基于语义通信的无线传输技术研究综述

基于语义通信的无线传输技术研究综述语义通信的核心架构与技术范式演进语义通信的核心架构区别于传统通信系统的“比特精准传输”目标，转而聚焦于信息本身含义的准确传递。经典的香农通信框架中，发射端将信源编码为二进制比特序列，通过信道编码提升抗干扰能力，接收端经过解码还原比特信息，整个过程不关注比特对应的实际含义。而语义通信架构在传统通信栈基础上新增了语义编码、语义解码、语义知识库三个核心模块：语义编码模块负责从原始信源中提取核心语义特征，去除冗余的非语义信息，将语义特征映射为低维的语义向量；语义解码模块基于接收到的语义向量和共享知识库，还原信息的原始含义；共享语义知识库则是收发双方共同认知的基础，包含领域知识、上下文信息、通用概念映射规则等，是实现语义高效传输的前提。当前语义通信的技术范式可分为三类：第一代语义通信为基于规则的语义压缩范式，主要应用于特定垂直领域，通过预定义的语义规则和本体库对信息进行结构化编码，例如工业传感器网络中预先定义温度、湿度等参数的语义编码规则，仅传输参数值和对应的语义标签，传输效率相比传统方案可提升50%以上，但这类方案通用性差，无法适配开放场景下的非结构化信息传输需求。第二代语义通信为数据驱动的语义编码范式，依托深度学习模型实现非结构化信息的语义特征提取，例如针对文本传输采用BERT等预训练语言模型提取文本语义向量，针对图像传输采用卷积神经网络提取视觉语义特征，这类方案能够适配文本、图像、音频等多模态信息传输，在10dB以下的低信噪比场景下，语义恢复准确率比传统通信方案高30%以上，但存在语义特征可解释性差、收发端模型一致性要求高的问题。第三代语义通信为智能交互的语义自适应范式，结合大语言模型和多智能体技术，实现收发端语义知识库的动态同步和语义编码策略的自适应调整，能够在通信过程中根据信道质量、业务需求动态调整语义传输粒度，在保证语义准确率的前提下最大化传输效率，是当前研究的热点方向。物理层语义传输关键技术物理层语义传输技术是语义通信落地的核心支撑，主要围绕语义特征的鲁棒传输、语义感知的信道资源分配两个方向展开。在语义特征调制方面，研究人员提出了语义联合编码调制方案，打破传统通信中信源编码与信道编码分离的设计思路，将语义特征的重要性与信道调制方式直接关联：对高重要性的核心语义特征采用高阶调制方式结合强信道编码，保证传输可靠性；对低重要性的辅助语义特征采用低阶调制方式，降低传输开销。例如针对图像语义传输，将图像中的目标类别、位置等核心语义特征采用QPSK调制结合LDPC编码，将纹理、颜色等辅助语义特征采用16QAM调制，在相同传输速率下，图像语义恢复的结构相似性（SSIM）比传统分离编码方案高0.2以上。语义感知的资源分配技术则是根据语义信息的优先级动态调度无线资源。传统的资源分配以最大化系统吞吐量、最小化传输时延为目标，而语义感知的资源分配将语义价值作为核心调度指标：首先对不同用户、不同业务的语义信息进行价值量化，例如自动驾驶场景中路侧单元传输的障碍物预警信息语义价值远高于普通的娱乐信息，在资源紧张时优先保障高价值语义信息的传输；其次建立语义价值与传输速率、时延、误码率的映射关系，通过优化资源块分配、功率控制、波束成形等参数，实现系统整体语义传输效率的最大化。最新研究表明，在6G超密集组网场景下，采用语义感知的资源分配方案，系统的语义有效吞吐量比传统吞吐量最大化方案提升40%以上，端到端语义传输时延降低25%。同时，面向语义传输的信道估计与反馈技术也在快速发展。传统信道估计需要精确估计信道的幅频响应、相频响应等参数，保证比特传输的准确性，而语义通信场景下信道估计的目标是保障语义恢复的准确性，因此可以降低对信道参数估计精度的要求，仅估计对语义传输影响较大的信道特征。