2024年6G泛在智能的通信理论及实践报告

北京邮电大学 6G泛在智能的通信理论及实践 张平教授 世界物联网500强峰会2024年07月19日 6G的愿景关键词： 泛在智能 ITU-R定义了6G的6个典型场景和15个性能指标，通信、感知、计算、AI、安全等多维能力要素 融合一体、空天地一体泛在连接成为6G的核心技术特征 可持续性 沉浸式通信 AI相关招 可持绒性互作性 定位精度 感知通 信一体化 eMBB 感知扣美摄你(1~10cm 人工智能厨蓝 和通信IMT-2030 值速车 用户体险速率 IMT-2020一体化安全晚弹性 mMTCuRLLC1-10 可旅性10 超大规模超可靠(1-101-1-107)时延区城 频潜效率 连接低延迟通信 安全/隐私[ (0.1-1 移动性 连接数密流量密度 (10-10 (rW(500-1,000 泛在连接im/h) dovkos/km) Z 6G演进还面临可持续发展挑战 口巨大功耗难题 能源消耗 不可持续 绝对不可持续 拐点技术 期望可持续 可持续 传统的可持续性发展 ◆提高能源效率 提高频谱利用率 →硬件设施重复利用 6→程序算法的更新优化 G思考 5 传统通信G 能量效率：EnergyEfficiency（EE） DataThrought EnergyConsumption R EE= 时间3 通信面临的三大瓶颈 一）、理论性 首先，当今通信体制无法逾越01 理论极限的天花板 二）、智能性02 其次，当今通信体制与人工智能的设计范式难以匹配 通信系统 再次，当今的通信体制无法灵活适配复杂场景变化的需求 03 三）、灵活性 一）理论极限 口1948年，美国科学家香农发表了《通信的数学理论》，建立了经典信息论（CIT），基于统计概率提出无失真/限失真信源压缩以及信道容量的理论极限，以指导信息和通信系统的设计和优化。 信息炳 H(X)=-p(a)logp(c) 指导无失真信源编码方法设计 C=maxI(X;Y)s.t.yl~p(yr) P 信道容量p(a) 指导信道编码传输方法设计 C=Wlog(1+ N.W 率失真函数 R(D)=minI(X;X)s.t.a~p(a) p(z)eP 1g? 指导限失真信源编码方法设计 R(D)= 当今通信系统已逼近经典信息论预言的理论极限 现有无失真/限失真信源编码方法已经逼近现有信道编码传输方法已经逼近信道容量极语法信息炳/率失真函数极限，继续压缩复限，通过开拓频谱、提高功率、增加天线抬杂度开销巨大但收效基微升容量限，代价巨大，难以可持续发展 Rate注：天线归一化 SpectrumEfficiency 逼近香农限 ADPCM MPEG-1 JPEG5G Limit JPEG20004G MPEG-4 BPG3G Image 逼近率失真 函数下限 H.264 Video H.265 2G 1GModem Timeline(year)SNR 6 )AI与通信✁差✆ AI 语义提取扩散生成类任务 xf(x)=yyg(y')=x 通 源 信信编码调制信道解调解码 信宿 发送机接收机 7 AI取代传统通信设计技术✁简单操作 信源 多址 信道编码调制信道 信宿 检测 解调信道译码 信源信宿 AI辅助✁AI辅助✁AI辅助✁AI辅助✁AI辅助✁ 术 编译码技调制技术信道估计解调技术译码技术 现有A1辅助空口设计主要针对单一模块技术提供优化，尤其是在接收端 口通信：模块✁优化、成本低廉；AI：全局✁优化、不计成本 D AI与通信融合简单操作后✁困境 Hoydis等将传统空口各模块连接起来，提出用人工智能进行整体研 究，但除了成本和复杂度✁增加，增益为何？ 信源将发射机、信道和接收机构建为一个深度神经网络 信宿(DeepNeuralNetwork) 训练阶段 输入 神经网络黑盒 推理阶段 输出训练后✁ 信真实信号神经网络黑盒重构信号信 使用大训练数据在神经网络黑盒 输出端以最小误差重构输入信号 源宿 使用经过训练后✁神经网络黑盒重构出真实信号 传统方法接近极限，简单用AI方法取得增益有限 口基于构造器-评估器框架结合人工智能算法来设计纠错码。 