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
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
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
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
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
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
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
Multi-Modal Fusion-Based Multi-Task Semantic Communication System
School of Electronics, Peking University（北京大学电子学院）；Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（香港科技大学电子与计算机工程系）
本文提出基于多模态融合的多任务语义通信系统，利用BERT融合模块提升多模态信息处理效率，实验表明其在性能和通信开销上优于现有模型。
2024-07-01 eess.SP
Digital-SC: Digital Semantic Communication with Adaptive Network Split and Learned Non-Linear Quantization
提出一种数字语义通信系统Digital-SC，通过非线性量化模块、结构化剪枝、语义学习损失函数及策略网络自适应选择分割点与特征维度，在资源受限下实现高效数字传输。
2024-01-04 eess.SP
Scene Graph-Aided Probabilistic Semantic Communication for Image Transmission
提出基于场景图和概率图的无线图像语义通信框架，设计两阶段及多轮压缩算法去除冗余并重构信息，显著提升传输吞吐量与语义对齐效果。
2025-07-16 eess.SP
Alleviating Distortion Accumulation in Multi-Hop Semantic Communication
针对多跳语义通信中图像逐跳失真累积的问题，提出基于递归训练的多跳语义通信框架，通过递归输入接收图像重训练编解码器，显著缓解失真累积。
2023-08-22 eess.SP
MIMO-OTFS-Based Semantic Communication for High-Mobility Scenarios
Tsinghua University（清华大学）；Macao Polytechnic University（澳门理工学院）；Beijing Institute of Remote Sensing Equipment（北京遥感设备研究所）
针对高机动时频双选信道下现有语义通信性能下降问题，提出融合MIMO-OTFS与语义感知子信道分配的框架，通过熵模块评估特征重要性、Kendall相关系数量化匹配度，并联合优化编解码器，实验证明在高机动环境下重建质量优于传统OFDM语义通信系统。
2026-05-28 eess.SP
Lightweight Diffusion Models for Resource-Constrained Semantic Communication
Sapienza University of Rome（罗马第一大学）
本文提出Q-GESCO框架，通过量化扩散模型减少计算和内存负载，实现语义通信的高效再生，节省75%内存和79%浮点运算。
2024-10-03 eess.SP
TOIB: Task-Oriented Orthogonalised Information Bottleneck for Distributed Semantic Communication
King’s College London（伦敦国王学院）；College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院）；University of Miami（迈阿密大学）
本文提出TOIB方法，用于分布式语义通信，通过引入任务条件潜在变量平衡语义充分性、压缩和用户间正交性，提升分类准确率。
2026-04-13 eess.SP
Explainable Semantic Communication for Text Tasks
针对现有语义通信缺乏可解释性的问题，提出基于三元组的可解释语义通信方案，通过语义提取与过滤压缩传输数据，在情感分析和问答任务上准确率与传输效率优于基准，性能较传统方法提升约150%。
2024-05-17 eess.SP
SREC: Encrypted Semantic Super-Resolution Enhanced Communication
针对语义通信中明文语义特征易被窃听的安全问题，提出结合模256加密与超分辨率重建的SREC方案，可在低信噪比AWGN信道下稳定保障安全并提升传输性能。
2025-09-05 eess.SP
Features Disentangled Semantic Broadcast Communication Networks
