语义的多样性和无线信道的多样性来提高整个系统的性能。我们提出了一般的系统架构和关键技术，并指出了一些开放的问题，在这个主题。
2022-06-02 cs.IT math.IT
Dynamic Relative Representations for Goal-Oriented Semantic Communications
Sapienza University（罗马大学）；CNIT（意大利国家电信集团）；Harvard University（哈佛大学）；CEA Leti（法国原子能和替代能源委员会-电子信息技术实验室）；University Grenoble Alpes（格勒诺布尔大学）
本文提出利用相对表示和动态优化策略实现隐空间对齐，以缓解6G语义通信中的设备间语义失配，同时优化能耗、时延和通信效能。
2025-04-09 cs.IT cs.LG cs.NI
Computing Networks Enabled Semantic Communications
本文针对深度学习语义通信计算资源需求高的问题，提出计算网络使能的语义通信框架，通过云-边-端协同实现语义采样、信道编码与资源优化，并验证其优势。
2023-12-01 cs.IT math.IT
Semantic Communication for the Internet of Space: New Architecture, Challenges, and Future Vision
本文针对6G太空互联网提出一种语义通信架构，集成多模态处理、AI语义编解码与自适应传输，并通过火星沙尘暴监测场景验证其有效性，最后展望了未来挑战与方向。
2025-03-30 cs.IT cs.NI eess.SP
Secure Semantic Communication over Wiretap Channel
本文研究窃听信道下语义通信的安全传输问题，在语义保密与数据失真约束下给出率-失真-疑义度区域的一般内外界，并针对高斯源与高斯窃听信道进行约简和数值评估。
2024-10-21 cs.IT math.IT
Semantic Communication Challenges: Understanding Dos and Avoiding Don'ts
本文回顾语义通信方法论，揭示关键问题与分歧，通过阐明应做与不应做之事，为新兴的语义通信领域提供有价值的见解。
2024-03-22 cs.IT math.IT
Neural Coding Is Not Always Semantic: Toward the Standardized Coding Workflow in Semantic Communications
本文针对语义通信中神经编码是否足以理解语义的问题，提出语义编码的标准化定义和基于上下文建模的通用语义表示方案，以最小修改实现人机端到端传输。
2025-08-18 cs.IT math.IT
Will 6G be Semantic Communications? Opportunities and Challenges from Task Oriented and Secure Communications to Integrated Sensing
Virginia Tech（弗吉尼亚理工大学）；The Ohio State University（俄亥俄州立大学）；University of Maryland（马里兰大学）
本文探讨了下一代网络中面向任务和语义通信的机遇与挑战，提出基于多任务学习的编解码器联合设计与联邦学习机制，并分析了对抗攻击下的鲁棒性需求，为实现高效安全的通感一体化通信奠定基础。
2024-01-03 cs.CR cs.IT cs.LG
ATS-ToDMA: Adaptive Token Selection and Token-Domain Multiple Access for Cross-Modal Semantic Communications
Motilal Nehru National Institute of Technology（莫蒂拉尔·尼赫鲁国立理工学院）；Sungkyunkwan University (SKKU)（成均馆大学）
针对语义通信系统效率问题，提出ATS-ToDMA框架，通过联合进行语义令牌选择、干扰感知调度和语义感知功率分配，引入SSINR指标，开发调度器，推导分析边界，相比基准有性能提升。
2026-07-07 cs.IT cs.NI eess.SP
From Semantic Communication to Semantic-aware Networking: Model, Architecture, and Open Problems
