CN116633399B - 语义通信波形设计方法、装置、设备和存储介质 - Google Patents
语义通信波形设计方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116633399B CN116633399B CN202310890316.1A CN202310890316A CN116633399B CN 116633399 B CN116633399 B CN 116633399B CN 202310890316 A CN202310890316 A CN 202310890316A CN 116633399 B CN116633399 B CN 116633399B
- Authority
- CN
- China
- Prior art keywords
- semantic
- precoding matrix
- transmission
- constraint condition
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000013461 design Methods 0.000 title claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 222
- 230000005540 biological transmission Effects 0.000 claims abstract description 159
- 238000005457 optimization Methods 0.000 claims abstract description 78
- 230000006870 function Effects 0.000 claims description 41
- 230000036961 partial effect Effects 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009977 dual effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 19
- 230000002829 reductive effect Effects 0.000 abstract description 7
- 239000004973 liquid crystal related substance Substances 0.000 description 28
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Noise Elimination (AREA)
Abstract
本发明实施例提供语义通信波形设计方法、装置、设备和存储介质，涉及通信技术领域。包括：构建和语义信干噪比相关的第一语义约束条件、与传输信干噪比相关的第一传输约束条件以及与预编码矩阵相关的第一功率约束条件，构成第一优化条件集，求解第一优化条件集得到预编码矩阵，再根据预编码矩阵进行波束赋形。本申请实施例利用第一优化条件集同时优化比特用户和语义用户的传输性能，在求解过程中，将第一优化条件集进行分式规划，将非凸的优化问题转化为分式规划问题，再利用求解拉格朗日乘子的方式降低分式规划问题的复杂度，从而快速求解得到预编码矩阵，提升语义用户和比特用户的传输性能指标，提升传输效率，提高资源利用效率。
Description
技术领域
本发明涉及通信技术领域，尤其涉及语义通信波形设计方法、装置、设备和存储介质。
背景技术
近几十年来通信系统的发展过程中，研究人员主要关注于通用比特的数字通信，推动移动通信系统从第一代发展到第五代，传输速率已经显著提高，系统容量逐渐接近香农极限。然而，现代社会通信需求快速增长，随着第六代通信系统的发展，出现许多新的场景，例如虚拟和增强现实、智能工厂、车联网等。这使得语义通信层面上的设计需求越来越多。
相关技术中，语义通信相较于数字通信而言，聚焦于不同的性能指标，且依托神经网络实现联合信源信道编码，在特定任务上具有性能优势。但是语义通信的应用场景受限，难以完全替代数字通信，此外，语义通信本身的神经网络训练需要的模型数据交互也需要由数字通信完成。相关技术中语义通信的波形设计不能同时提升语义用户和比特用户的传输性能指标，导致传输效率不佳。
