一种高可靠性语义通信方法及语义通信系统

本发明涉及语义通信，具体的说是一种高可靠性语义通信方法及语义通信系统。

背景技术：

1、随着移动智能设备的普及，大规模通信场景中的用户对通信系统的实时性和可靠性要求逐渐提高。因此，研究移动多用户的任务需求变得尤为重要。随着移动设备的普及和移动应用的多样化，用户对通信网络的需求也日益复杂。实时视频流、在线游戏、物联网设备连接等多样化的应用场景对网络的传输速率、延迟和可靠性提出了更高的要求。语义通信作为一种新兴的通信范式，在智能通信领域展现出巨大的潜力。在这种通信模式下，发送端和接收端共享知识库，以便在发送端提取和压缩关键语义信息，并在接收端对这些信息进行解释，能够显著提升了通信效率。

2、迁移学习（transfer learning）是通过已有知识来学习新知识的能力。核心在于找到已有知识与新知识的相似性，从而实现知识的迁移，广泛应用于机器学习和深度学习领域。通过迁移学习技术，可以减少训练时间和数据需求，同时提高模型的性能和泛化能力。

3、然而，在实际环境中，在面对任务的语义通信系统中，语义编码器针对特定任务进行优化，以确保传输的信息对任务执行具有最大价值。然而，当任务发生变化时，原有的语义编码器可能不再适用于新的场景，因此需要重新训练以适应新的任务需求。此外，面向任务的语义通信系统不仅需要优化语义信息的提取与传输，还需要考虑接收端用户需求的紧急性。由于不同用户的任务需求紧迫程度不同，系统需要动态调整资源分配和传输策略，以优先保障用户紧急任务的时延需求。同时考虑到语义通信系统中的用户并非都是静止的，在研究用户需求紧急性的同时，还需要对移动用户的传输进行研究。现有技术尚缺乏一种面向移动多用户多任务的自适应语义传输系统，使得语义通信系统在实际应用中更加高效智能。

技术实现思路

1、为了解决现有技术中的不足，本发明提供一种高可靠性语义通信方法及语义通信系统，能够综合考虑了任务自适应性、用户需求差异性和资源优化，使语义通信系统更加贴近实际复杂场景，提高整体通信效率和智能化水平。

2、为了实现上述目的，本发明采用的具体方案为：一种高可靠性语义通信方法，包括如下步骤：

3、基于移动用户空间位置将移动用户动态聚类到多个移动用户集群中，并且根据移动用户集群建立中心服务器与移动用户的服务关系；

4、移动用户在通信过程中基于通信任务类型通过迁移学习对自身的语义通信模型进行更新，并且基于更新后的语义压缩比计算移动用户传输时延；

5、中心服务器基于移动用户集群收集移动用户的移动用户传输时延，并且结合预设的系统性能约束条件计算最大语义传输速率；

6、中心服务器基于最大语义传输速率生成波束成形优化方案，并且基于波束成形优化方案为移动用户提供服务。

7、作为上述一种高可靠性语义通信方法的进一步优化：基于移动用户空间位置将移动用户动态聚类的具体方法包括：

8、获取移动用户的移动用户位置，并且基于中心服务器的数量确定多个初始集群；

9、在初始集群中随机选取一个移动用户作为初始中心，得到多个初始中心；

10、基于移动用户位置与初始中心的距离对初始中心进行迭代更新，达到预设条件后得到多个集群中心；

11、基于集群中心确定最终的移动用户集群；

12、根据移动用户集群建立中心服务器与移动用户的服务关系的方法为：

13、中心服务器与移动用户集群一一对应地建立服务关系。

14、作为上述一种高可靠性语义通信方法的进一步优化：移动用户基于通信任务类型通过迁移学习对自身的语义通信模型进行更新时，利用adam算法对语义通信模型的内部参数进行优化，并且优化目标为：

15、；

16、；

17、其中，为原始通信任务，为目标通信任务，为，为，和为超参数，为期望，为模型梯度的一阶动量，为模型梯度的二阶动量，为平滑项，为学习率。

18、作为上述一种高可靠性语义通信方法的进一步优化：移动用户基于更新后的语义压缩比计算移动用户传输时延的方法为：

19、；

20、；

21、其中，为语义信息的数据大小，为更新后的语义压缩比，为次传输的平均语义传输速率，为传输信噪比，为语义提取比率。

22、作为上述一种高可靠性语义通信方法的进一步优化：中心服务器结合预设的系统性能约束条件计算最大语义传输速率的具体方法包括：

23、建立速率计算模型：

24、；

25、其中，为最大消耗功率，为约束条件，为接收的语义相似度所需最小阈值，为第m个移动用户在第k次通信过程中的语义相似度；

26、通过交替优化的迭代优化算法对速率计算模型进行求解。

27、作为上述一种高可靠性语义通信方法的进一步优化：通过交替优化的迭代优化算法对速率计算模型进行求解时，基于速率计算模型确定优化问题为：

28、；

29、在语义提取比率取得最小值时获取最大语义传输速率。

30、作为上述一种高可靠性语义通信方法的进一步优化：在所述波束成形优化方案中，固定。

31、语义通信系统，基于上述的一种高可靠性语义通信方法进行语义通信，所述系统包括：

32、至少一个中心服务器，用于基于最大语义传输速率生成波束成形优化方案并且基于波束成形优化方案为移动用户提供服务。

33、有益效果：本发明面向移动多用户多任务的自适应可靠语义传输系统中，系统不仅能够在任务变更时高效调整语义编码器，提高语义压缩能力，还能够根据移动用户的需求紧急性动态优化资源分配，确保高优先级用户任务的及时传输。首先，构建了基于迁移学习的语义编码器框架，实现了语义通信模型在任务变更场景下源域向目标域的知识迁移，从而保障语义通信模型对多用户任务的自适应调整。然后，引入k-means聚类算法，在中心服务器端对移动用户的需求紧急度进行聚类分析，构建了基于用户紧急度的通信资源优化分配机制，提升了语义通信系统在多移动用户场景下的资源利用效率。最后，提出了面向用户需求紧急度的波束成形优化方案，实现了用户语义传输速率的提升和多用户间干扰的有效抑制。该系统综合考虑了任务自适应性、用户需求差异性和资源优化，使语义通信更加贴近实际复杂场景，提高整体通信效率和智能化水平。

1.一种高可靠性语义通信方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种高可靠性语义通信方法，其特征在于，基于用户空间位置将移动用户动态聚类的具体方法包括：

3.如权利要求1所述的一种高可靠性语义通信方法，其特征在于，移动用户基于通信任务类型通过迁移学习对自身的语义通信模型进行更新时，利用adam算法对语义通信模型的内部参数进行优化，并且优化目标为：

4.如权利要求1所述的一种高可靠性语义通信方法，其特征在于，移动用户基于更新后的语义压缩比计算用户传输时延的方法为：

5.如权利要求4所述的一种高可靠性语义通信方法，其特征在于，中心服务器结合预设的系统性能约束条件计算最大语义传输速率的具体方法包括：

6.如权利要求5所述的一种高可靠性语义通信方法，其特征在于，通过交替优化的迭代优化算法对速率计算模型进行求解时，基于速率计算模型确定优化问题为：

7.如权利要求6所述的一种高可靠性语义通信方法，其特征在于，在所述波束成形优化方案中，固定。

8.语义通信系统，其特征在于，基于如权利要求1-7中任意一项所述的一种高可靠性语义通信方法进行语义通信，所述系统包括：