【技术实现步骤摘要】
本专利技术属于无线通信，具体涉及一种面向多任务的语义通信方法、装置、设备和存储介质。
技术介绍
1、任务导向的语义通信，是通过传递语义信息完成任务需求的一种智能通信方式。传统的语法通信，要求接收端译码信息与发送端编码信息严格一致，即实现比特级的无差错传输。而任务导向的语义通信并不要求收发端编译码序列严格匹配，只要求接收端信息经处理后能够按需完成相应任务即可。
2、当前任务导向的语义通信研究正逐渐成为学术界的关注热点，基于语义信息的数据传输将是非常有竞争力的一种关键技术。对任务导向的语义通信系统进行设计，使发送端传输的信号同时具有多种任务需要的语义信息，进而在接收端同时满足多种任务的需求。如何在保证多任务性能的前提下，提升语义信息的传输效率，降低通信和计算开销具有现实的应用意义。
技术实现思路
1、有鉴于此，本专利技术的目的在于提出一种面向多任务的语义通信方法、装置、设备和存储介质，以通过最大化源信息和语义表征之间的互信息，优化端到端语义通信系统，从而在网络中传输同时具备生成性和判别性的语义表征，为接收端的多个目标任务提供所需语义信息。
2、基于上述目的，第一方面，本专利技术提供了一种面向多任务的语义通信方法，包括：
3、构建基于互信息最大化的语义通信基础框架，所述基于互信息最大化的语义通信基础框架包括语义通信发送端和语义通信接收端，所述语义通信发送端对源信息进行语义信息表征、信息编码、信息变换处理；所述语义通信接收端对接收到的语义信息进行语义信息
4、构建语义表征量化模型，所述语义表征量化模型在所述语义通信发送端对所述语义信息表征进行预设精度量化，量化后得到的语义符号采用比特数进行表示，并将量化后得到的语义符号映射到星座点；
5、构建自适应变长语义表征编码模型，所述自适应变长语义表征编码模型基于当前信道状态以及目标任务需求条件，选择性地对所述语义信息表征的指定维度进行依次、连续激活，在保证目标任务性能的前提下自适应地降低语义表征传输开销，所述目标任务包括分类、识别、重建、聚类和检索中的至少一种。
6、作为面向多任务的语义通信方法优选方案，所述语义通信发送端对源信息采用卷积神经网络、深度神经网络进行语义信息表征；
7、所述语义通信发送端对源信息进行信息编码包括语义编码、信源编码和信道编码。
8、作为面向多任务的语义通信方法优选方案，所述语义表征量化模型利用人工智能模型、全局以及局部互信息最大化，使所述语义信息表征同时具备生成性和判别性。
9、作为面向多任务的语义通信方法优选方案，所述语义通信接收端对接收到的语义信息进行语义信息恢复过程中，利用人工智能模型，对接收到的语义信息进行重建，恢复所述源信息；
10、所述语义通信接收端对接收到的语义信息进行信息解码包括语义解码、信源解码和信道解码。
11、作为面向多任务的语义通信方法优选方案，将量化后得到的语义符号映射到星座点的过程中，采用非对称量化算法使量化后的语义符号映射到具有幅值相位间隔的星座点，以适应实际数字通信系统中的射频硬件设计。
12、作为面向多任务的语义通信方法优选方案，所述自适应变长语义表征编码模型基于的当前信道状态包括当前时刻信噪比和噪声方差；
13、所述自适应变长语义表征编码模型基于的目标任务需求条件包括语义表征剪枝阈值和目标任务性能阈值。
14、第二方面，本专利技术提供一种面向多任务的语义通信装置，包括：
15、语义通信基础处理模块，用于构建基于互信息最大化的语义通信基础框架，所述基于互信息最大化的语义通信基础框架包括语义通信发送端和语义通信接收端，所述语义通信发送端对源信息进行语义信息表征、信息编码、信息变换处理；所述语义通信接收端对接收到的语义信息进行语义信息恢复、信息解码、任务推理处理；
16、语义表征量化模块，用于构建语义表征量化模型，所述语义表征量化模型在所述语义通信发送端对所述语义信息表征进行预设精度量化，量化后得到的语义符号采用比特数进行表示，并将量化后得到的语义符号映射到星座点；
17、自适应变长语义表征编码模块，用于构建自适应变长语义表征编码模型，所述自适应变长语义表征编码模型基于当前信道状态以及目标任务需求条件，选择性地对所述语义信息表征的指定维度进行依次、连续激活，在保证目标任务性能的前提下自适应地降低语义表征传输开销，所述目标任务包括分类、识别、重建、聚类和检索中的至少一种。
18、作为面向多任务的语义通信装置优选方案，所述语义通信基础处理模块中：
19、所述语义通信发送端对源信息采用卷积神经网络、深度神经网络进行语义信息表征；
20、所述语义通信发送端对源信息进行信息编码包括语义编码、信源编码和信道编码；
21、利用人工智能模型，对接收到的语义信息进行重建，恢复所述源信息；
22、所述语义通信接收端对接收到的语义信息进行信息解码包括语义解码、信源解码和信道解码。
