南京邮电大学学报(自然科学版)

作者：赖雪冰,李旋,王辩铮,申滨

单位：重庆邮电大学 通信与信息工程学院，重庆 400065重庆邮电大学 通信与信息工程学院，重庆 400065四川大学 电子信息学院，四川 成都 610065重庆邮电大学 通信与信息工程学院，重庆 400065

关键词：语义通信；知识图谱；文本传输；联合编解码

基金：国家自然科学基金（62371082）和重庆市自然科学基金（CSTB2023NSCQ-MSX0726）资助项目

语义通信模型通常采用传统信源信道编解码方案，在低信噪比环境下，文本传输易受噪声影响而导致失真。因此，设计了一种深度联合语义信道编解码器融合知识图谱的语义模型KG?DeepSC，实现文本传输性能优化。该模型在发送端引入冗余三元组过滤模块对知识图谱进行预处理，然后经过基于Transformer的联合编解码器，将三元组作为基本符号传输至接收端，并恢复为自然文本。所设计的编解码器通过学习推理三元组之间的关联，基于其所具有的自注意力机制捕捉并传输三元组语义特征，增强了对抗物理信道噪声的能力，并节约了传输开销。另外，引入基于Flan?T5模型的微调实现自然文本恢复任务，并结合数据增强方法进一步提升模型泛化能力。计算机仿真实验证明，在低信噪比条件下，与传统的Huffman?RS语义编码方法和联合编解码器独立架构DeepSC相比，所提出的KG?DeepSC语义相似度性能分别实现了至少30%和10%的提升，能够更为有效地传输语义知识。

来源：2025年第04期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第04期