现有的通信系统主要是基于香农的信息论建立的，香农的信息论故意忽略了通信的语义方面。无线技术的最新迭代，即所谓的5G及以后，承诺支持基于内容，需求和语义精心定制的网络功能所实现的大量服务。这引起了人们对语义交流的极大兴趣，语义交流是一种将信息的意义纳入交流的新范式。在本文中，我们首先回顾了经典的语义通信框架，然后总结了阻碍其普及的关键挑战。我们观察到，一些语义通信过程，如语义检测，知识建模和协调，可以消耗资源和效率低下，特别是对于一个单一的源和目的地之间的通信。因此，我们提出了一种新的架构，基于联邦边缘智能支持资源高效的语义感知网络。我们的架构允许每个用户将计算密集型语义编码和解码任务卸载到边缘服务器，并通过中间结果协调来保护其专有的模型相关信息。仿真结果表明，该架构可以减少资源消耗，显著提高通信效率。
2021-06-23 cs.IT cs.NI cs.SI
Autoencoder-based Semantic Communication Systems with Relay Channels
在这封信中，我们提出了一个语义通信方案的无线中继信道的基础上自动编码器，命名为AESC，编码和解码的句子从语义维度。自动编码器模块为系统提供抗噪声性能。同时，提出了一种新的语义转发（SF）模式，使中继节点能够在语义层次上转发语义信息，特别适用于源节点和目的节点之间没有共享知识的情况。数值结果表明，AESC比传统的通信方案具有更好的稳定性能，而SF模式比传统的前向协议具有更好的性能增益.
2021-11-19 cs.IT math.IT
M4SC: An MLLM-based Multi-modal, Multi-task and Multi-user Semantic Communication System
本文提出基于多模态大语言模型的M4SC语义通信系统，通过KAN多模态对齐、指令驱动多任务微调、语义共享机制及联合编码策略，提升复杂环境下多模态多任务多用户语义通信的效率与鲁棒性。
2025-02-23 cs.IT math.IT
Less Data, More Knowledge: Building Next Generation Semantic Communication Networks
Virginia Tech（弗吉尼亚理工大学）；Technology Innovation Institute（技术创新研究院）；CentraleSupelec（巴黎中央理工-高等电力学院）；University Paris-Saclay（巴黎萨克雷大学）；University of Houston（休斯顿大学）；Kyung Hee University（庆熙大学）；Princeton University（普林斯顿大学）
语义通信被认为是一种革命性的范式，可以潜在地改变我们如何设计和操作无线通信系统。然而，尽管最近在这一领域的研究活动激增，研究景观仍然有限。在本教程中，我们提出了一个可扩展的端到端语义通信网络的第一个严格的愿景，该网络建立在人工智能（AI），因果推理和通信理论的新概念基础上。我们首先讨论如何设计语义通信网络需要从数据驱动的网络转向知识驱动的。随后，我们强调了创建满足极简主义，概括性和效率的关键属性的数据语义表示的必要性，以便用更少的时间做更多的事情，然后我们解释这些表示如何形成所谓的语义语言的基础。通过使用语义表示和语言，我们表明，传统的发射器和接收器现在成为一个老师和学徒。然后，我们通过研究因果表示学习的基本原理及其在设计语义通信网络中的作用来定义推理的概念。我们证明了推理能力的主要特点是能够捕捉数据流中的因果关系和关联关系。对于这种推理驱动的网络，我们提出了新的和必要的语义通信指标，包括新的“推理能力”的措施，可以超越香农的约束，以捕捉计算和通信的融合。最后，我们解释了语义通信如何扩展到大规模网络（6G及以上）。简而言之，我们希望本教程提供关于如何正确构建、分析和部署未来语义通信网络的全面参考。
2022-11-25 cs.AI cs.IT cs.LG
Excess Distortion Exponent Analysis for Semantic-Aware MIMO Communication Systems
本文分析了语义感知通信系统中联合信源-信道编码（JSCC）的超额失真指数。通过引入一个不可观测的语义源，我们将Csiszar的经典结果扩展到语义感知的通信系统。建立了离散无记忆源-通道对的指数的上界和下界。此外，推导出了MIMO系统的额外失真指数的扩展可达界。进一步的分析探讨了块衰落和天线数量如何影响语义感知MIMO系统的指数。我们的结果提供了一些理论界的错误衰减性能，并可以用来指导未来的语义通信与联合信源-信道编码方案。
