车载网络中基于知识库的语义通信

语义通信（SemCom）近来被视为应对通信资源稀缺危机的有前景方案。这一趋势促使我们探索将SemCom应用于车载网络的潜力——后者通常以海量资源消耗来满足高可靠与低时延的严苛要求。遗憾的是，SemCom特有的背景知识匹配机制，使得同时为多用户实现高效的车对车服务提供颇具挑战。为此，本文识别并联合解决支持SemCom的车载网络中固有的知识库构建（KBC）与车辆服务配对（VSP）两个基本问题。具体而言，我们首先推导了面向语义数据包的基于知识匹配的排队时延，随后在若干KBC与VSP相关可靠性约束下，建立时延最小化问题。接着，提出一种支持SemCom的服务供给方案（S$^{\text{4}}$），并给出其最优性保证的理论分析。仿真结果表明，相较于两种不同基准，S$^{\text{4}}$在平均排队时延、语义数据包吞吐量与用户知识偏好满意度方面均具优越性。