发明内容
本申请实施例的主要目的在于提出语义通信波形设计方法、装置、设备和存储介质，同时提升语义用户和比特用户的传输性能指标，提升传输效率。
为实现上述目的，本申请实施例的第一方面提出了一种语义通信波形设计方法，应用于语义数字通信系统，所述语义数字通信系统基于网络模型生成语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵，所述语义数字通信系统的工作模式包括：第一模式和第二模式，所述第一模式用于进行数据传输和语义通信，所述第二模式用于进行数据传输；所述方法包括：
获取所述第一初始预编码矩阵和所述语义用户的第一信道参数矩阵，以及获取所述第二初始预编码矩阵和所述比特用户的第二信道参数；
获取所述语义用户在所述第一模式下的语义信干噪比，并根据所述语义信干噪比和所述网络模型的权重参数构建第一语义约束条件；所述语义信干噪比基于所述第一初始预编码矩阵和所述第一信道参数矩阵得到；
获取所述比特用户的传输信干噪比，并根据所述传输信干噪比、所述第一初始预编码矩阵和所述第一信道参数矩阵构建第一传输约束条件；所述传输信干噪比根据所述第二初始预编码矩阵和所述第二信道参数得到；
根据所述第一初始预编码矩阵和所述第二初始预编码矩阵构建第一功率约束条件；
基于所述第一语义约束条件、所述第一传输约束条件和所述第一功率约束条件构建第一优化条件集，将所述第一优化条件集转化为分式规划条件集，利用求解拉格朗日乘子的方式对所述分式规划条件集进行求解，得到预编码矩阵；所述预编码矩阵包括：第一预编码矩阵和第二预编码矩阵；
根据所述预编码矩阵进行波束赋形。
在一实施例，所述将所述第一优化条件集转化为分式规划条件集，包括：
根据所述第一功率约束条件得到第二功率约束条件；
基于所述第二功率约束条件将所述第一语义约束条件转化成第二语义约束条件；
基于所述第二功率约束条件将所述第一传输约束条件转化成第二传输约束条件；
根据所述第二语义约束条件和所述第二传输约束条件构建第二优化条件集，并将所述第二优化条件集转化为所述分式规划条件集。
在一实施例，所述将所述第二优化条件集转化为所述分式规划条件集，包括：
根据所述第二功率约束条件、所述第一初始预编码矩阵和所述语义用户的第一信道参数矩阵得到语义等效信干噪比；
基于所述语义等效信干噪比得到语义速率，并将所述语义速率进行近似转化，得到近似函数；
基于所述近似函数将所述第二语义约束条件转化为第三语义约束条件；
根据所述第三语义约束条件和所述第二传输约束条件构建第三优化条件集，并将所述第三优化条件集转化为所述分式规划条件集。
在一实施例，所述传输信干噪比包括：所述比特用户在所述第一模式下的第一传输信干噪比和所述比特用户在所述第二模式下的第二传输信干噪比；所述将所述第三优化条件集转化为所述分式规划条件集，包括：
利用拉格朗日对偶转化将所述第三语义约束条件转化为第四语义约束条件；
利用拉格朗日对偶转化将所述第二传输约束条件转化为第三传输约束条件，所述第三传输约束条件包括第一参数和第二参数；
固定所述预编码矩阵，迭代所述第一传输信干噪比和所述第二传输信干噪比，最大化所述第一参数和所述第二参数，将所述第四语义约束条件转化为第五语义约束条件；
根据所述第五语义约束条件和所述第三传输约束条件构建第四优化条件集，并将所述第四优化条件集转化为所述分式规划条件集。
在一实施例，所述将所述第四优化条件集转化为所述分式规划条件集，包括：
去除所述第五语义约束条件中分式，得到第六语义约束条件；所述第六语义约束条件中包括第三参数；
将所述第三传输约束条件转化为第四传输约束条件；所述第四传输约束条件中包括第四参数和第五参数；
给定所述第三参数、所述第四参数和所述第五参数，将所述第六语义约束条件转化为第七语义约束条件；
根据所述第七语义约束条件和所述第四传输约束条件构建所述分式规划条件集。
在一实施例，所述利用求解拉格朗日乘子的方式对所述分式规划条件集进行求解，得到预编码矩阵，包括：
对所述第一初始预编码矩阵和所述第二初始预编码矩阵求导，并令求导结果等于零，得到第一矩阵和第二矩阵；
将所述分式规划条件集转化为拉格朗日函数，并利用定点法得到所述拉格朗日函数的拉格朗日乘子；
根据所述拉格朗日乘子更新所述第一矩阵和所述第二矩阵，得到所述第一预编码矩阵和所述第二预编码矩阵。