2023-01-13 cs.IT math.IT
Holographic Beamforming for Semantic Communication
Princeton University（普林斯顿大学）；Peking University Shenzhen Graduate School（北京大学深圳研究生院）；University of Cambridge（剑桥大学）；Peking University（北京大学）；University of Houston（休斯顿大学）；Kyung Hee University（庆熙大学）；Xiangtan University（湘潭大学）
提出一种语义重要性感知的全息波束赋形方案，通过数据拟合建模语义重要性与接收信噪比的关系，并设计算法确保高重要性语义信息的可靠传输。
2026-06-23 cs.IT math.IT
End-to-End Generative Semantic Communication Powered by Shared Semantic Knowledge Base
针对测试压缩比偏低问题，提出共享 SKB 驱动的端到端生成式语义通信系统，仅传索引并支持可控图像生成，以极低开销在低 SNR 下优于基准。
2024-05-09 cs.IT math.IT
Enhancing Communication Efficiency of Semantic Transmission via Joint Processing Technique
提出基于联合处理技术的无线网络语义传输框架，构建最大化语义频谱效率的优化问题，并设计基于深度强化学习与交替优化的低复杂度动态语义映射与资源分配算法，实现近最优性能并促进系统实际部署。
2024-01-02 cs.IT math.IT
Cross-Layer Security for Semantic Communications: Metrics and Optimization
针对语义通信跨层安全缺乏统一评估与优化的问题，提出CLSSR度量、MINLP建模及基于强化学习的AI原生资源分配方法，提升任务可靠性与安全速率。
2025-03-17 cs.IT math.IT
Implicit Semantic Communication Based on Bayesian Reconstruction Framework
针对现有基于成对关系图的语义通信无法捕捉高阶交互的问题，本文提出基于贝叶斯超图推理的框架，接收端可从发送的显式语义中恢复隐式高阶超边语义，真实数据集实验显示其高阶超边恢复精度达90%。
2025-11-13 cs.IT math.IT
Semantic Security for Indoor THz-Wireless Communication
研究了工业室内太赫兹（THz）无线通信应用中的物理层安全问题。我们使用一个类似的模型被用于加性高斯白噪声（AWGN）无线通信信道。一个细胞通信和定向通信的情况下进行了分析，以说明可实现的语义安全保证窃听信道与有限块长度太赫兹无线通信链路。我们表明，弱定向发射机（爱丽丝）天线，它允许与多个合法的接收机（鲍勃）没有适应的对齐，导致在大的不安全区域的小区类型的通信。在定向通信场景中，仅当Alice和Bob之间的距离较大时，所产生的不安全区域才被示出为覆盖室内环境的大体积。因此，我们的结果为两个选定的情况下，有一个严格的权衡之间的目标语义安全级别和可靠和安全的合法接收器的数量。此外，保密码参数和天线属性上可实现的语义安全级别的影响进行了说明，以显示可能的改进方向，以保证实际可接受的安全级别与PLS方法的工业室内太赫兹无线通信应用。
2021-07-19 cs.CR cs.IT eess.SP
The Model Inversion Eavesdropping Attack in Semantic Communication Systems
Zhejiang University（浙江大学）
本文提出模型反演窃听攻击（MIEA），揭示语义通信系统的隐私泄露风险，并设计基于随机置换和替换的防御方法，实验证明其能有效抵御MIEA、实现安全语义通信。
2023-08-08 cs.CR cs.IT cs.LG
Adaptive Resource Allocation for Semantic Communication Networks
Nanjing University of Posts and Telecommunications（南京邮电大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Zhejiang Lab（之江实验室）；Zhejiang University（浙江大学）；Tsinghua University（清华大学）
