【摘 要】语义通信是一种将用户的需求和信息含义融入通信过程中的全新架构，有望成为未来万物智联网络的新型基础范式，满足6G时代低时延、高可靠、高频谱效率、高密度大连接的性能要求。然而与传统通信系统相比，语义通信不仅受到无线通信环境中物理噪声影响，还因其信息具备语义特性而受到语义噪声影响，使其鲁棒传输变得极具挑战。针对语义通信系统中语义噪声干扰问题，提出知识图谱驱动的鲁棒认知语义通信系统。为提高语义通信系统鲁棒性，在发收端引入共享知识图谱对抗语义噪声干扰。发送端使用知识图谱做编码表示，大幅提升数据压缩率，提高信道利用率。接收端设计知识图谱补全算法以校正和恢复语义，显著降低语义噪声和物理信道噪声影响。实验和仿真结果表明，与传统文本传输通信模型对比，所提方法的鲁棒性得到了显著提升。
【关键词】鲁棒语义通信；知识图谱；语义提取；语义恢复
0 引言
随着移动通信网络从第一代（1G, First Generation）向第五代（5G, Fifth Generation）发展，实现的传输速率成万倍增长，系统传输信道容量逐渐接近香农极限[1]。然而这一发展已经无法满足即将到来的第六代移动通信网络（6G, Sixth Generation）时代低时延、高可靠、高频谱效率、高密度大连接的性能要求。作为解决这一问题的关键技术，语义通信有望突破经典通信系统的传输瓶颈，引起了工业界和学术界的广泛关注[2]。与传统的无线通信系统相比，语义通信系统更加关注发送端的语义信息与接收端对其含义的深层次理解，而传统无线通信系统则更加关注符号从发送端到接收端的无差别传输[3]。
随着人工智能技术发展，一些研究人员将计算机视觉、自然语言处理和语音处