在一实施例，所述根据所述拉格朗日乘子更新所述第一矩阵和所述第二矩阵，得到所述预编码矩阵，包括：
初始化所述预编码矩阵，并基于所述预编码矩阵更新第一算式集合；所述第一算式集合包括：所述语义等效信干噪比、所述第一传输信干噪比和所述第二传输信干噪比；
基于更新后的所述第一算式集合更新第二算式集合；所述第二算式集合包括：所述第三参数、所述第四参数和所述第五参数；
基于所述第一算式集合、所述第二算式集合更新所述拉格朗日乘子，并利用所述拉格朗日乘子更新所述预编码矩阵，直至所述预编码矩阵收敛。
为实现上述目的，本申请实施例的第二方面提出了一种语义通信波形设计装置，应用于语义数字通信系统，所述语义数字通信系统基于网络模型生成语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵，所述语义数字通信系统的工作模式包括：第一模式和第二模式，所述第一模式用于进行数据传输和语义通信，所述第二模式用于进行数据传输；所述装置包括：
第一获取模块：用于获取所述第一初始预编码矩阵和所述语义用户的第一信道参数矩阵，以及获取所述第二初始预编码矩阵和所述比特用户的第二信道参数；
语义约束条件生成模块：用于获取所述语义用户在所述第一模式下的语义信干噪比，并根据所述语义信干噪比和所述网络模型的权重参数构建第一语义约束条件；所述语义信干噪比基于所述第一初始预编码矩阵和所述第一信道参数矩阵得到；
传输约束条件生成模块：用于获取所述比特用户的传输信干噪比，并根据所述传输信干噪比、所述第一初始预编码矩阵和所述第一信道参数矩阵构建第一传输约束条件；所述传输信干噪比根据所述第二初始预编码矩阵和所述第二信道参数得到；
功率约束条件生成模块：用于根据所述第一初始预编码矩阵和所述第二初始预编码矩阵构建第一功率约束条件；
预编码矩阵求解模块：用于基于所述第一语义约束条件、所述第一传输约束条件和所述第一功率约束条件构建第一优化条件集，将所述第一优化条件集转化为分式规划条件集，利用求解拉格朗日乘子的方式对所述分式规划条件集进行求解，得到预编码矩阵；所述预编码矩阵包括：第一预编码矩阵和第二预编码矩阵；
波束赋形模块：用于根据所述预编码矩阵进行波束赋形。
为实现上述目的，本申请实施例的第四方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的，本申请实施例的第五方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
本申请实施例提出的语义通信波形设计方法、装置、设备和存储介质，构建和语义信干噪比相关的第一语义约束条件、与传输信干噪比相关的第一传输约束条件以及与预编码矩阵相关的第一功率约束条件，构成第一优化条件集，求解第一优化条件集得到预编码矩阵，再根据预编码矩阵进行波束赋形。本申请实施例利用第一优化条件集同时优化比特用户和语义用户的传输性能，在求解过程中，将第一优化条件集进行分式规划，将非凸的优化问题转化为分式规划问题，再利用求解拉格朗日乘子的方式降低分式规划问题的复杂度，从而快速求解得到预编码矩阵，提升语义用户和比特用户的传输性能指标，提升传输效率，提高资源利用效率。
附图说明
图1是本发明实施例提供的语义数字通信系统的示意图。
图2是本发明又一实施例提供的语义数字通信系统的帧传输框架示意图。
图3是本发明一实施例提供的语义通信波形设计方法的流程图。
图4是本发明一实施例提供的语义通信波形设计方法的将第一优化条件集转化为分式规划条件集的流程图。
图5是本发明一实施例提供的语义通信波形设计方法的将第二优化条件集转化为分式规划条件集的流程图。
图6是本发明一实施例提供的语义通信波形设计方法的近似函数的近似效果示意图。
图7是本发明一实施例提供的语义通信波形设计方法的将第三优化条件集转化为分式规划条件集的流程图。
图8是本发明一实施例提供的语义通信波形设计方法的将第四优化条件集转化为分式规划条件集的流程图。
图9是本发明一实施例提供的语义通信波形设计方法的利用求解拉格朗日乘子的方式对分式规划条件集进行求解，得到预编码矩阵的流程图。
图10是图9中的步骤S930的流程图。
图11为本发明一实施例提出的语义通信波形设计方法和相关技术算法在不同服务质量约束下的性能表现示意图。
图12为本发明一实施例提出的语义通信波形设计方法和相关技术算法在不同信噪比下的性能表现示意图。
