面向异构网络的语义通信：新趋势、机遇与挑战
信号处理
2025-12-17 v2 网络与互联网体系结构
摘要
近期机器学习（ML）技术的发展使得用户能够通过 ML 基于语义的通信（SemCom）提取、传输和再现信息语义。这显著提高了网络的频谱效率和传输鲁棒性。在该网络中，基于 ML 的语义编码器和解码器在不同用户之间需要根据新的传输任务进行协同更新。大多数网络的各种异构特性反过来为语义编解码器更新引入独特且独特的挑战，这些挑战不同于其他通用 ML 模型更新。在本文中，我们首先概述了 SemCom 系统的关键组件。然后讨论了异构网络中语义编解码器更新的独特挑战。相应地，我们指出了潜在框架并讨论了其利弊。最后，也讨论了几个未来研究方向。
引用
@article{arxiv.2502.08999,
title = {Semantic Communication Meets Heterogeneous Network: Emerging Trends, Opportunities, and Challenges},
author = {Guhan Zheng and Qiang Ni and Aryan Kaushik and Lixia Yang and Yushi Wang and Charilaos Zarakovitis},
journal= {arXiv preprint arXiv:2502.08999},
year = {2025}
}
备注
8 pages, 5 figures