Semantic Communications with Discrete-time Analog Transmission: A PAPR Perspective
Imperial College London（帝国理工学院）
基于深度学习（DL）的联合信源-信道编码（DeepJSCC）的最新进展导致了语义通信的新范例。基于DeepJSCC的语义通信的两个显著特征是直接从源信号中利用语义感知特征，以及这些特征的离散时间模拟传输（DTAT）。与传统的数字通信相比，使用DeepJSCC的语义通信在接收端提供了卓越的重构性能，并随着信道质量的下降而适度降级，但在传输信号中也表现出较大的峰均功率比（PAPR）。一个悬而未决的问题是DeepJSCC的增益是否来自高PAPR连续幅度信号带来的额外自由度。本文针对这一问题，探讨了三种降低峰均比的技术在图像传输中的应用。我们确认，基于DeepJSCC的语义通信的卓越图像重建性能可以保留，同时传输的PAPR被抑制到可接受的水平。这一观察是在实际语义通信系统中实现DeepJSCC的重要一步。
2022-12-29 cs.IT cs.LG eess.IV
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
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
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
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
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
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
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
Rethinking Modern Communication from Semantic Coding to Semantic Communication
现代通信通常被设计为在传输消息时追求更高的比特级精度和更少的比特。本文重新思考这两个主要特征，并介绍了语义的概念和优势，其特点是一种新的语义感知的通信框架，结合语义编码和语义通信问题。在分析现有语义感知技术的潜在缺陷后，我们建立了一个基于置信度的联合语义噪声编码（JSNC）问题的蒸馏机制和强化学习（RL）驱动的语义通信范式，赋予系统传达语义的能力，而不是追求比特级的准确性。在这些技术贡献之上，这项工作提供了一个新的见解，以了解如何在语义感知编码和通信系统中处理和表示语义，并验证了这样做的显着好处。针对下一代的语义感知通信，一些关键问题和开放的挑战，如信息开销，语义安全和实现成本进行了讨论和展望。
2022-06-08 eess.SP
A Generalized Semantic Communication System: from Sources to Channels
语义沟通被认为是对香农范式的突破，香农范式只传递语义信息，显著提高了沟通效率。本文介绍了一种广义语义通信系统的框架，它利用多模态信源和无线信道环境中的语义信息。随后，通过两个示例展示了所开发的深度学习使能的端到端语义通信和环境语义辅助的无线通信技术。文章最后提出了促进这种广义语义通信系统发展的几个研究挑战。
2023-03-14 eess.SP
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
Semantic-Native Communication: A Simplicial Complex Perspective
Technology Innovation Institute（技术创新研究院）；University of Oulu（奥卢大学）
语义通信使智能代理能够通过交互来提取信息的含义（或语义），以执行协作任务。在本文中，我们研究语义通信从拓扑空间的角度来看，高阶数据语义生活在一个单纯的复杂。具体而言，发射机首先将其数据映射到$k$阶单纯复形，然后学习其高阶相关性。单纯结构和相应的特征被编码为潜在空间中的语义嵌入以进行传输。随后，接收器解码该结构并推断丢失或失真的数据。发送器和接收器协作训练简单卷积自编码器来完成语义通信任务。实验在语义学者开放研究语料库的真实数据集上进行，其中一部分语义嵌入在通信过程中丢失或失真。数值结果表明，单纯卷积自动编码器启用语义通信有效地重建单纯特征，并推断丢失的数据与$95\%$精度，同时实现稳定的性能下的信道噪声。相比之下，支持自动编码器的传统通信无法推断出任何丢失的数据。此外，我们的方法被证明可以有效地推断失真的数据，而无需在接收器的先验单纯结构知识，通过学习提取的语义信息在通信过程中。利用信息的拓扑性质，所提出的方法也被证明是更可靠和更有效的几个基线相比，特别是在低信噪比（SNR）水平。
2022-10-30 cs.LG eess.SP