图13是本发明又一实施例提供的语义通信波形设计装置结构框图。
图14是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
首先，对本发明中涉及的若干名词进行解析：
波束赋形（beamforming）：是一种信号处理技术，通过调整传输（或接收）信号的方向来提高信号的传输质量。它可以减少传输中的干扰、提高信号的覆盖范围和可靠性等。在通信系统中，波束赋形通常指利用多个天线或阵列，按照一定的方式控制射向信号的方向和形状，使得信号更加集中地传输到目标位置，从而提高通信质量。与传统的全向发射或者接收不同，波束赋形可以将信号能量聚焦在需要覆盖的区域，减少了信号在不需要覆盖的区域的传输，具有更高的效率和容量。波束赋形在5G、毫米波通信等新一代无线通信技术中被广泛应用。除了通信系统，波束赋形还可以用于雷达、声纳、医学成像等领域，可以提高信号的探测范围和精度。
近几十年来通信系统的发展过程中，研究人员主要关注于通用比特的数字通信，推动移动通信系统从第一代发展到第五代，传输速率已经显著提高，系统容量逐渐接近香农极限。然而，现代社会通信需求快速增长，随着第六代通信系统的发展，出现许多新的场景，例如虚拟和增强现实、智能工厂、车联网等。这使得语义通信层面上的设计需求越来越多。
相关技术中，语义通信相较于数字通信而言，聚焦于不同的性能指标，且依托神经网络实现联合信源信道编码，在特定任务上具有性能优势。但是语义通信的应用场景受限，难以完全替代数字通信，此外，语义通信本身的神经网络训练需要的模型数据交互也需要由数字通信完成。基于此出现一种语义数字通信系统，即语义数字共生通信系统，在该系统下，用户基于自身通信目标自由选择成为使用语义通信的语义用户或使用比特数字通信的比特用户。在这种通信场景下，由于两类用户的性能指标各不相同，现有的通信算法需要重新设计。相关技术中语义通信的波形设计不能同时提升语义用户和比特用户的传输性能指标，导致传输效率不佳。
基于此，本发明实施例提供一种语义通信波形设计方法、装置、设备和存储介质，利用第一优化条件集同时优化比特用户和语义用户的传输性能，在求解过程中，将第一优化条件集进行分式规划，将非凸的优化问题转化为分式规划问题，再利用求解拉格朗日乘子的方式降低分式规划问题的复杂度，从而快速求解得到预编码矩阵，提升语义用户和比特用户的传输性能指标，提升传输效率，提高资源利用效率。
本申请实施例提供语义通信波形设计方法和语义数字通信系统，具体通过如下实施例进行说明，首先描述本申请实施例中的天线语义通信波形设计方法。
首先描述本申请实施例中的语义数字通信系统。
参照图1，语义数字通信系统包含一个装有Na根发射天线的基站100和K个用户200，每个用户具有1根接收天线。其中，用户包括两类：语义用户和比特用户，比特用户的集合表示为，语义用户的集合表示为/>。语义数字通信系统的工作模式包括：第一模式和第二模式，第一模式用于进行数据传输和语义通信，第二模式用于进行数据传输。语义数字通信系统基于网络模型生成语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵。这里的网络模型为神经网络模型，用于进行语义处理，例如可以采用卷积网络模型等。
在一实施例中，语义数字通信系统可以是下行多用户多入单出（multi-usermulti-input single-output,MU-MISO）系统。
参照图2，为图1中语义数字通信系统的帧传输框架示意图。如图2所示帧传输框架，其中每个帧包含L+Lp个符号间隔，假设信道为缓慢衰落信道模型，这意味着信道在帧内不会改变，在不同帧之间是独立的。在这种情况下，前Lp个符号被用于信道估计。通过估计的信道，基站能够进行波束成形，剩余的L个符号则用于数据传输。对于语义用户，只需要利用连续的符号块来传输潜在表示即可。
本实施例采用半非正交多址接入（semi-NOMA），将总数据帧进一步分为两部分，如图2所示。第一模式为共享符号阶段，在共享符号阶段，基站同时为所有用户提供服务，无论是比特用户还是语义用户都会互相干扰。第二模式为独占阶段，在独占阶段，由于潜在语义表示传输已经完成，基站不再向语义用户发送数据流（即），因此在独占阶段，语义用户不会对比特用户造成干扰。
上述实施例中，基站100的发送信号x可表示为：