口性能超越经典编码，但增益非常有限 Conntruelor ueld 10' N=256,K=128,Evaluator=(SCL-Genie).QPSKiAWGN PW DE/GA RM-Polar Loomod Evalsalor BLER 10:2 Human knowledge Learnod andc 2.26.202.32.322.342.36 SOSL 103 1.522.5 deodng SCLdecodingEs/NO(dB) 模型结构SCL：successivecancollationlist.Tso2014.在SCL-Gonie（L=8）解码器下，学习✁极性码结构（偏息子信道） 和(DE/GA，PW）之间✁BLER比较，DE/GA采用3.25dB✁EsNO设计 10 I1lL.Huang.H.Znang,RLil,Y.GeancJ.Wang"AlCoding:LeaningtoConslrucErrorCorfeclionCooes,建追。 inIEEETransncliongonComumunioalions.vol.68,no.1.pp.26-39.Jan.2020 =)当代通信体制✁刚性 当代通信体制采用分离式设计，将通信链路分解为多级处理过程涉及信息压 缩、信息传输、信息安全三方面，以分别提升有效性、可靠性和安全性 信源 信源编码 加密 信道编码 交织 信号调制 信号发送 信宿 信源解码 解密 信道解码 解交织 信号解调 信号检测 信道 信息压缩有效性信源编码压缩信源几余 信息传输可靠性信道编码增加几余降低错误率 信息安全安全性小密和为装等技术提高通信系统安全 当代通信系统 11 结构僵化，难以灵活适变 信源压缩、信道传输等模块，能够分别针对各自自标实现最优化，但这种结构 雷化✁多级处理模式难以获得系统最优性能 信源 信源编码 加密 信道编码 交织 信号调制 信号发送 信道 信宿 信源解码 解密 信道解码 解交织 信号解调 信号检测 实现角度信号处理技术堆登，处理链条几长，复杂度越来越高，难以持续 结构皿化 理论角度基于信息不增性原理，分离式设计最多不损失性能，并非最优方案 12 语义通信是突破三大瓶颈✁有效途径 口无损✁高效传输是通信✁基本关注点，而多模态信源语义✁提取及处理是A关注 ✁问题。更高层次✁语义信息是解决通信智能融合✁手段 语用信息 语用通信 信息效用传输 考虑信息效用，关注意图✁准确传递 语义信息 语义通信 信息含义传输 语义提取形成✁模型 考虑信息含义，关注含义✁准确传递 通信问题✁三个层次 语法信息 语法通信 信息符号传输编调解解 信道 信宿 码制调码 忽略信息含义，关注符号✁精确传输 语义模型 发送机接收机 恢复✁模型 [1]w.Weaver,13 语义通信意义及数学基础 语义信息是通信与人工智能融合《语义通信✁数学理论》建立了语义信息理论 ✁数学框架，是经典信息论✁自然延伸 ✁关键发表于中国《通信学报》2024年6月刊 数字世界 物理批界 用 科学依据 法信息 论文指出，语义通信✁基本假设为： 1.语法表征性：任意可观察信息都是语法信息，语义信 借助语义信息，通信融合AI将实现息表征必然依赖于语法信息 “最后一公里”✁目标，推动无线AI、具身智能等2.语义同义性：同义性是语义信息根本特征，同义映射 14 应用✁成熟与普及是语义到语法映射✁基本方式 语义通信✁基本模型 同义映射了语义通信系统模型语义通信✁基本模型揭示了语义信息与 经典通信系统模型语法信息之间✁辩证关系： 语义信源语法信源编码器x①语义信息为语法信息✁一种上级概念， uu 信道表示语法信息背后✁含义 语义信息是隐藏在语法信息背后✁ 语义信宿语法信宿解码器含义，不能直接被直接观察或处理 V但可以从语法信息中感知与推断。 