本文针对动态无线环境下语义通信资源分配难题，提出基于语义比特量化的自适应资源分配范式，并通过混合深度强化学习联合优化波束成形、比特数、子信道和带宽，实现最高13%的SC-QoS性能提升。
2023-12-02 cs.AI cs.IT cs.LG
Beyond Transmitting Bits: Context, Semantics, and Task-Oriented Communications
Imperial College London（帝国理工学院）；Tsinghua University（清华大学）；Amazon（亚马逊）；Virginia Tech（弗吉尼亚理工学院）；Zhejiang Lab（之江实验室）；Zhejiang University（浙江大学）；The Ohio State University（俄亥俄州立大学）；University College London（伦敦大学学院）；Yonsei University（延世大学）
迄今为止的通信系统主要旨在可靠地传送比特序列。这种方法提供了高效的工程设计，这些设计对消息的含义或消息交换旨在实现的目标是不可知的。然而，下一代系统可以通过将消息语义和通信目标折叠到它们的设计中来潜在地丰富。此外，这些系统可以认识到通信交换发生的背景，为新颖的设计见解提供途径。本教程总结了迄今为止的努力，从早期的适应，语义感知和面向任务的通信开始，涵盖了基础，算法和潜在的实现。重点是利用信息论提供的基础，以及语义和任务意识的通信学习的重要作用的方法。
2022-10-03 cs.AI cs.IT cs.LG
Latency-Aware Generative Semantic Communications with Pre-Trained Diffusion Models
Beijing Institute of Technology（北京理工大学）；University of Surrey（萨里大学）；University of Oulu（奥卢大学）
本文提出基于预训练生成模型的时延感知语义通信框架，通过多模态语义分解、适配传输方案及语义时延感知功率分配，实现超低速、低时延的信道自适应语义通信。
2024-07-13 cs.CV cs.IT cs.MM
A Theory of Semantic Communication
本文提出语义通信的新理论框架，将语言设计纳入联合信源-信道编码，并刻画三类语言利用方法的可达语义失真-代价区域。
2025-08-31 cs.IT math.IT
Semantic Communication: From Philosophical Conceptions Towards a Mathematical Framework
本文提出一种基于哲学概念和抽象层次的语义通信概率模型，将问题正交化为子问题，证明 Shannon 框架为其特例，并推导了物理噪声下语义容量的下界及可达速率。
2025-05-02 cs.IT math.IT
Multi-User Semantic Fusion for Semantic Communications over Degraded Broadcast Channels
Shanghai Jiao Tong University（上海交通大学）
针对退化广播信道语义通信研究不足的问题，提出多用户语义融合与DBC感知的CSI嵌入方法，实现无线图像广播中两用户性能的动态平衡，并优于传统广播方案。
2024-06-15 cs.AI cs.IT math.IT
Towards Semantic Communications: A Paradigm Shift
过去的七十年见证了通信从香农的理论概念到当前高效实用系统的转变。传统的通信系统主要通过模块堆叠和技术密集来解决能力不足的问题，并且复杂度不断增加。传统的信源编码只使用显式的概率模型来压缩数据，而不考虑发送的信源消息的含义。此外，频道编码传输不会识别源内容。从这个意义上说，最先进的通信系统仅仅在技术层面上工作，正如韦弗所总结的那样。与传统的系统设计思想不同，本文提出了一种新的途径，以提高系统的能力，走向智能-内生和连续-简洁的通信。通信范式升级到语义层面，这是根本不同的，因为所有的关键技术都隐含着使用的意义传输数据，从而深刻地改变了通信系统的设计。这种模式的转变揭示了一个有前途的方向，由于其能够提供相同的服务质量与低得多的数据传输要求。与其他类似的工作不同，本文构成了一个简短的教程的语义通信的框架，其增益从信息论的角度分析，语义压缩边界的计算方法，和语义通信的一个示例用例。
2022-03-30 cs.IT math.IT