Towards Intelligent Communications: Large Model Empowered Semantic Communications
本文系统研究大模型赋能的语义通信，提出集成记忆模块的新架构，展示应用优势，讨论关键设计并指出未来研究方向。
2024-03-19 eess.SP
Enhancing Semantic Communication with Deep Generative Models -- An ICASSP Special Session Overview
Sapienza University of Rome（罗马第一大学）；Sony Group Corporation（索尼集团公司）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文从机器学习视角综述了语义通信的挑战，指出深度生成模型能有效解决复杂语义信息提取、数据重建及信道鲁棒性问题，并为下一代生成式语义通信框架规划了新研究路径。
2023-09-05 cs.AI cs.LG eess.SP
Innovative semantic communication system
传统的通信系统只关注信息的传输过程，而忽略了上下文相关的意义。5G系统已经接近香农极限，数据量的增加会造成通信瓶颈，如延迟问题的增加。受人工智能理解语义能力的启发，我们提出了一种新的通信范式--语义通信系统，它将人工智能与通信相结合。语义通信是基于Shannon和Weaver \cite{6197583}的通信的第二层，它保留了传输信息的语义特征，并在接收端恢复了信号，从而在不丢失重要信息的情况下压缩了通信流量。与其他语义通信系统不同的是，该系统不仅传输语义信息，而且传输语义解码器。此外，本文还提出了一种通用的语义度量方法来度量语义通信系统的质量。特别是，语义通信系统的图像，即AESC-I，设计，以验证新的范式的可行性。利用MNIST和Cifar 10数据集对我们的系统在加性高斯白噪声（AWGN）和多径衰落信道下进行了仿真。实验结果表明，DeepSC-I可以在相对较低的信噪比下有效地提取语义信息并重建图像。
2022-02-19 eess.SP
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 Communication and Computation Trade-off in Wireless Semantic Communications
针对无线语义通信中计算与通信资源需求快速增长的问题，本文提出一种权衡指标，并利用深度强化学习最小化该指标，以在任务时延和性能约束下降低资源平衡成本。
2025-05-13 eess.SP
A Survey on Semantic Communications in Internet of Vehicles
School of Internet of Things Engineering, Jiangnan University（物联网工程学院）；Qualcomm（高通公司）
本文综述车联网中的语义通信，涵盖其关键技术（语义提取、架构、资源管理）及在交通感知、驾驶决策等场景的应用，指出其前景与挑战。
2025-06-18 cs.LG cs.NI eess.SP
Signal Shaping for Semantic Communication Systems with A Few Message Candidates
语义通信的目标是可靠地传达消息的语义含义。它与现有的专注于可靠比特传输的通信系统不同。为了实现语义通信的目标，我们提出了一种信号整形方法，通过最大限度地减少语义损失，这是衡量从变压器（BERT）模型的预训练的双向编码器表示。研究了语义通信系统中具有少量候选消息的信号集优化问题。我们提出了一个有效的投影梯度下降方法来解决这个问题，并证明了它的收敛性。仿真结果表明，该方法在最小化语义损失方面优于现有的信号整形方法。
2022-08-18 eess.SP
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 Robust Deep Learning Enabled Semantic Communication System for Text
随着6 G时代的到来，语义通信的概念越来越受到关注。与传统的通信系统相比，语义通信系统不仅受到存在于无线通信环境中的物理噪声的影响，另外的白高斯噪声，而且由于语义噪声的来源和基于深度学习的系统的性质。在本文中，我们阐述了语义噪声的机制。特别地，我们将语义噪声分为两类：字面语义噪声和对抗性语义噪声。前者是由书写错误或表达歧义引起的，而后者是由通过语义通道添加到嵌入层的扰动或攻击引起的。为了防止语义噪声影响语义通信系统，我们提出了一个强大的深度学习支持的语义通信系统（R-DeepSC），它利用校准的自我注意力机制和对抗训练来解决语义噪声。与仅考虑文本传输的物理噪声的基线模型相比，所提出的R-DeepSC在处理不同信噪比下的语义噪声方面取得了显着的性能。
2022-06-06 eess.SP