研究人员提出了语义导向的信道压缩反馈方案，利用深度学习模型提取信道状态信息中的语义相关特征，将反馈开销降低90%的同时，语义恢复准确率仅下降不到2%，极大降低了MassiveMIMO场景下的信道反馈开销。语义通信的跨层优化与协议设计语义通信的特性要求对传统网络协议栈进行重构，实现从物理层到应用层的跨层语义感知优化。在数据链路层，传统的自动重传请求（ARQ）协议以比特误码率作为重传触发条件，只要出现比特错误就启动重传，而语义感知ARQ协议仅在比特错误导致语义恢复失败时才触发重传：接收端首先对接收的信息进行语义解码，若语义恢复准确率满足业务需求，则即使存在比特错误也不要求重传；仅当语义恢复准确率低于阈值时才启动重传。实测结果表明，在面向文本传输的语义通信系统中，语义感知ARQ协议的重传率比传统ARQ协议降低60%以上，极大提升了信道利用率。在网络层，语义路由技术根据信息的语义内容选择最优传输路径。传统IP路由基于目的地址进行转发，不关注数据包的内容含义，而语义路由将数据包的语义标签作为路由决策的重要依据：例如在应急通信场景下，标注有“火灾预警”语义标签的数据包会被优先转发到消防指挥中心、周边居民等相关节点，而不需要按照传统IP路由逐跳转发。语义路由技术结合信息中心网络（ICN）的架构思路，能够实现语义信息的高效分发，在物联网大规模节点接入场景下，语义路由的端到端传输时延比传统IP路由降低30%以上。传输层的语义拥塞控制机制也在逐步完善。传统TCP拥塞控制根据丢包、时延等信号调整传输速率，没有考虑语义信息的优先级，当网络出现拥塞时，高价值的语义信息可能和低价值信息一起被丢弃。语义拥塞控制机制会根据数据包的语义价值动态调整发送速率和丢弃策略：当网络出现拥塞时，首先降低低价值语义信息的发送速率，优先保障高价值语义信息的传输；需要丢弃数据包时，优先丢弃语义价值最低的数据包，保证网络整体的语义传输效率。仿真结果表明，在多业务混合传输场景下，语义拥塞控制机制的高优先级业务语义传输成功率比传统TCP协议提升50%以上。典型应用场景与技术落地挑战语义通信技术在多个垂直领域展现出巨大的应用潜力。在自动驾驶车联网场景中，车辆与路侧单元、车辆与车辆之间需要传输大量的感知数据，传统通信方案在500Kbps的传输速率下仅能传输低分辨率的图像，而采用语义通信方案，仅传输图像中的行人、车辆、障碍物等核心语义信息，传输数据量降低90%以上，能够在有限的带宽下实现关键感知信息的实时交互，为自动驾驶的安全决策提供支撑。在远程医疗场景中，手术机器人传输的高清视频数据对传输时延和可靠性要求极高，采用语义通信技术，优先保证手术部位、操作器械等核心语义区域的传输，非核心区域采用低码率传输，能够将端到端传输时延降低到10ms以内，满足远程手术的实时性需求。在工业互联网场景中，大量工业传感器采集的监测数据存在高度冗余，采用语义通信技术对数据进行语义压缩，仅传输异常事件、关键参数变化等语义信息，传输数据量可降低95%以上，有效缓解工业无线网络的带宽压力。尽管语义通信技术优势显著，但其落地仍然面临诸多挑战。首先是语义的标准化量化问题，不同领域、不同用户对语义的定义和价值判断存在差异，如何建立通用的语义价值评估体系、语义编码标准是实现语义通信大规模应用的前提，目前国际电信联盟（ITU）、3GPP等标准组织已经启动语义通信的标准化工作，但仍处于初步阶段。其次是语义安全与隐私保护问题，语义通信传输的是信息的核心含义，一旦被窃听或篡改，造成的影响远大于传统比特传输错误，如何实现语义信息的加密传输、篡改检测、隐私保护是需要解决的关键问题。此外，收发端的语义一致性维护也是一大挑战，当收发双方的语义知识库存在差异时，容易出现语义误解，如何实现语义知识库的动态同步、语义歧义的自动消除，仍然需要深入研究