分享5篇关于语义通信的计算机专业论文

今天分享的是关于语义通信的5篇计算机毕业论文范文, 如果你的论文涉及到语义通信等主题,本文能够帮助到你

基于知识图谱信息补全的抗噪声语义通信系统设计与实现

这是一篇关于知识图谱,语义通信,实体纠错,文本生成,语义噪声的论文, 主要内容为近年来,随着无线通信需求不断提升,通信技术迅猛发展,通信系统可实现的信息传输速率不断提高,系统容量逐渐接近Shannon极限,频谱资源愈加稀缺。为解决系统容量不足的问题,研究人员将信息传输研究重心从语法通信转向语义通信。语义通信是缓解通信系统传输信道容量不足的有效方法,由于现有语义通信技术尚未充分利用知识图谱庞大的知识来辅助语义信息传输,因此本文提出基于知识图谱信息补全的语义通信系统。该系统首先使用基于BERT+Bi LSTM+CRF模型的命名实体识别知识提取技术提取信息中的语义,然后利用基于实体余弦相似度的纠错技术实现错误实体的纠正以实现信息正确恢复,并结合基于知识图谱的知识关联补全技术实现缺失信息的补充。最后,基于知识图谱文本生成技术恢复原始信息语义。仿真实验结果表明该语义通信系统可以大幅减少信息传输数据量,并显著提升高信道差错率下的语义传输准确率。与传统的通信系统相比,语义通信系统不仅会受到无线通信环境中物理噪声的影响,如高斯白噪声,还会受到轻微文字修改例如删除、替换、交换顺序等文本语义噪声的影响。为减小语义噪声对信息传输的影响,本文提出了可抗语义噪声的鲁棒语义通信系统实现方法,该系统使用字符向量随机变换方式生成语义噪声,并利用模型识别实体数量约束语义噪声,然后利用含噪声数据训练命名实体识别模型以增强模型的抗噪能力,同时使用基于知识图谱的实体纠错技术进一步增强模型抵抗噪声的能力。最后使用知识关联补充以及三元组文本生成技术实现语义信息的准确传输,仿真结果表明该系统相较传统通信系统具有更好的抗语义噪声能力,在系统受到语义噪声干扰的情况下,仍能实现语义信息的准确传输。在理论研究的基础上,本文设计并实现了基于知识图谱信息补全的语义通信系统平台,该平台可进行语义通信传输实验,通过USRP设备进行信号的发送与接收,模拟无线通信系统在真实信道环境下的信息传输过程。该语义通信系统平台主要功能包括信息发送,该功能可实现传统通信和语义通信两种传输方式;知识图谱辅助语义通信传输展示,该功能以图的形式展示传输信息所关联的知识图谱架构;基于实体相似度得分的三元组纠错,该功能以表格形式直观展示基于实体相似度的三元组信息纠错过程;信息传输数据流量对比及语义相似度评估,该功能以折线图的形式直观展示不同通信传输方式下信息传输数据流量差异及接收信息语义恢复程度。该平台模拟了真实物理世界中知识图谱辅助语义通信传输过程,并利用可视化界面直观体现出语义通信系统相较于传统通信系统的优越性。