RIS-Based On-the-Air Semantic Communications -- a Diffractional Deep Neural Network Approach
Harbin Institute of Technology（哈尔滨工业大学）；Harbin Engineering University（哈尔滨工程大学）；National Cheng Kung University（国立成功大学）
本文提出基于可重构智能表面的空中语义通信新范式，利用衍射深度神经网络在波域实现光速、低功耗、多任务并行的语义计算与传输。
2023-12-01 cs.LG eess.SP
Task-oriented Explainable Semantic Communications
语义通信利用收发器计算资源来缓解稀缺的传输资源，诸如带宽和能量。虽然传统的基于深度学习（DL）的设计可以实现一定的传输效率，但是提取的特征的不可解释性问题是语义通信发展中的主要挑战。在本文中，我们提出了一个可解释的和强大的语义通信框架，结合成熟的比特级通信系统，它不仅提取和解开功能成独立的和语义上可解释的功能，但也只选择任务相关的功能进行传输，而不是所有提取的功能。基于这个框架，我们推导出率失真感知理论的最优输入，并推导出语义信道容量的上下界。此外，基于$β$ -变分自编码器（$β$ -VAE），提出了一种实用的可解释语义通信系统设计，该设计同时实现了语义特征选择，并对语义信道噪声具有鲁棒性.我们进一步设计了一个实时无线移动语义通信的概念验证原型。我们的模拟和实验表明，我们提出的可解释的语义通信系统可以显着提高传输效率，也验证了我们提出的强大的语义传输方案的有效性。
2023-02-27 eess.SP
Semantic Communications in Networked Systems: A Data Significance Perspective
我们提出了我们的愿景，从既定的方式架构和评估通信网络的出发，通过将语义信息的通信和控制网络系统。我们定义信息的语义，不是作为消息的含义，而是作为它们的意义，可能在实时约束下，相对于数据交换的目的。我们认为，研究工作必须集中在奠定理论基础的重新设计的整个过程中的信息产生，传输和使用一致的发展：先进的语义度量的通信和控制系统，最佳采样理论结合信号稀疏性和语义，实时预测，重建和控制下的通信约束和延迟;语义压缩感知技术，用于直接在压缩域中进行决策和推理;语义感知数据生成、信道编码、反馈、多路和随机访问方案，可减少数据量和能耗，增加可支持设备的数量。
2022-03-12 cs.IT cs.NI cs.SY
Engineering Semantic Communication: A Survey
本文综述语义通信的历史、现状与四类工程化方法，分析各自研究、挑战与机遇，并提出受人类交流启发、基于优化的上下文语义通信框架。
2022-10-04 eess.SP
Semantic Communication with Conceptual Spaces
尽管香农和韦弗的《通信的数学理论》是在70多年前出版的，但所有的通信系统都继续在该理论定义的三个层次中的第一个层次上运行：技术层次。在这封信中，我们认为，过渡到语义层面体现了一个自然的，重要的一步，在通信技术的发展。此外，我们提出了一种新的方法来工程语义通信使用概念空间和功能压缩。我们引入了一个模型，利用这种方法的语义通信，并模拟通信的图像语义展示率降低99.79%。
2023-01-06 eess.SP
Backdoor Attacks and Defenses on Semantic-Symbol Reconstruction in Semantic Communications
针对语义通信中的语义符号重建，提出后门攻击范式BASS及相应防御策略，包括训练框架、逆向工程和剪枝方法，仿真验证其有效性。
2024-04-20 cs.CR eess.IV eess.SP
Wireless Semantic Transmission via Revising Modules in Conventional Communications
语义通信因其高效的频谱利用率和纠错性能而成为研究的热点。一些研究使用深度学习来提取语义特征，这些语义特征通常形成端到端的语义通信系统，并且难以解决变化的无线环境。因此，新的基于语义的编码方法和性能指标进行了研究和设计的语义系统包括各种模块，在传统的通信，但具有改进的功能。本文讨论了最近的成就，在最先进的语义通信利用传统的模块在无线系统中。我们通过两个例子表明，传统的混合自动重传请求和调制方法可以重新设计新的语义编码和指标，以进一步提高无线语义通信的性能。在本文的最后，一些开放的问题进行了确定。
2022-10-02 eess.SP
Semantic Communication with Memory
