关于语义通信技术、解决方案、应用与挑战的全面综述报告
本文旨在向国内学界与业界介绍一篇发表于期刊 digital communications and networks 2024年第10卷的综合性综述文章，题为《A survey on semantic communications: technologies, solutions, applications and challenges》。该文由来自Chongqing University of Posts and Telecommunications的Yating Liu, Xiaojie Wang, Zhaolong Ning, Lei Guo，Zhejiang Gongshang University与New Jersey Institute of Technology的Mengchu Zhou，以及Nokia, Finland的Behrouz Jedari共同完成。作为一篇系统性的综述，本文全面梳理了作为第六代移动通信（6G）关键使能技术的语义通信（Semantic Communication, SC）领域的最新进展，旨在为该领域的后续研究提供清晰的指引。
一、 论文核心主题与动机
本文的核心主题是“语义通信”。与传统通信（Shannon范式）追求比特级的无差错传输不同，语义通信的核心思想是传输信息的“意义”而非“精确比特”。其目标是在发送端提取源信息的语义特征，在接收端基于共享知识库恢复信息的含义，从而在有限的带宽和资源下，最大化信息传输的吞吐量，甚至突破传统香农容量极限。随着6G时代智能通信需求的爆炸式增长（如人机交互、元宇宙、数字孪生），处理海量数据带来的带宽瓶颈问题日益严峻，语义通信因其能显著减少传输数据量、提升传输效率和鲁棒性，被视为一项极具前景的突破性技术。
然而，尽管语义通信研究日益增多，但缺乏对其技术、解决方案、应用及挑战的全面梳理。现有综述多集中于单一目标（如视频语义提取）或特定应用领域（如物联网语义互操作性），缺乏一个全景式的概览。因此，本文的写作动机正是为了填补这一空白，从技术基础、解决方案、实际应用和未来挑战四个维度，对语义通信进行系统性总结，为研究者提供一个清晰的研究地图。
二、 论文主要观点阐述
1. 语义通信的基本特征、架构与优势 本文首先明确了语义通信相较于传统通信的范式转变。其特征包括：传输具有选择性（仅提取有用语义）；任务导向性强；依赖于收发端共享的语义知识库；性能评估基于语义相似度而非比特错误率。其核心优势体现在：1) 高效率与低能耗：通过消除冗余信息，大幅减少传输数据量；2) 智能纠错与准确性增强：能结合上下文和知识库推断并恢复缺失或受损的语义；3) 强鲁棒性：在低信噪比或有限带宽条件下仍能保持较好的语义恢复性能；4) 提升用户体验：能更好地理解用户意图，服务于人机交互。
在架构上，语义通信在传统物理层之上增加了语义层，该层包含语义编码器、语义解码器和共享知识库。典型架构演进从模块化设计（如DeepSC、DeepSC-S、MU-DeepSC等基于深度学习的端到端系统）走向集成化与智能化设计。文中特别介绍了创新的“一面三层”（One-plane and three-layers）智能简约网络架构，该架构包含语义智能平面以及语义赋能的应用-意图层、网络协议层和物理承载层，旨在实现从物理世界到数字世界的智能意图识别与高效语义交互，代表了6G网络智能演进的重要方向。
2. 语义通信的关键技术 本文详细梳理了实现语义通信的三大关键技术： * 语义特征学习与提取：这是通信的第一环，旨在将源信息转化为语义信息或符号。技术包括语义特征学习（如用于高光谱图像分类的空间/哈希语义特征学习网络）、语义提取（针对IoT、智慧城市、航空等不同场景的动态语义融合、概念图提取等方法）以及语义相似度度量（用于评估传输语义与接收语义的一致性，如基于注意力成分向量树、深度哈希等方法）。 * 语义编码：在信道编码前对语义特征进行组织与编码，是减少传输数据量的核心技术。文中总结了多种编码策略： * 联合信源信道编码：如迭代结构半神经框架IS-JSCC、非线性变换源信道编码NTSC、语义引导的源信道编码SGSCC，它们通过整合语义指导，打破传统信源与信道编码分离的限制，提升整体性能。 * 混合自动重传请求编码：如基于增量知识的语义HARQ（IK-HARQ）和结合传统RS码的SC-RS-HARQ架构，通过重传机制提升语义传输的可靠性。 * 联合语义-噪声编码：一种结合语义感知特征与强化学习的机制，能适应不同信道并捕获复杂信道状态下的语义。 * 其他策略：包括基于生成对抗网络的图像语义编码、基于卷积神经网络的音频语义自动编码器、以及基于强化学习的任务驱动语义编码，为不同模态数据提供了新的编码视角。 * 语义分割：主要用于图像传输，为每个像素分配语义标签以实现像素级分类。主流技术包括：基于上下文建模的语义分割（如上下文集成网络CENet、上下文引导网络CGNet），通过聚合全局与局部信息线索提升分割精度；基于双重相似度蒸馏的语义分割，通过知识蒸馏策略在保持精度的同时降低模型复杂度；以及自适应语义分割，针对遥感图像中类别覆盖不对称、尺度多变等挑战，提出了局部域自适应、尺度自适应网络等方法，以提高分割模型在不同场景下的泛化能力。
