本技术涉及无线通信技术,特别是一种分布式架构的上行多小区MIMO语义通信系统传输方法。该方法包括:(1)按需将语义知识库分配给不同小区的用户和基站;(2)构建并设计上行多小区MIMO语义通信系统框架,实现语义信息传输;(3)开发干扰处理模块,解决多小区场景下的语义干扰问题;(4)将干扰处理模块输出接入通信系统框架,实现信道中的语义信息分离与提取;(5)根据用户语义信息差异动态调整接收机设计并重新训练网络;(6)设计分布式训练架构,减轻基站模型训练的存储负担,增强系统可靠性。
背景技术
近年来,在深度学习的推动下,自然语言处理在分析和理解大量语言文本方面取得了巨大成功。据此人们突破了只传文不达意的通信模式,开发了基于深度学习的端到端语义通信系统,其可以通过在语义层面对数据进行处理,提取数据的意义,过滤掉无用、不相关、不重要的信息,在保留意义的同时进一步压缩数据,极大的提高了系统的性能。该系统在低信噪比条件下更具鲁棒性,同时在处理大批量数据方面表现出优势。
目前,已经有部分的研究语义通信的相关工作,其中包括语义通信的资源分配和语义信息传输等。然而,这些工作在实际应用方面不够完善。现有的工作只可以提取句子背后的语义信息,并对提取到的语义信息进行压缩和传输,实现端到端语义通信。因为实际的通信环境往往较为复杂,涉及多小区、多用户,所以端到端通信具有极大的局限性。但目前还没有对多小区MIMO语义通信系统的研究工作。在多小区MIMO的通信环境下,由于小区并非独立存在的,所以相邻小区间的干扰时不可避免的,而端到端的语义通信系统无法解决这一问题。同时,考虑到相同的单词在不同的学科上的含义具有极大的差别,如何精准的实现同一小区内具有不同语义的消息的传输也是端到端语义通信系统无法解决的问题。
语义通信系统的本质是由神经网络组成的,而神经网络在训练阶段需要大量的语义知识库来支撑才可以使模型更为精准,这使得训练阶段需要耗费大量的时间,也要求基站需要足够大的计算能力。然而,目前还没有在语义通信场景下针对基站计算能力不足的解决方案。因此,在多小区MIMO通信场景下,如何设计一个性能优良的、基站负荷小的多小区MIMO语义系统模型是一个具有挑战性的问题。
实现思路