摘要：相较于传统无损“语法”通信，语义通信在不影响下游体验时，允许信宿恢复信息与信源原始信息之间存在一定误差，进而提升通信效率。聚焦语义通信研究，将语义通信在移动通信网络中的潜在用例梳理为四大类：第一类为信源在无线接入网络（RAN）可见，且信源信道联合编解码；第二类

【摘 要】相较于传统无损“语法”通信，语义通信在不影响下游体验时，允许信宿恢复信息与信源原始信息之间存在一定误差，进而提升通信效率。聚焦语义通信研究，将语义通信在移动通信网络中的潜在用例梳理为四大类：第一类为信源在无线接入网络（RAN）可见，且信源信道联合编解码；第二类为信源在RAN不可见，且信道编解码利用了信源信息；第三类是信源在RAN不可见，且采用纯信源编解码；第四类为信源在RAN中可见，且采用纯信源编解码。进一步地，针对第一类用例开展仿真验证，剖析第二类用例的架构设计，分析不同分类语义通信面临的挑战及标准化影响，最终得出初步的研究建议，希望为语义通信的后续研究与标准化提供有益思路。

【关键词】语义通信；CSI压缩反馈；架构设计；AMC

（西安电子科技大学通信工程学院，陕西 西安 710071）

【摘 要】针对物联网语义通信场景中，带宽资源和设备内存同时受限时，语义通信性能难提升、模型难部署的问题，提出了一种基于动态知识蒸馏的轻量化语义通信（L-SCDKD）方法，分为基于动态知识蒸馏的知识迁移和网络剪枝两阶段。首先，该方法以基于信息瓶颈的端到端语义通信方法为基础构建了网络结构复杂、参数量大的语义通信教师模型和小规模的学生模型，并基于动态知识蒸馏方法进行知识迁移，使用语义通信教师模型辅助训练学生模型以提升其性能；然后，利用网络剪枝的方法进一步对学生模型进行压缩，最终得到轻量化语义通信模型。实验结果表明，与现有的语义通信方法相比，所提出的L-SCDKD方法提升了带宽资源受限时的语义通信性能，同时显著降低了语义通信模型参数量和内存需求，从而更易部署于内存受限的智能设备，适用于物联网场景。

【关键词】语义通信；深度学习；轻量化；知识蒸馏；带宽受限；内存受限

（1.鹏城实验室，广东 深圳 518000；

2.深圳大学，广东 深圳 518060；

3.北京邮电大学，北京 100876；

4.香港中文大学（深圳），广东 深圳 518172）

【摘 要】6G以构建内生智能网络为核心目标，其物理层的设计面临着高频信道建模、超大规模天线阵列优化和动态任务适配等多方面挑战。传统方法主要依赖数学模型和专用的模型，难以适应当前复杂场景需求。以大语言模型（LLM）为核心的基础模型，凭借其强大的泛化能力和多模态融合特性，为物理层智能化开辟了新方向。系统综述大语言模型在信道预测、波束管理、资源分配等物理层任务中的应用进展，梳理其关键技术和方法的应用，包括模型架构创新、参数高效微调及多模态信息处理策略。通过深入分析当前模型性能优势与局限性，提出构建基于LLM的动态化信道知识库与强化信道知识库对语义通信的赋能能力等未来研究方向。结合可信赖性增强、机理-数据融合及边缘智能落地等技术的协同突破，为6G物理层任务智能化的演进提供理论支撑。

【关键词】大语言模型；物理层智能化；6G通信；信道建模；多模态学习；参数高效微调；基于LLM的信道知识库

（1.北京邮电大学泛网无线通信教育部重点实验室，北京 100876；

2.鹏城实验室宽带通信研究部，广东 深圳 518055；

3.北京邮电大学网络与交换技术国家重点实验室，北京 100876；

4.香港中文大学（深圳）未来智联网络研究院，广东 深圳 518172）

【摘 要】从语义信息论的角度出发，探讨语义知识库的压缩原理与表征极限。考虑用语义率失真函数对语义知识库的压缩性能与表达能力进行量化建模，并基于语义信息论中的同义映射关系，考虑收发端语义知识库完全匹配和不匹配的场景。进一步引入了语义失真函数以及语义知识库匹配度，量化分析语义知识库一致性的影响。在CUB数据集上的仿真结果表明，随着语义知识库规模的增加，语义通信系统的压缩效率显著提升。同时，提升收发端语义知识库的匹配度对于实现高效语义通信至关重要，从而验证了所提出理论框架与算法模型的有效性。

