空中推理：一种基于推理的隐式语义感知通信框架

语义感知通信是一种受人类通信启发、聚焦于传递消息含义的新范式。因其提升通信效率与可靠性、改善用户 QoE 的潜力，近期引起了极大关注。大多数现有工作聚焦于传输和传递可从源信号直接辨识的显式语义含义。本文研究隐式语义感知通信，其中无法从源信号直接观测的隐藏信息必须由目标用户识别与解读。为此，提出了一种新颖的隐式语义感知通信 (iSAC) 架构，用于在源用户与目标用户之间表示、通信和解释隐式语义含义。提出一种基于投影的语义编码器，将显式语义的高维图表示转换为低维语义星座空间，以实现高效的物理信道传输。为使目标用户学习并模仿源用户的隐式语义推理过程，提出了一种基于生成对抗模仿学习的方案，称为 G-RML。与现有通信方案不同，G-RML 中的源用户不只关注尽可能发送更多有用消息，而是试图引导目标用户学习一种推理机制，将任意观测到的显式语义映射到与语义含义最相关的对应隐式语义。相比现有方案，我们提出的 G-RML 需要少得多的通信与计算资源，并且能很好地扩展到包含大量概念与关系的丰富语义含义通信场景。