单用户语义通信近年来得到了广泛的研究，但多用户语义广播通信（BC）仍处于起步阶段。在本文中，我们提出了一个实用的鲁棒的功能分离的多用户语义BC框架，其中发送器包括一个功能选择模块，每个用户有一个功能完成模块。语义编码器不是广播所有提取的特征，而是提取解纠缠的语义特征，然后仅选择用户想要的语义特征进行广播，这可以进一步提高传输效率。在这个框架内，我们进一步研究两个信息理论的指标，包括最终的压缩率下的失真和感知的约束，和可实现的语义BC率区域。此外，为了实现所提出的语义BC框架，我们设计了一个轻量级的强大的语义BC网络，利用监督自动编码器（AE），它可以可控地解开语义功能。此外，我们设计了第一个硬件概念验证原型的语义BC网络，其中所提出的语义BC网络可以实时实现。仿真和实验结果表明，所提出的鲁棒语义BC网络可以显着提高传输效率。
2023-03-03 eess.SP
Scalable Multi-task Semantic Communication System with Feature Importance Ranking
本文提出SMSC-FIR系统，通过联合语义编码和基于特征重要性排序的可扩展编码，在低信噪比下提升多任务语义通信性能。
2023-04-12 eess.SP
SemSteDiff: Generative Diffusion Model-based Coverless Semantic Steganography Communication
Beijing University of Posts and Telecommunications（北京邮电大学）；University of Exeter（埃克塞特大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出SemSteDiff方案，通过生成扩散模型在无载体图像中隐藏秘密信息，提升通信安全性，实验显示在不同编码框架下具有优越性能。
2026-03-25 eess.SP
A Robust Semantic Communication System for Image
本文提出一种鲁棒的图像语义通信系统DeepSC-RI，通过双分支多尺度语义提取与交叉注意力融合，有效应对对抗性扰动导致的语义损伤，提升传输鲁棒性。
2024-03-14 eess.SP
Task-Oriented Semantic Communication with Importance-Aware Rate Control
针对动态SNR环境下固定传输速率导致资源低效的问题，提出重要性感知速率控制语义通信（IRCSC）方案，通过基于贡献的重要性分析器动态调整速率，并引入语义传输完整性指数（STII）量化信息量，在低复杂度下实现了高压缩效率与任务性能的平衡。
2025-04-29 eess.SP
E-Healthcare Systems: Integrated Sensing, Computing, and Semantic Communication with Physical Layer Security
本文提出面向智能医疗的集成感知、计算与语义通信框架，通过联合优化波束成形与语义提取比率，在保障感知精度和GDPR合规的同时提升数据速率与通信安全。
2024-09-30 eess.SP
Low-Rate Semantic Communication with Codebook-based Conditional Generative Models
本文提出超低码率语义通信系统ULBSC，采用条件生成模型与可学习码本整合显著性条件，实现高感知质量且可控的任务导向图像传输，在超低码率下优于传统JSCC及现有生成式方法。
2025-04-07 eess.SP
Federated Learning Enhanced by Feature Reconstruction for Semantic Communication Module Updates of Agents
Seoul National University（首尔国立大学）
针对向量量化图像语义通信中知识库不匹配和模型过时问题，提出FedSFR框架，通过参数服务器特征重构和客户端传输紧凑特征向量，提升训练稳定性和通信效率。
2026-06-09 eess.SP
AgentComm: Semantic Communication for Embodied Agents
School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）；Institute of Communications Engineering, National Sun Yat-sen University（国立中山大学通信工程研究所）
本文提出语义通信框架，通过语义处理器和重要性感知传输策略减少通信开销，实现近50%带宽节省且任务完成性能损失 negligible。
2026-04-15 eess.SP
Linear Progressive Coding for Semantic Communication using Deep Neural Networks
本文提出一种基于深度神经网络的线性渐进语义编码方法，通过分层由粗到细地编码语义信息，在噪声信道语义通信中以少量初始测量实现及时预览，并在 MNIST 和 CIFAR-10 上达到与非渐进方法相当的准确率和效率。
2023-09-27 eess.SP
Group-wise Semantic Splitting Multiple Access for Multi-User Semantic Communication
Pohang University of Science and Technology (POSTECH)（浦项科技大学）；Hanbat National University（韩巴特国立大学）；Seoul National University（首尔国立大学）
本文提出一种分组语义分割多址接入框架，通过平衡聚类提取组级和用户级特征，结合复合损失函数提升语义分离度和重建保真度，实验表明在多种信道条件下性能提升显著。
2025-11-27 eess.SP
Semantic Communications in Multi-user Wireless Networks