基于知识图谱信息补全的抗噪声语义通信系统设计与实现

基于USRP的语义通信平台开发与语义编码算法研究

这是一篇关于语义通信,语义传输,USRP,链路级仿真,语义编码的论文, 主要内容为在当今大数据时代,逐渐紧缺的频谱资源对未来更大容量的无线通信系统提出了挑战。为满足智能通信实体之间信息高效传输的需求,以“达意”为目标的语义通信成为近年来的研究热点。语义通信研究主要围绕语义信息表示与度量、语义信息编码以及语义信息传输等基本问题展开。针对海量数据交互场景,如何在无线通信系统中实现语义信息传输,对充分利用频谱资源、进一步提高通信效率具有重要意义。论文选题来源于国家自然科学基金重大研究计划资助项目《语义驱动的工业互联网原生智简组织理论》(项目编号:92067202)。本文通过面向智能任务的语义通信平台架构设计,在基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)的 5G 链路级通信实验平台上实现了语义信息传输;进一步地,针对频谱资源紧缺的问题,提出了基于语义重要性的语义编码算法,在确保任务性能的情况下减小了带宽需求。依托该平台主持完成了“北京邮电大学2022年研究生创新创业项目”,并参与了“先进信息网络北京实验室科研成果展”。本论文完成的主要工作如下:1.对语义通信关键技术进行研究和综述。首先概述了语义通信技术的基本原理以及语义通信系统架构。其次,结合语义通信研究现状对语义信息表示与度量、语义信息编码以及语义信息传输等关键技术展开了深入研究。接着对语义通信实验架构与5G链路级通信实验平台研究基础进行了总结,为基于USRP的语义通信平台设计与实现提供依据。最后分析了目前面临的问题与挑战。2.设计与实现基于USRP的语义通信平台。首先针对通信系统中实现语义传输的实际问题,对语义通信平台进行了语义层面、技术层面以及层间接口三个方面的需求分析。然后根据上述功能需求对平台进行设计与实现。语义层实现了信源数据语义信息的提取与解析;技术层通过控制硬件设备实现5G通信链路物理信号的发射和接收;层间接口实现了语义层语义信息与技术层5G物理信号之间的映射。最后,以工业互联网场景中热轧带钢表面缺陷分类任务为例对平台进行了功能测试与性能分析。实验结果表明,相较于传统通信方式,该平台在处理智能任务时带宽利用率提高10倍,端到端任务时延下降46.8%,并且具有抗噪声能力强的优势。不仅为语义通信研究提供有力支撑,也为语义通信系统架构实现提供一个具有重要参考意义的原型。3.研究基于语义重要性的语义编码算法。首先,根据无线通信系统与处理智能任务相结合的需求,建立面向智能任务的语义通信系统模型。其次,针对任务带宽需求的限制,提出了基于语义重要性的语义编码算法。该算法通过聚合图像通道特征并自适应校准其特征响应以获得特征图对于任务结果的重要性权重,并在传输时筛选权重较大的特征图以实现语义压缩。最后,在语义通信平台上对所提算法进行测试分析。实验结果表明该算法在确保任务性能的前提下能够压缩80%的特征数据,使任务时延进一步下降41.9%。验证了其适用于资源紧张、时延敏感的场景,并对不同分类网络具有普适性。

基于协作推理的语义通信编解码机制研究

这是一篇关于语义通信,语义编解码,协作推理,隐性语义,图卷积神经网络的论文, 主要内容为语义通信是一种新兴的在通信过程中考虑语义的通信范式,但是目前大多数的通信框架更关注如何来表征信息源中所包含的语义以及量化语义,如此便忽略了无法直接从源信息标签中观测到的隐含信息。并且现有的语义通信框架是基于集中式训练的端到端的框架,很多移动端设备无法承担相当的计算量,并且通过云计算中心来处理复杂的语义编解码的话计算时延则无法保证,一些实时性的任务需求便无法满足。针对以上问题,本文主要有以下研究贡献:1)本文用知识图谱来表征语义,提出了基于推理的语义通信编解码方式,用图卷积神经网络作为编解码器,发送端对显性语义进行编码,接收端进行恢复,此外还根据编码后的信息推理出隐性语义,提高语义的传输效率。2)在基于联邦边缘智能的语义通信网络的基础上,利用广泛部署的边缘服务器承担用户进行语义通信的计算需求,提出了具有相同推理偏好的用户共同训练编解码器的模型FR-SED(Fedrated Reasoning Based Semantic Encoder and Decoder)。协作模型通过设备间两两协作或者多设备共同协作的方式训练模型,优化语义推理的准确率,提高语义通信的效率。3)针对知识在不同用户间的分布造成的邻接信息损失问题,本文提出用户间交换部分边缘信息的协作推理编解码模型,相对地称之为CL-RSE(Collaborative Reasoning Based Semantic Encoder and Decoder),来改善FR-SED模型中由于邻接信息损失对推理准确率造成的影响。4)最后,本文以两层的图卷积神经网络模型为例,通过仿真验证了用协作的方式训练出的编解码器在隐性语义推理上的有效性,以及参与协作的用户的数量对模型收敛性和准确率的影响。结果显示,在数据异质性较低时,协作模型推理结果可达到与端对端模型相当的准确度,并且CR-SED模型对于数据的异质性具有良好的鲁棒性。