其中，表示第i个比特用户的初始预编码矩阵，/>表示第j个语义用户的初始预编码矩阵，/>表示基站向第i个比特用户的传输信号，/>表示基站向第j个语义用户的传输信号。
其中，不同用户的传输信号之间相互独立，且满足条件：和。
对于第k个语义用户来说，其接收到的信号表示为：
其中，表示第k个语义用户的第一信道参数，即基站到第k个语义用户的下行信道参数向量，/>表示语义用户的下行加性复高斯噪声，满足均值为零，自相关矩阵为/>，其中/>为平均噪声功率。
对于第k个比特用户来说，其接收到的信号表示为：
其中，表示第k个比特用户的第二信道参数，即基站到第k个比特用户的下行信道参数向量，/>表示比特用户的下行加性复高斯噪声，满足均值为零，自相关矩阵为/>，其中/>为平均噪声功率。
上述信道模型表示为：
其中，表示路径增益，Lp代表路径数，/>分别表示第i个用户的接收天线的天线阵列因子/>下基站发射端Na个天线的天线阵列因子。
下面描述本申请实施例中应用于语义数字通信系统的语义通信波形设计方法。
图3是本发明实施例提供的语义通信波形设计方法的一个可选的流程图，图3中的方法可以包括但不限于包括步骤S110至步骤S160。同时可以理解的是，本实施例对图3中步骤S110至步骤S160的顺序不做具体限定，可以根据实际需求调整步骤顺序或者减少、增加某些步骤。
步骤S110：获取第一初始预编码矩阵和语义用户的第一信道参数矩阵，以及获取第二初始预编码矩阵和比特用户的第二信道参数。
在一实施例中，由于需要对语义用户进行语义通信，对比特用户进行数据通信和语义通信，因此在进行波形设计时，针对不同的用户设计不同的预编码矩阵。这里的预编码矩阵包括：语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵。
其中，第一初始预编码矩阵根据所有语义用户的初始编码矩阵得到，表示为：；第二初始预编码矩阵根据所有比特用户的初始编码矩阵得到，表示为：/>，预编码矩阵表示为/>。
步骤S120：获取语义用户在第一模式下的语义信干噪比，并根据语义信干噪比和网络模型的权重参数构建第一语义约束条件。
在一实施例中，语义信干噪比基于第一初始预编码矩阵和第一信道参数矩阵得到，语义信干噪比表示为语义用户在共享阶段的信干噪比，表示为：
其中，表示不包含第i个语义用户的语义用户和比特用户的集合，/>表示第i个语义用户的平均噪声功率。
对于语义通信，其本身大部分功能由神经网络模型实现，由于神经网络模型的黑盒特性，语义速率目前仍无法通过理论分析得到，因此本实施例采用数据拟合的方法，基于数据拟合的结果拟合得到信干噪比语义速率之间的映射关系，语义速率表示为：
其中，、/>、/>、/>表示神经网络模型的模型参数。在一实施例中，对于选定的神经网络模型，将其模型参数进行分组，得到上述四种模型参数，分组过程可以根据实际需求确定。
在一实施例中，根据语义信干噪比和网络模型的权重参数构建第一语义约束条件，表示为：
其中，表示不包含第i个语义用户的语义用户和比特用户的集合。
步骤S130：获取比特用户的传输信干噪比，并根据传输信干噪比、第一初始预编码矩阵和第一信道参数矩阵构建第一传输约束条件。
在一实施例中，传输信干噪比根据第二初始预编码矩阵和第二信道参数得到，由于比特用户在共享阶段和独显阶段均获取传输信息，因此传输信干噪比包括：比特用户在第一模式下的第一传输信干噪比和比特用户在第二模式下的第二传输信干噪比。
其中，基于图2的帧传输框架，第一模式下（共享阶段）的第一传输信干噪比表示为：
第二模式下（独占阶段）的第二传输信干噪比表示为：
其中，表示不包含第i个比特用户的语义用户和比特用户的集合，表示不包含第i个比特用户的比特用户的集合，/>表示第i个比特用户的平均噪声功率。
在一实施例中，第一传输约束条件用于表征比特用户的传输性能，本实施例根据传输信干噪比、第一初始预编码矩阵和第一信道参数矩阵构建第一传输约束条件，表示为：
其中，表示共享阶段的符号数，L为总符号数，/>表示第i个比特用户的接收天线的最小信干噪比，可以理解为服务质量约束。
步骤S140：根据第一初始预编码矩阵和第二初始预编码矩阵构建第一功率约束条件。
在一实施例中，基站的发射功率为，则根据第一初始预编码矩阵和第二初始预编码矩阵构建第一功率约束条件，表示为：
步骤S150：基于第一语义约束条件、第一传输约束条件和第一功率约束条件构建第一优化条件集，将第一优化条件集转化为分式规划条件集，利用求解拉格朗日乘子的方式对分式规划条件集进行求解，得到预编码矩阵。