本文研究了多用户网络中语义通信的开发。我们提出了一种新的异构语义和比特多用户框架，提供完美的，定制的，智能的信息传输。我们讨论了正交多址接入（OMA）和非正交多址接入（NOMA）的建议异构框架，重点调查语义通信和NOMA之间的相互作用，即NOMA启用语义通信和语义通信增强NOMA。1)对于支持NOMA的语义通信，我们提出了一个半NOMA方案，有效地促进异构语义和比特多用户通信，它统一了传统的NOMA和OMA方案。的基本性能限制，即语义与比特率的区域，其特征在于，这表明所提出的半NOMA的优越性。2)对于语义通信增强的NOMA，我们提出了一个机会主义的语义和比特通信的方法，以减轻在NOMA的早，晚速率差距的问题。数值案例研究表明，显着的性能增益可以实现NOMA采用语义通信比位通信。最后，突出了几个开放的研究方向。
2022-11-16 cs.IT eess.SP math.IT
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
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
Secure Semantic Communications: Fundamentals and Challenges
语义通信允许接收方知道意图而不是比特信息本身，这是一种新兴的技术，以支持未来无线通信的实时人机和机器对机器交互。在语义通信中，发送方和接收方共享一些共同的知识，这些知识可以用于在发送方提取小尺寸信息并在接收方恢复原始信息。由于设计目的的不同，语义通信中的安全问题与标准的按位通信相比有两个独特的特点。首先，语义通信中的攻击者不仅考虑被盗数据的数量，而且考虑被盗数据的含义。其次，语义通信系统中的攻击者不仅可以攻击标准通信系统中进行的语义信息传输，而且可以攻击用于语义信息抽取的机器学习（ML）模型，因为大多数语义信息是使用基于ML的方法生成的。由于这些独特的功能，在本文中，我们提出了一个概述的基本原理和安全语义通信的设计中的关键挑战。我们首先提供各种方法来定义和提取语义信息。然后，我们重点研究了安全语义通信技术的两个方面：信息安全和语义ML模型安全。对于每个领域，我们都确定了主要问题和挑战。然后，我们将对这些问题进行全面的处理。简而言之，本文提供了一套关于如何在真实世界的无线通信网络上设计安全语义通信系统的整体指导方针。
2023-01-04 cs.IT eess.SP math.IT
Economics of Semantic Communication System in Wireless Powered Internet of Things
语义通信系统使得无线设备能够有效地与数据的语义含义进行通信。采用语义通信系统的无线供电物联网（IoT）依赖于收集的能量来传输语义信息。然而，语义通信系统中的能量约束问题还没有得到很好的研究。在本文中，我们提出了一个基于语义的能源价值，并采取经济的方法来解决能源分配问题的激励机制设计。在我们的模型中，物联网设备（投标人）通过使用基于深度学习的最优拍卖来对能源和电力发送器（拍卖人）进行投标，从而决定获胜者和付款。结果表明，在满足个人理性（IR）和激励兼容性（IC）的情况下，无线电力发射器的收入最大化。
2021-10-04 cs.SI eess.SP
Exploring Textual Semantics Diversity for Image Transmission in Semantic Communication Systems using Visual Language Model
School of Computer Science and Engineering, Macau University of Science and Technology（计算机科学与工程学院，澳门科技大学）
针对语义通信中图像语义特征不足导致重建精度低的问题，提出基于VLM的Multi-SC系统，通过分块提取多文本信息并结合分割标签恢复图像，显著提升重建精度。
2025-07-30 cs.CV 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
Semantic Communication with Adaptive Universal Transformer
随着深度学习（DL）的发展，自然语言处理（NLP）使我们能够分析和理解大量的语言文本。因此，我们可以实现语义通信的联合语义源和信道编码在噪声信道的帮助下。然而，现有的实现这一目标的方法是使用NLP的固定Transformer，而忽略了每个句子所包含的语义信息的差异。针对这一问题，提出了一种基于通用Transformer的语义通信系统。与传统的Transformer相比，通用Transformer引入了自适应循环机制。通过引入循环机制，新的语义通信系统可以更灵活地传输不同语义信息的句子，在各种信道条件下实现更好的端到端性能。
2021-11-29 cs.CL eess.SP
Semantic optical fiber communication system
Beijing University of Posts and Telecommunications（北京邮电大学）
当前的光通信系统在不考虑数字比特背后的语义含义的情况下使比特或符号错误最小化，从而传输了大量不必要的信息。我们提出并实验证明了语义光纤通信（SOFC）系统。不是将信息编码成比特进行传输，而是使用深度学习从源中提取语义信息。所生成的语义符号然后直接通过光纤传输。与基于比特的结构相比，SOFC系统实现了更高的信息压缩率和更稳定的性能，特别是在低接收光功率区，并增强了对光链路损伤的鲁棒性。这项工作介绍了一个智能光通信系统在人类的分析思维水平，这是一个重要的一步，在目前的光通信架构的突破。
2022-12-27 cs.AI eess.SP
CoDS: Collaborative Perception via Digital Semantic Communication
