【摘 要】未来的6G网络需支持更高的通信效率和高效的智能连接。基于AI的语义通信以传递用户意图及语义信息为目标，有望成为6G网络“内生智能”架构的技术支撑。然而，现有的语义通信框架忽略所提取的语义特征中的冗余信息。为研究高效的语义通信，提出基于语义通信的端到端服务框架，该框架将语义通信与AI的语义分析能力深度融合，可对语义特征进一步压缩后再传输，并保证AI服务质量。仿真分析表明，相比传统通信方案，所提方案在目标检测任务和图像重建均取得更优的性能，且取得与全语义特征传输方案相近的性能。
【关键词】语义通信；语义分析模型；端到端服务
0 引言
为迎接“万物智联”时代的到来，广泛部署的移动设备需要支持越来越多的智能服务，以支撑数字孪生、智慧工厂和智慧家庭等应用场景。需要6G网络支持更高的通信效率和高效的智能连接[1]。现阶段的无线网络架构基于以香农理论为基础的无线通信框架，该框架将信息表征为统计独立的比特，以无差错传输比特序列为目标，无法突破香农极限和解决人机通信等瓶颈问题。为此需要研究“内生智能”的6G网络架构，将人工智能技术和无线通信深度融合，设计智能且高效的端到端通信框架，为实现“万物智联”奠定技术基础[2]。
Weaver曾提出语义通信以传递用户意图及数据的语义信息为目标[3]，是基于经典香农理论的传统通信的拓展，为突破现阶段无线通信的瓶颈提供了思路。目前，国内外学者已提出了很多基于人工智能技术的语义通信框架[4-10]。这些语义通信框架的本质是基于人工智能算法生成的语义知识库，发射端提取原数据的语义特征，以实现在语义层面的数据压缩。其中，语义知识库表示数据语义表征知识的集合，而语义特征表示数据块