[论文解读] Semantic Communications in Networked Systems: A Data Significance Perspective

Elif Uysal‐Biyikoglu, Onur Kaya+10 more|arXiv (Cornell University)|Mar 9, 2021

Cognitive Computing and Networks被引用 12

一句话总结

本文通过重新定义数据重要性来实现通信效率的范式转变，优先考虑语义上有意义的信息而非原始数据传输。该文提出了一系列语义感知技术，包括基于重要性的采样、语义压缩感知以及语义感知的接入与编码机制，以在资源受限条件下降低能耗并支持更多设备，同时为压缩域内的实时控制与推理提供了理论基础。

ABSTRACT

We present our vision for a departure from the established way of architecting and assessing communication networks, by incorporating the semantics of information for communications and control in networked systems. We define semantics of information, not as the meaning of the messages, but as their significance, possibly within a real time constraint, relative to the purpose of the data exchange. We argue that research efforts must focus on laying the theoretical foundations of a redesign of the entire process of information generation, transmission and usage in unison by developing: advanced semantic metrics for communications and control systems; an optimal sampling theory combining signal sparsity and semantics, for real-time prediction, reconstruction and control under communication constraints and delays; semantic compressed sensing techniques for decision making and inference directly in the compressed domain; semantic-aware data generation, channel coding, feedback, multiple and random access schemes that reduce the volume of data and the energy consumption, increasing the number of supportable devices.

研究动机与目标

• 通过聚焦于数据重要性而非原始数据传输，重新定义通信效率。
• 建立统一的语义框架，将信息生成、传输与使用整合为一体化理论基础。
• 通过语义感知的通信与控制机制，降低能耗并提升可支持设备数量。
• 通过语义感知的采样与压缩技术，在通信受限条件下实现对实时预测、重构与控制的支持。
• 确立新的信道编码、反馈与多址接入设计原则，优先考虑语义相关性。

提出的方法

• 提出一种数据重要性度量，用于量化信息相对于系统目标与时间约束的相关性。
• 提出一种最优采样理论，结合信号稀疏性与语义重要性，实现高效实时数据采集。
• 开发语义压缩感知技术，实现在压缩域内直接进行决策与推理。
• 设计语义感知的数据生成与信道编码方案，优先传输有意义的信息，而非冗余或低重要性内容。
• 引入语义感知的反馈与多址接入协议，降低信令开销并提升频谱效率。
• 将语义度量集成至网络控制环路中，实现自适应、以重要性为导向的通信与资源分配。

实验结果

研究问题

• RQ1 在联网控制系统中，如何形式化定义并量化数据重要性？
• RQ2 何种最优采样策略可在信号稀疏性与语义相关性之间实现平衡，以支持实时控制？
• RQ3 如何调整压缩感知技术，以在信号重构过程中保留语义内容？
• RQ4 在能量受限网络中，语义感知信道编码与反馈的设计原则是什么？
• RQ5 如何重构多址接入与随机接入方案，以优先处理语义上显著的数据？

主要发现

• 建立了数据重要性的正式框架，使语义感知通信超越传统信号保真度度量。
• 所提出的最优采样理论通过在延迟与带宽约束下优先选择语义相关样本，实现了高效的数据采集。
• 语义压缩感知使直接从压缩数据中进行推理与决策成为可能，显著降低了计算与通信开销。
• 语义感知的信道编码与反馈机制通过仅传输有意义信息，降低了能耗并支持更多设备。
• 语义感知的多址接入方案提升了密集网络化系统中的频谱效率与可扩展性。
• 将语义度量集成至控制环路中，实现了自适应、以重要性为导向的通信，从而在资源受限条件下提升了系统性能。