在一实施例中，预编码矩阵包括：针对语义用户的第一预编码矩阵和针对比特用户的第二预编码矩阵。
本实施例的预编码矩阵的设计目标是在基站发射功率限制下，首先满足比特用户的服务质量，然后最大化语义用户的语义速率。因此构建的第一优化条件集P1表示为：
其中，用于引出限制条件。
上述第一优化条件集P1的目标函数对于预编码矩阵V是一个超越函数，为非凸函数。此外，由于第一传输约束条件中存在分数表达式，因此，第一优化条件集P1的优化问题是一个NP-hard的非凸问题。本实施例需要将第一优化条件集P1转化为分式规划条件集，利用求解拉格朗日乘子的方式对分式规划条件集进行求解，得到预编码矩阵。
下面描述第一优化条件集P1转化为分式规划条件集，进而求解得到预编码矩阵的过程。
在一实施例中，对第一优化条件集P1进行简化，由于预编码矩阵以信干噪比的形式表征，因此通过将第一优化条件集P1中的功率约束条件去除，来进行简化，得到第二优化条件集P2，将第二优化条件集转化为分式规划条件集，简化过程不改变第一优化条件集P1的最优解。参照图4，将第一优化条件集转化为分式规划条件集包括以下步骤：
步骤S410：根据第一功率约束条件得到第二功率约束条件。
在一实施例中，第二功率约束条件表示为：
步骤S420：基于第二功率约束条件将第一语义约束条件转化成第二语义约束条件。
在一实施例中，第二语义约束条件表示为：
步骤S430：基于第二功率约束条件将第一传输约束条件转化成第二传输约束条件。
步骤S440：根据第二语义约束条件和第二传输约束条件构建第二优化条件集，并将第二优化条件集转化为分式规划条件集。
在一实施例中，第二优化条件集P2表示为：
分析可知P1的最优解V*以等号方式满足功率约束，且V*为P2的最优解之一，则首先通过求解P2得到一组最优解V**，通过功率归一化可得到P1的最优解，即：
由于P2的目标函数为超越函数，其导函数具有复杂的形式，因此需要接着对其进行简化，这里采用连续凸逼近（continuous convex approximation，SCA）的思想，即在每次迭代中使用代理函数来逼近原始函数，从而通过优化替代函数获得次优解。简化后得到第三优化条件集P3，将第三优化条件集P3转化为分式规划条件集，简化过程不改变第二优化条件集P2的最优解。参照图5，将第二优化条件集转化为分式规划条件集包括以下步骤：
步骤S510：根据第二功率约束条件、第一初始预编码矩阵和语义用户的第一信道参数矩阵得到语义等效信干噪比。
在一实施例中，语义等效信干噪比表示为：
步骤S520：基于语义等效信干噪比得到语义速率，并将语义速率进行近似转化，得到近似函数。
在一实施例中，语义速率近似表示为：
为保留语义速率函数本身的分式形式，对于每一个静态点，本申请实施例提出如下的近似函数进行近似：
本实施例上述所提的近似函数在低信干噪比和高信干噪比区域都能较好地近似原目标函数。参照图6，为本申请实施例中近似函数的近似效果示意图。静态点取值为0.2或3.5时，得到的近似函数的曲线都与原目标函数近似。
步骤S530：基于近似函数将第二语义约束条件转化为第三语义约束条件。
在一实施例中，每一轮迭代过程中，都利用近似函数近似表示/>，将第二语义约束条件转化为第三语义约束条件，表示为：
步骤S540：根据第三语义约束条件和第二传输约束条件构建第三优化条件集，并将第三优化条件集转化为分式规划条件集。
在一实施例中，第三优化条件集P3表示为：
如上式所示，ζK(⋅)具有的分式形式，因此将ζK(⋅)整理为：
其中，上式中变量满足以下条件：
由于第三优化条件集P3的最优解依然求解复杂，因此本申请实施例继续转化第三优化条件集P3为第四优化条件集P4，将第四优化条件集P4转化为分式规划条件集，简化过程不改变第三优化条件集P3的最优解。参照图7，将第三优化条件集转化为分式规划条件集包括以下步骤：
步骤S710：利用拉格朗日对偶转化将第三语义约束条件转化为第四语义约束条件。
在一实施例中，拉格朗日对偶转化是优化问题的转化方法，将原始问题转化为与之等价但更便于求解的对偶问题。
步骤S720：利用拉格朗日对偶转化将第二传输约束条件转化为第三传输约束条件。
在一实施例中，第三传输约束条件包括第一参数和第二参数，第三传输约束条件表示为：
其中，表示第一参数，/>表示第二参数，两者定义如下：
/>
