车载网络中 xURLLC 感知的服务供给：语义通信视角

语义通信（SemCom）作为一种聚焦于意义传递的新兴范式，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 应用于无线车载网络的潜力，此类网络通常消耗大量资源以满足严格的可靠性和时延要求。遗憾的是，SemCom 中独特的背景知识匹配机制使得在车对车网络中同时为多用户实现高效服务供给颇具挑战。为此，本文识别并联合解决语义通信赋能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，以契合下一代超可靠低时延通信（xURLLC）要求。具体地，我们首先推导了针对语义数据包的基于知识匹配的排队时延，然后构建了在若干 KBC 和 VSP 相关可靠性约束下的时延最小化问题。随后，提出了一种 SemCom 赋能的服务供给方案（S$^{\text{4}}$），并附带了其最优性保证与计算复杂度的理论分析。数值结果表明，与两种基准相比，S$^{\text{4}}$ 在平均排队时延、语义数据包吞吐量、用户知识匹配度及知识偏好满意度方面均具优越性。