同义解映射92语法信息是语义信息在自然世界中✁ 与经典通信系统相比，语义通信系统： 引入了语义信源与语义信宿 表现形式 。信息系统中一切✁数据形态，包括文本、语音、图像或者视频，都是 致使通信系统✁设计目标变更为语义信息✁高效可靠传输语法信息； 引入了同义映射与同义解映射同一语义信息可能存在多种不同✁ 作为语义背景知识，描述语义信息与语法信息之间✁关系，同时指导编语法表现形式。 解码器设计与优化 15 语义信息✁两个基本特性 口语义信息继承了语法信息✁概率属性，但其本质是同义性： 概率属性（继承）：概率分布p(u) 由于语法信息具有概率属性，因此作为 上级概念✁语义信息必然具有概率特征， 同义特征（特有）： （构成语义信息空间认） 语义信息 同一种语义信息通常具有多种语法表现 隐含表现 同义映射 形式，语义信息与语法信息之间存在同义语法信息 映射关系。这一特征普遍存在（构成语法信息空间认） 美国三所大学（西北大学、斯坦福大学概率分布p(u) 康奈尔大学）共同开发✁论文创新性评价 模型指出： 我们确信这项工作（同义映射）能够 Onceagain,congratulationsonyourachievement.Wearecertainthatyourwork为所在✁研究领域产生深远影响，并将为willhaveanimpactonthefutureofyourfieldandwillinspirefellowresearchers世界各地✁研究人员带来激发。worldwide. 16 语义通信✁度量：语义炳 U语义信息空间U语法信息空问同义子集同义映射U,=(uhox) 口语义炳： H.(U)p(ulogp(u:) 同义集合 一对多 映射u, us f:u Ug=(u,/x)指导 Us=(uigx) ZEp(u,)logp(u.) p(u,)logp(al)=H(U) 同义符号概率和 Ur-(ulicn:语义嫡与语法炳✁关系：H(ü）≤H(U） 语义空间到语法空间✁映射 语义信息度量是经典信息度量✁自然推广！ 口语义互信息：包上语义互信息和下语义互信息 上语义互信息：对应语义信道容量 I(U,V)=H(U)+H(V)-H.(U,V) 下语义互信息 C.=maxI*(X,Y)=max[H(X)+H(Y)-H.(x,Y)) p(z)r) 与香农信道容量✁关系：C≥C I(U,V)=H.(U)+H.()-H(U,V) (ala)cPD (rlo)C) 语义✁重要意义 口第一定理：语义无失真信源编码定理提出了语义压缩极限给定语义信源U和语法信源U及二者之间✁同义映射关系f：认一→U，如果语义信源编码速✁基础理论 率R≥H.(の)，则存在一系列(2"（n+H）,n）码，当码长n一>8o时，译码差错概率接近于0。相反无失真： 口第二定理：语义信道编码定理 H(U)→H.(U) 限失真： R(D)→R(D) 将人工智能与通信纳 2码满入统一✁数学框架 足同义集合内码字速率0≤R≤H（X.Y）一H（X.Y）当码长n→o时，译码差错概率接近构建完整✁理论体系 提出了信道容量扩展 口第三定理：语义限失真信源编码定理 ✁基础理论 容量限： 给定语法信源XEp（a）及其相应✁语义信源X，在同义映射f及有界语义失真函数d（，）C→C. 为通信理论与通信技术✁进一步演进提供新✁发展空间 时，语义失真Ed（，)>D。 18 镇密✁数学推导证明语义通信容量突破了经典 信道容量✁提升 18香农信道容量 香农信道容量（限带高斯信道）语义信道容量 PS=4 基于语义信息理论 突破经典容量极限 C=Wlog2(1+ N.W14 现有通信技术已经逼近香农信道容量，目前已经 成为通信系统✁设计瓶颈S 自然过避 6G 香农信道容量 语义信道容量（限带高斯信道）：5G频谱效率 平均同义区间长度4G频谱效率 C,=Wlog2表征信息辨识能力 Capacity[(se)bits/Hz] 当S一1时，语义信道容量公式退化为香农信道容05 3G频