步骤S730：固定预编码矩阵，迭代第一传输信干噪比和第二传输信干噪比，最大化第一参数和第二参数，将第四语义约束条件转化为第五语义约束条件。
在一实施例中，固定预编码矩阵V，调整和/>，最大化和/>时，最优的y和z分别等于比特用户在第一模式下的第一传输信干噪比和在第二模式下的第二传输信干噪比，因此y和z表示为：
在每次迭代过程中，y和z都按照上式进行迭代。将第四语义约束条件转化为第五语义约束条件，表示为：
步骤S740：根据第五语义约束条件和第三传输约束条件构建第四优化条件集，并将第四优化条件集转化为分式规划条件集。
在一实施例中，第四优化条件集P4表示为：
第四优化条件集P4是一个分式优化问题，但是其仍为非凸形式，因此本申请实施例接下来利用二次转化算法去除第四优化条件集P4分式得到分式规划条件集。在一实施例中，参照图8，将第四优化条件集转化为分式规划条件集包括以下步骤：
步骤S810：去除第五语义约束条件中分式，得到第六语义约束条件。
在一实施例中，第六语义约束条件表示为：
其中，表示第三参数。
步骤S820：将第三传输约束条件转化为第四传输约束条件。
在一实施例中，第四传输约束条件表示为：
其中，表示第四参数，/>表示第五参数。
步骤S830：给定第三参数、第四参数和第五参数，将第六语义约束条件转化为第七语义约束条件。
在一实施例中，辅助变量x=[x1,…,xT ]，m=[m1,…,mB ]，n=[n1,…,nB]的作用为保证第六语义约束条件中二次函数的值等于第五语义约束条件中对应分式函数的值，以及第四传输约束条件中二次函数的值等于第三传输约束条件中对应分式函数的值，在每一轮更新过程中，x，m，n的更新规则如下：
在给定x，m，n时，第七语义约束条件表示为：
步骤S840：根据第七语义约束条件和第四传输约束条件构建分式规划条件集。
在一实施例中，分式规划条件集表示为：
上述分式规划条件集为二次约束二次规划（QCQP）问题，可以通过迭代优化方式进行求解。例如可通过CVX等凸优化工具求解。
考虑到上述分式规划条件集求解需要用到凸优化求解工具，且待优化变量维度较高，使其成为求解的复杂度瓶颈，因此本申请实施例进而考虑对于分式规划条件集进行低复杂度求解。参照图9，为本申请实施例利用求解拉格朗日乘子的方式对分式规划条件集进行求解，得到预编码矩阵的过程，包括以下步骤：
步骤S910：对第一初始预编码矩阵和第二初始预编码矩阵求导，并令求导结果等于零，得到第一矩阵和第二矩阵。
在一实施例中，对用户的第一初始预编码矩阵求导，并令求导结果等于零得到第一矩阵，表示为：
其中，表示拉格朗日乘子。
对用户的第二初始预编码矩阵求导，并令求导结果等于零得到第二矩阵，表示为：
步骤S920：将分式规划条件集转化为拉格朗日函数，并利用定点法得到拉格朗日函数的拉格朗日乘子。
在一实施例中，分式规划条件集的拉格朗日函数表示为：
如果要从第一矩阵和第二矩阵中获得预编码向量，预编码向量取得最优解时，其比特用户的服务质量约束取得等号，因此可以通过定点法来利用该等号成立的性质得到λ，则仅需要确定B个拉格朗日乘子即可。基于此，利用最优解需要满足服务质量取等号特性，通过定点法得到拉格朗日乘子，即可求解原问题，利用定点法得到拉格朗日函数的拉格朗日乘子，表示为：
步骤S930：根据拉格朗日乘子更新第一矩阵和第二矩阵，得到第一预编码矩阵和第二预编码矩阵。
在一实施例中，参照图10，步骤S930包括以下步骤：
步骤S931：初始化预编码矩阵，并基于预编码矩阵更新第一算式集合。
在一实施例中，初始化预编码矩阵的过程是对比特用户的第二初始预编码矩阵进行多次随机初始化，直至满足比特用户的最小信干噪比要求，使得/>，对语义用户的第一初始预编码矩阵/>进行初始化。
然后基于当前的预编码矩阵更新第一算式集合，第一算式集合包括：语义等效信干噪比、第一传输信干噪比和第二传输信干噪比，即得到：
/>
步骤S932：基于更新后的第一算式集合更新第二算式集合。
在一实施例中，基于当前的预编码矩阵以及更新后的第一算式集合更新分式的系数组成的第二算式集合，第二算式集合包括：第三参数、第四参数和第五参数，即得到：
步骤S933：基于第一算式集合、第二算式集合更新拉格朗日乘子，并利用拉格朗日乘子更新预编码矩阵，直至预编码矩阵收敛。
在一实施例中，基于第一算式集合、第二算式集合更新拉格朗日乘子的具体的过程表示为：