National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；Purple Mountain Laboratories（紫金山实验室）；College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院）
CoDS通过数字语义通信实现协同感知，解决传统方法在V2X网络中的兼容性问题，提升感知性能与传输效率。
2025-12-27 eess.IV eess.SP
Hybrid Bit and Semantic Communications
National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（电子科技大学无线通信国家重点实验室）；Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
针对现有语义通信方案部署难的问题，提出HybridBSC混合比特与语义通信系统，设计语义插入提取方案，经SDR平台真实信道验证可同传语义与比特信息，易基于现有架构部署。
2024-04-30 cs.AI eess.SP
Rate-Adaptive Coding Mechanism for Semantic Communications With Multi-Modal Data
Zhejiang University（浙江大学）
提出一种结合传统信道编解码器的分布式多模态语义通信框架及速率自适应编码机制，通过基于语义重要性的不等差错保护优化推理延迟与准确度，在任务性能和部署复杂性上优于现有系统。
2023-05-18 cs.AI eess.SP
Multi-Modal Self-Supervised Semantic Communication
The Hong Kong University of Science and Technology（香港科技大学）
本文提出结合自监督预训练与监督微调的多模态语义通信系统，以降低训练通信开销，并在 NYU Depth V2 上验证其性能优势。
2025-03-18 cs.CV eess.SP
Building Semantic Communication System via Molecules: An End-to-End Training Approach
School of Electronic and Information Engineering（电子与信息工程学院）；Beijing Jiaotong University（北京交通大学）
针对通信资源受限场景，本文提出端到端语义分子通信系统，采用联合信源信道编码将任务信息编码为分子浓度，设计信道网络实现不可微分信道的端到端学习，在分类任务中性能优于传统方法。
2024-04-15 cs.AI eess.SP
Efficient Semantic-aware Encryption for Secure Communications in Intelligent Connected Vehicles
针对智能网联汽车语义通信的窃听风险，提出无需复杂密钥管理的高效语义感知加密机制，利用语义互易性独立生成会话密钥并结合YOLO-v10保障密钥一致，经多场景验证有效可行。
2025-02-23 cs.CR eess.SP
Seq2Seq-SC: End-to-End Semantic Communication Systems with Pre-trained Language Model
University of Southern California（南加州大学）
本文提出兼容5G NR的seq2seq-SC语义通信系统，利用预训练语言模型处理通用文本，通过BLEU和SBERT评估语义相似度，在提取语义信息上优于以往模型，为6G网络整合奠定基础。
2023-10-18 cs.CL eess.SP
RL-Driven Semantic Compression Model Selection and Resource Allocation in Semantic Communication Systems
本文提出基于强化学习的框架，通过近端策略优化动态选择语义压缩模型并分配带宽和功率，以平衡多用户语义通信中的准确性、时延和能耗，仿真验证其优于基线方法。
2025-06-23 cs.NI eess.SP
Semantic Communications: Principles and Challenges
Queen Mary University of London（伦敦玛丽女王大学）；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）；Huawei Technologies（华为技术有限公司）；Imperial College London（帝国理工学院）
语义交际被认为是对香农范式的突破，其目的是成功地传递信息源所传达的语义信息，而不是准确地接收每一个符号或比特，而不管其意义如何。本文提供了语义通信的概述。在简要回顾了Shannon信息论之后，我们讨论了深度学习支持的语义通信理论、框架和系统设计。与传统的通信系统的符号/比特出错率不同，本文还讨论了语义通信的性能指标。文章最后提出了语义通信中的几个开放性问题。
2022-06-27 cs.IT cs.LG 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
Vector Quantized Semantic Communication System
Queen Mary University of London（伦敦玛丽女王大学）；Tsinghua University（清华大学）
本文提出VQ-DeepSC，一种基于深度学习和矢量量化的数字语义通信系统，通过CNN收发器与多尺度语义嵌入实现图像传输，兼具鲁棒性和高质量重建。
2023-04-12 cs.CV eess.SP
