6G网络的语义通信：失真关键性与信息可表现性之间的权衡
信号处理
2026-04-01 v1
摘要
本文提出一种基于自注意力的条件生成对抗网络（SA-cGAN）框架，用于第六代（6G）语义通信系统，旨在在不同信道条件下平衡失真关键性与信息可表现性之间的权衡。该提出的SA-cGAN模型通过联合考虑语义重要性、重构失真和信道质量，持续学习紧凑的语义表示，从而实现对语义标记的自适应选择。集成知识图谱以保留上下文关系并增强语义鲁棒性，尤其在低信噪比（SNR） regime中效果显著。所得优化框架包含连续松弛、子模组语义选择和原则约束处理，允许在带宽和多约束条件下高效的语义资源分配。仿真结果表明，尽管SA-cGAN在低SNR下仅获得约0.72的语法双语评估 understudy分数，但在语义指标方面显著优于传统和JSCC-based方案，语义相似性、语义准确性和语义完整性在SNR提升后始终保持在0.90以上。此外，该模型表现出自适应压缩行为，积极减少冗余内容，同时保留关键语义信息以维持保真度。训练损失的收敛进一步验证了语义表示学习的稳定性和效率。总体而言，结果确认所提出的SA-cGAN模型有效捕获失真不变的语义表示，并根据失真关键性和信息可表现性动态调整传输内容，以实现面向未来6G网络的意义导向通信。
引用
@article{arxiv.2603.29293,
title = {Semantic Communication for 6G Networks: A Trade-off between Distortion Criticality and Information Representability},
author = {Faizan Shafi and Rahul Jashvantbhai Pandya and Christo Kurisummoottil Thomas and Sridhar Iyer},
journal= {arXiv preprint arXiv:2603.29293},
year = {2026}
}