【关键词】语义率失真函数；语义知识库；语义信息论；压缩极限

（1.中国地质大学（武汉）机械与电子信息学院，湖北 武汉 430074；

2.华中科技大学电信学院，湖北 武汉 430074；

3.鹏城实验室，广东 深圳 518055；

4.琶洲实验室（黄埔），广东 广州 510335）

【摘 要】在万物智联的时代，语义通信通过语义信息的精准理解与高效传递，为通信系统注入了更深层次的智能，成为未来通信技术的核心发展方向之一。特别地，通感一体化技术通过将通信与感知进行深度融合，已成为6G的核心应用场景之一。基于环境语义感知的通感一体化技术，能够在保障数据高效传输的同时，实现对复杂环境的有效感知，为低空经济、智慧医疗等多种新兴垂直应用场景提供了有力的技术支撑。然而，由于无线信号的统计特征与其地理位置和周围环境具有强相关性，呈现高度异构性，传统的基于联邦学习的分布式环境语义感知算法模型精度、收敛速度等性能较低。通过对在不同地点接收到的无线信号数据分布的相关性进行分析，提出一种基于环境语义感知的聚类联邦学习算法。所提算法通过对不同位置的无线信号数据分布的相似程度进行度量，并据此将采集的无线信号数据集进行聚类然后为每个接收器的本地数据集构建个性化全局模型。基于实测无线感知数据集进行了大量仿真实验，实验结果表明，与传统的基于FedAvg的解决方案相比，所提算法在测试准确率方面提高了约5.05%。

【关键词】语义通信；通感一体化；环境语义特征；聚类联邦学习

（1.中国矿业大学，江苏 徐州 221116；

2.鹏城实验室，广东 深圳 518066；

3.西安电子科技大学，陕西 西安 710071）

【摘 要】用户数量的增加和用户对服务质量（QoS）要求的持续提高，利用有限的频谱资源处理大量的数据给5G通信网络带来了巨大挑战。现有接入方案在多用户通信场景中没有充分利用信道传输能力，为此提出了语义特征多址接入（SFDMA）方案。该方案将多用户信息编码为近似正交的语义特征，以支持面向重构的广播语义通信，从而有效减少多用户间干扰。此外，设计了基于Swin-Transformer的SFDMA广播模型，并进一步设计了SFDMA硬件平台，验证了其性能。实验结果证明所提出的SFDMA方案在图像重建任务中展现出优越重构质量与隐私保护性，为多用户干扰网络中的信息处理提供了新思路。

【关键词】广播语义通信；语义特征多址接入；图像重构

（暨南大学智能科学与工程学院，广东 珠海 519070）

【摘 要】6G愿景中海量智能连接导致图像传输需求呈现爆发式增长。然而，传统基于像素级/符号级的图像传输需消耗大量通信资源，且图像数据中存在大量与任务不相关的冗余信息，导致通信效率低。针对该问题，语义通信作为一种新兴通信范式，其通过提取和传输关键语义特征提升通信效率。然而，噪声的存在和通信链路的时变性造成语义差错，损害语义通信的可靠性，进一步影响任务的执行。不同于传统基于代数理论的信道编码，语义通信缺乏完善的纠检错理论与差错控制机制。为了实现通信的语义级差错恢复，提出利用生成对抗网络（GAN）实现图像语义的纠错器，并通过监督学习实现语义检错器，当未能纠正错误时引入混合自动重传请求（HARQ）技术提升图像语义传输的可靠性。具体而言，通过数据级融合策略实现多次重传的图像语义信息的等增益合并，提升图像语义的接收质量。最后，实验仿真结果表明所提的图像语义HARQ方案有效提高了接收图像的多尺度结构相似性（MS-SSIM）和神经感知度量指标（LPIPS），尤其在低信噪比条件下所提出方案相较于无重传策略在峰值信噪比（PSNR）、MS-SSIM与LPIPS均有显著的改善。此外，仿真结果还验证了当信噪比高于2 dB时，引入纠错器方案的平均传输次数相较于无纠错器方式能够降低重传约1次。

