一种基于多尺度特征自适应融合的语义通信方法技术

本申请提出了一种基于多尺度特征自适应融合的语义通信方法，涉及通信与人工智能领域。所述方法包括采用基于多尺度特征融合注意力模块的语义编码器和语义解码器对语义样本序列进行处理，从而得到相应的估计语义样本序列。本发明专利技术对传统基于SE‑ResNet的注意力模块进行改进，通过引入不同尺寸的卷积核，在保持残差学习特点的同时，增加了网络对多尺度特征的捕获能力。将批量归一化层放置在了激活函数之前，解决了模型不收敛的问题，对网络的学习动态产生积极的影响。仿真实验结果表明，相比传统通信方法和现有的语义通信技术，本发明专利技术能够在保持传输效率的同时，显著提高语音信号的恢复精度，特别是在复杂的信道条件和低信噪比环境中。

【技术实现步骤摘要】

本专利技术属于通信与人工智能领域，具体涉及一种基于多尺度特征自适应融合的语义通信方法。

技术介绍

1、在过去的几十年中，通信主要集中在如何准确有效地将符号(以比特为单位)从发射器传输到接收器。在此类系统中，误码率(ber)或符号误码率(ser)通常作为性能指标。随着从第一代(1g)发展到第五代(5g)，实现的传输速率提升了数万倍，系统容量逐渐接近香农极限。最近，出现了各种新的应用，如自动驾驶、消费机器人、环境监测和远程医疗。这些应用程序的互连将以zetta字节为单位生成数量惊人的数据。此外，这些应用需要在有限的频谱资源上支持大规模连接，但需要更低的延迟，这给传统的源信道编码带来了严峻的挑战。语义通信可以通过提取数据的意义，过滤掉无用、不相关、不重要的信息，在语义域内处理数据，能够保留意义的同时进一步压缩数据。此外，语义通信有望在恶劣的信道环境中(即低信噪比(snr)区域)下具有鲁棒性，非常适合需要高可靠性的应用。这些因素促使技术人员通过考虑数字比特背后的语义含义来开发智能通信系统，以提高通信的准确性和效率。

2、与传统通信不同，语义通信旨在传输本文档来自技高网...

【技术保护点】

1.一种基于多尺度特征自适应融合的语义通信方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多尺度特征自适应融合的语义通信方法，其特征在于，所述对原始语义样本序列进行分帧处理，得到第一语义样本序列包括对所述原始语义样本序列按照不同尺寸进行分帧处理，得到多个不同长度的第一语义样本序列，所述多个不同长度的第一语义样本序列包括目标第一语义样本序列以及覆盖所述目标第一语义样本序列对应的至少一个边缘的第一语义样本序列。

3.根据权利要求2所述的基于多尺度特征自适应融合的语义通信方法，其特征在于，所述利用基于多尺度特征融合注意力模块的语义编码器对所述第一语义样本序...

【技术特征摘要】

1.一种基于多尺度特征自适应融合的语义通信方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多尺度特征自适应融合的语义通信方法，其特征在于，所述对原始语义样本序列进行分帧处理，得到第一语义样本序列包括对所述原始语义样本序列按照不同尺寸进行分帧处理，得到多个不同长度的第一语义样本序列，所述多个不同长度的第一语义样本序列包括目标第一语义样本序列以及覆盖所述目标第一语义样本序列对应的至少一个边缘的第一语义样本序列。

3.根据权利要求2所述的基于多尺度特征自适应融合的语义通信方法，其特征在于，所述利用基于多尺度特征融合注意力模块的语义编码器对所述第一语义样本序列进行处理，提取出所述第一语义样本序列的多尺度信息特征包括利用基于多尺度特征融合注意力模块的语义编码器对多个不同长度的第一语义样本序列进行处理，分别提取出多个不同长度的第一语义样本序列的多尺度信息特征；将所述目标第一语义样本序列的多尺度信息与对应的边缘的第一语义样本序列的多尺度信息采用注意力机制进行融合，得到所述目标第一语义样本序列的多尺度注意力信息特征。

4.根据权利要求1所述的基于多尺度特征自适应融合的语义通信方法，其特征在于，所述多尺度特征融合注意力模块包括多个尺寸逐渐增加的...

【专利技术属性】
技术研发人员：李职杜，张宝霈，江佳骏，邓明亮，薛青，王巨震，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：