3. 语义通信的性能提升解决方案 针对语义通信面临的核心问题，文章归纳了四类解决方案： * 提升效率：包括传输效率（通过优化语义结构、采用粗到精编码模型、设计轻量分布式系统如L-DeepSC来减少数据量）、转换效率（利用知识图谱、动态调整学习率优化语义信息到比特的转换过程）和能源效率（通过联邦边缘智能架构将计算密集型任务卸载至边缘服务器、引入基站或语义基作为传输中介、优化资源分配策略来实现节能）。 * 提升鲁棒性：设计能够在不同信道条件下稳定工作的系统。例如，基于深度学习的文本传输系统DeepSC通过联合语义-信道编码最大化系统容量；MU-DeepSC系统处理多用户多模态数据，探索语义层面的相关性以提升交互通信的准确性；DL-SCMT模型则针对智能交通中的时间序列数据，实现在不同信道条件下的高质量信号重建。 * 提升适应性：旨在增强语义通信框架、模型或算法在不同任务和信道环境下的普适性与可扩展性。例如，DeepSC-S语音系统设计通用模型以适应动态信道；基于Transformer的系统引入自适应循环机制，以处理不同语义信息的句子；在工业物联网中提出的语义感知信息物理系统（SCPS）通过增加语义层和通信层，实现机器间的语义级互操作通信。 * 提升可靠性：确保通信的稳定、准确与安全。解决方案包括：基于上下文感知的模型（利用句子上下文或构建上下文图来辅助语义编码与解码，提高信息恢复的有效性）；引入知识图谱的系统，通过减少信息冗余和自适应调整传输内容来提升可靠性；设计多智能体深度强化学习框架，用于无人机应用，以实现无碰撞、低延迟、高精度的可靠通信；以及提出语义频谱效率等新度量指标来优化资源分配。
4. 语义通信的典型应用场景 文章展望了语义通信在多个前沿领域的应用潜力： * 无人机通信：用于提升空中图像/视频语义分割的效率和精度，通过轻量化模型和计算卸载解决无人机有限计算能力和电池容量的问题，并利用深度强化学习优化多无人机协同的信息匹配与任务完成可靠性。 * 遥感图像感知与融合：应用于土地覆盖分类、建筑物检测、语义变化检测等。通过分层多模态概率潜在语义分析模型、多模态融合网络、融合架构搜索框架等技术，实现对合成孔径雷达、多光谱成像等异构遥感数据的有效特征提取、融合与分类。 * 智能交通：在车联网（IoV）中，支持基于语义的空间关键词隐私搜索；在自动驾驶中，基于语义地图实现高精度视觉定位；在车载人脸识别服务中，利用语义特征和对抗样本生成技术保护隐私；在交通信息服务中，处理时间序列数据以实现语义感知。 * 医疗健康：在医疗物联网（IoMT）中，构建语义平台以实现医疗设备的互操作性和异构数据集成与可视化；开发语义驱动的健康风险事件监测模型，用于糖尿病等慢性病的并发症预测；在医学影像分析中，利用基于深度语义分割特征的放射组学框架，精准捕获病灶特征以辅助诊断。
三、 论文指出的未来挑战与开放性问题 在总结成果的同时，文章也前瞻性地指出了语义通信走向成熟和大规模应用所必须面对的三大挑战： * 语义计算效率：语义提取、恢复和知识库更新带来的计算负担和能耗问题。如何在提升性能与控制计算复杂度、能耗之间取得平衡，如何将语义通信技术与边缘计算有效结合以减轻终端设备压力，是亟待解决的问题。 * 语义通信中的数据隐私：语义通信高度依赖可能包含敏感信息的上下文知识库，这带来了隐私泄露风险。现有的隐私保护方案（如隐私隐写攻击检测、加密算法、分级隐私管理）存在保护不足或过度、通用性弱等问题。设计不影响共享知识模型协同学习与训练的通用语义隐私保护机制至关重要。 * 语义通信框架的通用性：当前研究多针对特定任务或内容，框架的普适性受限。不同信道条件下的语义信息传输优化、物联网中异构设备的能力差异、以及人类意图表达的丰富情感和多样性，都使得构建一个广泛适用的通用语义通信框架面临巨大挑战。
四、 论文的价值与意义
本文作为一篇全面的综述，其价值与意义主要体现在以下几个方面： 1. 系统性梳理：首次从技术、解决方案、应用和挑战四个层面，对快速发展的语义通信领域进行了系统性的归纳与总结，为初学者和研究人员提供了一个结构清晰、内容丰富的入门指南和研究参考。 2. 技术脉络清晰：文章不仅罗列了各项关键技术（如语义提取、编码、分割），还深入阐述了其原理、代表性方法及优缺点对比（通过表格形式），帮助读者理解技术演进的内在逻辑。 3. 理论与应用结合：在阐述核心技术的同时，紧密结合无人机、遥感、智能交通、医疗健康等具体应用场景，展示了语义通信技术的实用价值和广阔前景，有助于推动产学研结合。 4. 前瞻性指引：明确指出了语义计算效率、数据隐私和框架通用性三大核心挑战，为未来的研究方向提供了明确的着力点，对领域发展具有重要的指导意义。 5. 架构创新启示：文中介绍的“一面三层”智能简约网络架构，为构建未来6G网络中的语义通信体系提供了新颖的设计思路，激发了关于网络智能内生化的进一步思考。
这篇综述成功勾勒了语义通信作为6G核心使能技术的全貌，既是对过去研究成果的精彩总结，也是对未来探索方向的积极展望，对于推动我国在6G前沿通信技术领域的布局与发展具有重要的参考价值。