【关键词】混合自动重传请求；生成对抗网络；语义通信；图像传输；差错控制

（1.南开大学电子信息与光学工程学院，天津 300350；

2.天津市光电传感器与传感网络技术重点实验室，天津 300350；

3.浙江海洋大学信息工程学院，浙江 舟山 316021）

【摘 要】传统通信面临瓶颈，6G时代需革新范式。语义通信聚焦信息“意义”提取与传输，旨在提升通信效率及智能交互水平，是6G核心使能技术，其理论基础与演进路径明确，关键技术包括基于人工智能、知识图谱的语义编解码、多模态融合和资源优化等，在智能物联网、元宇宙等场景中具有显著应用潜力与新兴架构优势。语义通信在提取准确性、安全隐私、跨模态理解等方面面临挑战，未来发展方向涵盖量子、绿色、认知启发及可解释性等方面，对推动语义通信在6G和未来信息社会的发展具有重要意义。

【关键词】语义通信；6G网络；深度学习；语义信息理论

（1.北京邮电大学网络与交换技术国家重点实验室，北京 100876；

2.中国矿业大学（北京），北京 100083）

【摘 要】随着机器感知、边缘计算与人工智能技术的快速发展，智能交通、低空无人系统等典型场景中对多传感视觉信息的高效传输与处理提出了更高要求。语义通信作为通信与智能融合的传输新范式，为多源视觉信息的高效传输提供了新思路。在梳理多源视觉信息处理面临的模态对齐难、融合效率低下、信道适应性不足等关键挑战的基础上，文章分析了现有多源视觉信息处理及传输的研究现状与典型方法。同时，针对智能车联网与无人机平台两个典型应用场景，文章设计了面向多源视觉的语义传输架构。针对RGB与红外等图像高效传输与融合处理需求，设计了一种RGB-红外图像融合的语义传输方案，结合RGB-红外语义特征融合策略，实现对多源图像语义信息的高效提取与自适应传输。最后，基于VTUAV数据集开展实验验证，仿真结果表明所提方法在低信噪比条件下仍具备较强的重构质量与任务保持能力，相较传统语法通信方案，显著提升了图像重建质量与跟踪准确率。

【关键词】多源视觉；语义通信；图像传输

【摘 要】随着大模型技术驱动智能体应用的普及，智能体间的高效通信对于实现复杂任务协作至关重要。传统基于符号语法的通信方式面临信息表达不充分与效率瓶颈。语义通信作为新兴范式，通过传递核心语义信息，旨在实现智能体间的高效理解与协作，为智能体通信领域带来革新机遇。聚焦智能体语义通信，系统综述了其研究现状、关键技术与未来趋势。深入剖析了其基本概念、研究意义、面临挑战及其在多智能体系统、人机交互和物联网等领域的广阔应用前景，并展望了未来研究方向。

【关键词】智能体通信；语义通信；大语言模型

（1.西安电子科技大学广州研究院，广东 广州 510555；

2.西安电子科技大学人工智能学院，陕西 西安 710071；

3.镕铭微电子（上海）有限公司，上海 310000）

【摘 要】多模态信息获取、传输、处理与理解对于实现人工智能具有重要意义。现有方法或者不同模态独立编码传输，或者利用深度学习技术进行多模态融合后传输。语义通信技术以语义表征信息，强调语义级建模，给多模态信息的高效传输带来启发。以经典的情感识别为例，从降低数据量的角度，提出一种带宽受限时丢弃部分模态信息来减轻数据传输时的带宽负载，在解码端时利用模态之间的相关性，通过其他模态来恢复丢弃的模态信息。实验结果表明，相比于传统编解码方法，所提出的方法有着极大的优势。而在追求更低的带宽时，可以丢弃视频模态来减轻带宽负载，同时能够具有更好的性能表现。

【关键词】语义通信；多模态语义通信；情感识别；丢失模态；多模态关联

（电子科技大学，通信抗干扰全国重点实验室，四川 成都 611731）

【摘 要】车联网通信因其固有的高频传输和海量数据的特性，会给通信链路带来巨大负载。而语义通信技术通过提取语义信息进行信息压缩，能显著提升频谱效率，因此在车联网中具有巨大的应用潜力。然而，在信宿知识库动态更新的场景下，动态语义知识库的共享增加了额外传输开销。针对这一问题，采用模糊熵理论建模信源知识库不确定性对通信性能的影响，建立了一个权衡知识库共享性能与传输开销的优化模型。在加性高斯白噪声的信道条件下的仿真结果表明，基于该模型构建的语义通信系统相较于传统通信方式，仅需78.33%的频谱资源即可将判决错误率降低50%以上，充分验证了模糊熵在车联网语义通信中的指导价值。

【关键词】语义通信；信息论；模糊熵；车联网通信；自动驾驶的任务决策

《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、中国应用型核心期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。

来源：移动通信编辑部