虽然语义通信由于其强大的语义信息提取能力而成功地实现了高效的信息传输，但距离智能化或类人通信还有很大的距离。在本文中，我们引入了一个重要的组成部分，记忆，语义通信模仿人类的通信。特别是，我们研究了一个基于深度学习（DL）的语义通信系统与内存，命名为Mem-DeepSC，通过考虑场景问答任务。我们利用基于通用Transformer的收发器来提取语义信息，并引入记忆模块来处理上下文信息。此外，我们推导了语义信号的长度与信道噪声之间的关系，以验证动态传输的可能性。特别是，我们提出了两种动态传输方法，以提高传输的可靠性，以及通过屏蔽一些不必要的元素，这是通过训练模型识别的互信息，以减少通信开销。数值结果表明，所提出的Mem-DeepSC在回答精度和传输效率方面优于基准，即，发送的符号数。
2023-03-22 eess.SP
Resource allocation for text semantic communications
针对语义通信资源分配空白，首次定义语义频谱效率（S-SE），提出资源分配优化方法，并开发转换方法与传统系统公平比较，仿真验证其有效性和优越性。
2022-04-25 eess.SP
Semantic Communication Enabled Holographic Video Processing and Transmission
Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）；Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）；State Key Laboratory of Space Network and Communications（空间网络与通信国家重点实验室）；State Key Laboratory of Mobile Network and Mobile Multimedia Technology（移动网络与移动多媒体技术国家重点实验室）；ZTE Corporation（中兴通讯）；Department of Electrical and Computer Engineering, University of Houston（休斯顿大学电气与计算机工程系）；Department of Computer Science and Engineering, Kyung Hee University（庆熙大学计算机科学与工程系）；Institute for Communication Systems (ICS), 5G/6G Innovation Centre, University of Surrey（Surrey 大学通信系统研究所（ICS）、5G/6G 创新中心）；Faculty of Mathematics and Computer Science, Weizmann Institute of Science（魏兹曼科学研究院数学与计算机科学学院）
本文提出语义通信赋能的全息视频通信系统架构，设计语义采样、联合语义信道编码与语义感知传输等关键技术，并通过用例展示性能增益，为未来研究指明方向。
2025-10-15 cs.AI cs.IT cs.MM
Coarse-to-Fine Semantic Communication Systems for Text Transmission
针对语义通信系统语义理解不足的问题，提出一种基于粗到细处理和双重注意力机制的文本传输语义通信系统，有效提升了多信道条件下的语义交换性能。
2025-04-02 eess.SP
Integrating Semantic Communication and Human Decision-Making into an End-to-End Sensing-Decision Framework
University of Bremen（不来梅大学）；Bremen Institute for Mechanical Engineering（不来梅机械工程研究所）；SOCIUM Research Center on Inequality and Social Policy（SOCIUM不平等与社会政策研究中心）
本文提出将语义通信与人类决策制定整合到端到端的感知-决策框架中，以优化信息传递与认知能力的平衡。
2026-01-07 cs.HC cs.LG eess.SP
Semantic Synchronization for Enhanced Reliability in Communication Systems
针对语义通信中信号起始位置与AI解码器错位导致源信号无法重建的问题，提出基于图像语义特征的同步方法，通过共享SyncImg编码同步头、滑动窗口解码器定位，在低信噪比下实现更低漏检率与误差的跨设备精准同步。
2023-12-02 eess.SP
Semantic Importance-Aware Communications Using Pre-trained Language Models
本文提出语义重要性感知通信方案，利用预训练语言模型量化数据帧语义重要性并进行功率分配，只需引入跨层管理器即可嵌入现有通信系统，实验表明其语义损失低于等优先级通信。
2023-07-07 eess.SP
Semantic Importance-Aware Communications with Semantic Correction Using Large Language Models