23、作为面向多任务的语义通信装置优选方案，所述语义表征量化模块中：
24、所述语义表征量化模型利用人工智能模型、全局以及局部互信息最大化，使所述语义信息表征同时具备生成性和判别性；
25、采用非对称量化算法使量化后的语义符号映射到具有幅值相位间隔的星座点，以适应实际数字通信系统中的射频硬件设计。
26、作为面向多任务的语义通信装置优选方案，所述自适应变长语义表征编码模块中：
27、所述自适应变长语义表征编码模型基于的当前信道状态包括当前时刻信噪比和噪声方差；
28、所述自适应变长语义表征编码模型基于的目标任务需求条件包括语义表征剪枝阈值和目标任务性能阈值。
29、第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面或其任意可能实现方式的一种面向多任务的语义通信方法。
30、第四方面，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或其任意可能实现方式的一种面向多任务的语义通信方法。
31、从上面所述可以看出，本专利技术提供的技术方案，构建基于互信息最大化的语义通信基础框架，所述基于互信息最大化的语义通信基础框架包括语义通信发送端和语义通信接收端，所述语义通信发送端对源信息进行语义信息表征、信息编码、信息变换处理；所述语义通信接收端对接收到的语义信息进行语义信息恢复、信息解码、任务推理处理；构建语义表征量化模型，所述语义表征量化模型在所述语义通信发送端对所述语义信息表征进行预设精度量化，量化后得到的语义符号采用比特数进行表示，并将量化后得到的语义符号映射到星座点；构建自适应变长语义表征编码模型，所述自适应变长语义表征编码模型基于当前信道状态以本文档来自技高网...
【技术保护点】
1.一种面向多任务的语义通信方法，其中，包括：
2.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述语义通信发送端对源信息采用卷积神经网络、深度神经网络进行语义信息表征；
3.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述语义表征量化模型利用人工智能模型、全局以及局部互信息最大化，使所述语义信息表征同时具备生成性和判别性。
4.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述语义通信接收端对接收到的语义信息进行语义信息恢复过程中，利用人工智能模型，对接收到的语义信息进行重建，恢复所述源信息；
5.根据权利要求1所述的一种面向多任务的语义通信方法，其中，将量化后得到的语义符号映射到星座点的过程中，采用非对称量化算法使量化后的语义符号映射到具有幅值相位间隔的星座点，以适应实际数字通信系统中的射频硬件设计。
6.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述自适应变长语义表征编码模型基于的当前信道状态包括当前时刻信噪比和噪声方差；
7.一种面向多任务的语义通信装置
8.根据权利要求7所述的一种面向多任务的语义通信装置，其中，所述语义通信基础处理模块中：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1至6任一项所述的一种面向多任务的语义通信方法。
10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其中，所述计算机指令用于使所述计算机执行权利要求1至6任一项所述的一种面向多任务的语义通信方法。
...【技术特征摘要】
1.一种面向多任务的语义通信方法，其中，包括：
2.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述语义通信发送端对源信息采用卷积神经网络、深度神经网络进行语义信息表征；
3.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述语义表征量化模型利用人工智能模型、全局以及局部互信息最大化，使所述语义信息表征同时具备生成性和判别性。
4.根据权利要求1所述的一种面向多任务的语义通信方法，其中，所述语义通信接收端对接收到的语义信息进行语义信息恢复过程中，利用人工智能模型，对接收到的语义信息进行重建，恢复所述源信息；
5.根据权利要求1所述的一种面向多任务的语义通信方法，其中，将量化后得到的语义符号映射到星座点的过程中，采用非对称量化算法使量化后的语义符号映射到具有幅值相位间...
【专利技术属性】
技术研发人员：韩书君，王怡宁，孙梦颖，许晓东，易文强，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。