第 6 章 从经典通信到语义通信：换一个目标，换一套评价
6.1 经典通信系统的“成功标准”
在经典通信中，“成功”通常由以下指标定义：
- 误比特率（BER）：接收比特与发送比特不同的比例。
- 误符号率（SER）：接收符号与发送符号不同的比例。
- 吞吐量：单位时间内成功传输的比特数。
- 时延：从发送到接收所需时间。
- 频谱效率：单位带宽能传多少比特。
- 能量效率：传一个比特消耗多少能量。
但在很多真实应用中，最终真正重要的是：
- 用户是否看懂了视频；
- 机器人是否完成了指令；
- 系统是否识别出了目标；
- 自动驾驶是否及时做出了正确决策。
所以问题来了：如果只优化比特级指标，会不会优化错了方向？
6.2 一个具体例子：图像识别
假设有一张 1080p 图片，其中某个角落有一只狗，其余是背景。
- 传统传输：把整张图片压缩、编码、传输、解码，再交给图像识别模型。
- 语义通信：发送端先从图片里提取“与狗识别相关的语义特征”，只传这些特征；接收端直接用这些特征识别狗。
如果最终目标是判断“图片里有没有狗”，那么背景、天空、树叶等大量信息可能都是冗余的。传统方法需要传几十万、几百万比特；语义方法可能只需要传少量特征。
6.3 语义通信的典型系统框图
一个常见的语义通信系统可以抽象为：
$$ \text{源 } X \to \text{语义提取/编码 } f_\theta \to \mathbf{z} \to \text{信道 } \to \mathbf{y} \to \text{语义解码 } g_\phi \to \hat{\mathbf{z}}\to \text{任务/重建 } T_\psi\to \hat{V} $$其中：
- $X$：原始数据；
- $f_\theta$：发送端神经网络或语义编码器；
- $\mathbf{z}$：语义特征或语义表示；
- 信道：物理信道，例如 AWGN、瑞利衰落或多用户信道；
- $\mathbf{y}$：接收信号；
- $g_\phi$：接收端语义解码器；
- $T_\psi$：下游任务或重建模型；
- $V$：任务变量，例如“图片里有狗”；
- $\hat V$：接收端最终输出的任务结果。
有些系统直接把 $\mathbf{z}$ 当作信道输入，不经过传统数字调制，称为“模拟/连续值传输”；有些系统先量化再映射到调制符号。
6.4 语义编码到底“压缩”了什么
我们可以把传统有损压缩和语义压缩分开看：
- 传统有损压缩：允许误差，但目标是重建一个“像原始数据”的版本。
- 语义压缩：允许丢失大量不相关的细节，只要不影响“意义”或“任务结果”。
如果任务变量是 $V$，那么理想的语义编码器应尽量保留与 $V$ 有关的信息：
$$ \max \ I(\mathbf{Z};V)\quad \text{subject to transmission rate constraints} $$而重建任务相当于 $V=X$，这时语义压缩退化为普通的率失真问题。
6.5 为什么不能只看“压缩率”
很多人误以为语义通信只是“更好的压缩”。实际上它还包含：
- 语义提取：学会判断哪些信息重要；
- 语义信道建模：理解信道如何破坏语义；
- 语义解码/生成：利用先验和上下文补全信息；
- 任务导向优化：以任务指标为损失，而不是只以 MSE 为损失；
- 网络资源分配：根据语义重要性分配功率、带宽、时隙。
换句话说，语义通信是“跨层、跨模型、跨任务”的系统问题，不只是增加一个压缩器。
6.6 语义通信能违反香农容量吗
不能。即使只传语义特征，物理信道上仍然需要传输信号，仍然受信道容量限制。语义通信能做的是：
$$ \text{在相同物理比特/能量下，提高“任务成功”的比例，或者减少完成任务所需的数据量。} $$这就像：同样一辆卡车，传统方式运输所有家具，语义方式只运输“组装说明书和关键零件”，接收方用自己的材料和知识把家具拼出来。卡车容量没有变，但最终任务可能更容易完成。
6.7 先验知识：语义通信中最重要的隐藏变量
发送方和接收方各自有哪些知识，会直接影响“传多少就够”。
例如：
- 两个人都认识“狗”，那么传“cat”这个词可以被理解。
- 接收方有一张知识图谱，知道“北京”是“中国”的首都，则发送方可以省略一部分背景解释。
- 如果双方没有共同知识，就必须传更多解释，否则会产生“语义混淆”。
所以许多论文用“知识库”“知识图谱”“共享背景”“接收方先验”等概念建模语义通信。
一个关键难点：如果发送方和接收方的知识不同，如何保证双方对“同一段特征”理解一致？这就是语义对齐问题。
6.8 语义噪声与语义失真
物理信道有噪声，例如 $Y=X+N$。语义通信中还有一种“噪声”：
- 语义噪声：接收端对含义的理解与发送方不一致。
- 语义失真：接收端恢复出的语义与发送方意图之间的偏差。
- 任务失真：下游任务结果与真实结果之间的偏差。
这三种“失真”都可以用不同的代价函数衡量，但它们之间不一定是同一个东西。
6.9 经典通信与语义通信的比较
| 维度 | 经典通信 | 语义通信 |
|---|---|---|
| 主要目标 | 比特/符号可靠 | 语义/任务可靠 |
| 信源处理 | 压缩原始数据 | 提取并传输语义 |
| 信道编码 | 独立编码，纠错 | 可联合编码，或使用连续/软传输 |
| 评价指标 | BER、吞吐量、频谱效率 | 语义准确率、任务成功率、QoE |
| 先验知识 | 通常不显式建模 | 知识库、预训练模型、上下文很重要 |
| 理论基础 | 香农信息论成熟 | 仍在发展，未统一定义 |
| 典型实现 | 5G/6G 物理层 | 深度学习端到端、生成式、知识增强 |
6.10 语义通信与任务导向通信的细微区别
文献中常见的分类：
- 语义导向通信：重点传递“意义”，接收方通常需要恢复语义或重建内容。
- 任务/目标导向通信：直接优化接收端任务，例如分类、控制、决策，可能不再重建原始数据。
- 语义感知通信：用语义信息帮助网络资源分配、路由、缓存等，不一定是端到端语义传输。
它们之间不是互斥关系。本篇教材把它们的共同思想称为“超越比特级的通信”。
第 6 章小结
- 经典通信追求比特可靠，语义通信追求语义/任务可靠。
- 语义通信不是绕过香农容量，而是改变“该传什么”和“怎样算成功”。
- 编码器、信道、解码器、任务、知识库构成了一个完整系统。
- 先验知识和语义对齐是语义通信与普通压缩最大的不同之一。