本文提出理解级语义通信（ULSC），利用图像描述网络和大语言模型进行语义表示、重要性量化与纠错，在满足延迟约束下最小化语义损失，优于特征级语义通信并增强隐私。
2024-05-25 eess.SP
Task-Oriented Multi-User Semantic Communications for VQA Task
语义通信的重点是语义特征的传递。在这封信中，我们考虑一个面向任务的多用户语义通信系统的多模式数据传输。特别地，部分用户发送图像，而其他用户发送文本以查询关于图像的信息。为了利用来自多个用户的多模态数据之间的相关性，我们提出了一种基于深度神经网络的语义通信系统，名为MU-DeepSC，以执行视觉问答（VQA）任务为例。具体而言，MU-DeepSC的收发器被设计和优化，以从相关的多模态数据中捕获特征，用于面向任务的传输。仿真结果表明，所提出的MU-DeepSC比传统的通信系统对信道变化具有更强的鲁棒性，特别是在低信噪比（SNR）的情况下。
2021-12-14 eess.SP
Semantic Sensing and Communications for Ultimate Extended Reality
无线终极延展实境（XR）技术作为虚拟现实系统的关键技术，受到了业界和学术界的广泛关注。然而，严格的延迟和超高数据速率要求阻碍了无线终极XR的发展。语义通信不需要逐位传输源数据，而是关注源数据中包含的语义信息的成功传递，这在减少无线系统的数据流量方面显示出巨大的潜力。受语义通信的启发，本文为无线终极XR开发了一个联合语义感知、渲染和通信框架。语义感知通过探索语义信息的时空分布来提高感知效率。语义渲染旨在减少语义冗余像素的成本。其次，采用语义通信，实现无线极限XR的高数据传输效率。最后，通过两个案例分析验证了该框架的有效性.最后，潜在的研究方向，以促进语义感知的无线终极XR的发展。
2022-12-16 eess.IV eess.SP
Resource Allocation for Semantic Communication under Physical-layer Security
Nanyang Technological University（南洋理工大学）
针对6G语义通信中效用与时延的权衡及安全需求，本文引入物理层保密速率约束，提出总时延与效用的联合资源分配优化算法，实验显示其性能优于基线。
2023-12-07 cs.CR cs.LG eess.SP
Deep Learning Enabled Semantic Communication Systems
最近，已经开发了深度学习使能的端到端（E2E）通信系统以合并传统通信系统中的所有物理层块，这使得联合收发器优化成为可能。在深度学习的支持下，自然语言处理（NLP）在分析和理解大量语言文本方面取得了巨大成功。受这两个领域的研究成果的启发，我们的目标是从语义层面提供一个新的观点对通信系统。特别是，我们提出了一个基于深度学习的语义通信系统，名为DeepSC，用于文本传输。基于Transformer，DeepSC旨在通过恢复句子的含义来最大限度地提高系统容量并最大限度地减少语义错误，而不是传统通信中的位或符号错误。此外，迁移学习用于确保DeepSC适用于不同的通信环境，并加速模型训练过程。为了准确地证明语义通信的性能，我们还初始化了一个新的度量标准，名为句子相似度。与不考虑语义信息交换的传统通信系统相比，所提出的DeepSC对信道变化更具鲁棒性，并且能够实现更好的性能，特别是在低信噪比（SNR）的情况下，如广泛的仿真结果所示。
2021-04-19 eess.SP
FAST: Flexible and Adaptive Semantic Transmission for Resource-constrained Multi-user Generative Semantic Communication
生成式人工智能的快速发展刺激了语义通信的创新方法，产生了一种新的范式，称为生成式语义通信（GSC）。灵活的跨模态语义提取与生成能力驱动的语义推理的集成大大提高了语义压缩效率，在通信资源限制下展现了显着的前景。尽管如此，对高计算能力的严格依赖以及由此产生的延迟仍然是主要挑战，从而限制了大规模部署的可行性。为了解决这些挑战，我们提出了一种新的GSC框架名为FAST，它代表灵活和自适应的语义传输。为了适应有限的计算资源，我们提出了一个顺序的语义提取方法，其中一个时间提示工程模块编排的关键语义单元的蒸馏和传输。相应地，我们在接收器处引入顺序条件去噪模块，其使基于扩散的重建适应于渐进接收的输入。为了提高多用户语义传输的整体任务性能，我们提出了一种语义感知的资源分配方法，该方法基于语义依赖关系，用户级任务优先级和瞬时信道条件的联合考虑动态优化带宽。大量的实验表明，所提出的架构实现了与传统的GSC系统相媲美的系统精度，同时显着减少传输延迟，提高整体效率。这些结果证实了其在具有严格通信和计算约束的多用户GSC场景中部署的增强潜力。
2025-10-31 eess.SP
