-
题名大模型使能的语义通信研究现状与发展趋势
- 1
-
-
作者
刘方彧
丁家润
冯禹硕
姜培文
李潇
金石
-
机构
东南大学移动通信国家重点实验室
-
出处
《信号处理》
北大核心
2025年第6期993-1014,共22页
-
基金
国家重点研发计划(2024YFE0200700)
江苏省重点研发计划(产业前瞻与关键核心技术)项目(BE2023022-1,BE2023022)
+1 种基金
国家自然科学基金委员会国际(地区)合作研究项目(62261160576)
国家自然科学基金(623B2020)。
-
文摘
随着通信技术和新兴场景的快速发展,未来无线通信网络将面临更加复杂的需求,如全覆盖、高速率、高可靠以及智能化的泛在连接。同时,数据流量和带宽需求的激增也对新场景的通信网络提出了更高的挑战。语义通信作为一项前沿技术,通过神经网络提取和传输数据的语义信息,显著降低带宽需求并提升传输质量。近期兴起的大模型凭借强大的特征提取和理解能力,在表达能力和预测性能上具有显著优势,能够有效处理多模态信息和复杂数据,相比于传统网络,展现出更广泛的应用潜力。在此背景下,本文综述了大模型赋能的语义通信的研究现状与发展趋势,重点探讨了其在语义编解码、物理层、网络层的设计及实际部署中的应用。首先,介绍了语义通信的基本概念,分析其基本结构及其与传统通信方案的区别,并简述了基于大模型的语义通信相关技术。接着,从语义编解码、物理层设计和网络层三个角度,分析了大模型与传统神经网络在语义通信中的性能表现,展示大模型在提升通信准确性、效率和鲁棒性方面的潜力。最后,本文总结了通信大模型的未来发展方向及面临的挑战,包括模型的训练、定制化、原型验证等问题,并展望了解决训练数据获取与同步、计算资源与硬件功耗等问题的新思路,以推动大模型在语义通信中的进一步应用与发展。
-
关键词
语义通信
大模型
物理层
网络层
原型验证
-
Keywords
semantic communication
foundation model
physical layer
network layer
prototype validation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