1）初始化拉格朗日乘子λ=[λ1,…,λB]=[0.01,…,0.01]，记历史拉格朗日乘子为λ'=[0,…,0]；
2）重复下述过程，直至满足条件：，/>表示收敛阈值，可根据实际情况设定。
2.1更新历史拉格朗日乘子λ'=λ；
2.2再根据拉格朗日乘子λ更新预编码矩阵V；
/>
2.3利用定点法更新拉格朗日乘子；
重复上述步骤S931至S933，直至预编码矩阵收敛，即可得到第一预编码矩阵和第二预编码矩阵。上述过程中利用定点法迭代得到拉格朗日乘子，从而以低复杂度代价得到预编码矩阵。
步骤S160：根据预编码矩阵进行波束赋形。
在一实施例中，得到第一预编码矩阵和第二预编码矩阵后，利用第一预编码矩阵和第二预编码矩阵进行语义用户和比特用户的波束赋形，实现语义通信波形设计。
本申请实施例首先基于数据拟合的方式得到信噪比和语义速率之间的映射关系，然后考虑在满足比特用户服务质量的约束下，最大化语义用户的性能。在进行优化问题求解时，为了简化问题，考虑首先移除功率约束；然后提出一个用于近似真实目标函数的代理函数，基于语义速率和信噪比之间的超越函数映射关系，考虑对其进行一阶分式近似，从而将原复杂非凸优化问题转化为分式规划问题。接下来采用分式规划算法来解决关于信干噪比的优化问题，通过引入辅助变量将分式规划问题转化为二次问题，并且通过拉格朗日函数写出其最优解的准闭式解，进而采用定点法得到其拉格朗日变量，得到求解原始问题的低复杂度高性能算法方案。
下面通过一具体实例对本申请实施例的语义通信波形设计方法的性能进行描述。
图11为本申请实施例提出的语义通信波形设计方法和相关技术算法在不同服务质量约束下的性能表现示意图，图12为本申请实施例提出的语义通信波形设计方法和相关技术算法在不同信噪比下的性能表现示意图。
该实施例中，仿真条件为Na=16，B=5,T=3，信道采用多径信道模型，路径数为10，发射角和到达角均服从0到2π之间的均匀分布，各路增益服从标准复高斯分布。相关技术中选取三条基线算法，分别是：包括迫零预编码算法（zero forcing, ZF）、最大比率预编码算法（maximum ratio transmission, MRT）和加权最小均方误差预编码算法（minimization ofweighted mean square error，WMMSE）。图11中横轴表示服务要求约束的值，纵轴SSIM表示结构相似性，用于评价算法的性能，图12中横轴表示信噪比的值，纵轴为SSIM。图11说明了上述算法在不同服务质量约束下的性能表现，随着服务质量要求的提高，比特用户在资源分配过程中需要更加侧重，因此语义用户的传输性能有所下降。而本实施例的算法在所有服务质量约束情景下，均优于三种基线算法，其相比基线算法，性能下降更慢，因此鲁棒性也更高。图12中可以看到本实施例的算法在所有信噪比设定下也均优于基线算法，且在低信噪比区域性能增益明显，此外，其接近性能上界所需要的信噪比更低，体现了算法的有效性和鲁棒性。
本发明实施例提供的技术方案，构建和语义信干噪比相关的第一语义约束条件、与传输信干噪比相关的第一传输约束条件以及与预编码矩阵相关的第一功率约束条件，构成第一优化条件集，求解第一优化条件集得到预编码矩阵，再根据预编码矩阵进行波束赋形。本申请实施例利用第一优化条件集同时优化比特用户和语义用户的传输性能，在求解过程中，将第一优化条件集进行分式规划，将非凸的优化问题转化为分式规划问题，再利用求解拉格朗日乘子的方式降低分式规划问题的复杂度，从而快速求解得到预编码矩阵，提升语义用户和比特用户的传输性能指标，提升传输效率，提高资源利用效率。
本发明实施例还提供一种语义通信波形设计装置，可以实现上述语义通信波形设计方法，参照图13，应用于如图1的语义数字通信系统，所述语义数字通信系统基于网络模型生成语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵，语义数字通信系统的工作模式包括：第一模式和第二模式，第一模式用于进行数据传输和语义通信，第二模式用于进行数据传输；装置包括：
第一获取模块1310：用于获取第一初始预编码矩阵和语义用户的第一信道参数矩阵，以及获取第二初始预编码矩阵和比特用户的第二信道参数。
语义约束条件生成模块1320：用于获取语义用户在第一模式下的语义信干噪比，并根据语义信干噪比和网络模型的权重参数构建第一语义约束条件；语义信干噪比基于第一初始预编码矩阵和第一信道参数矩阵得到。
传输约束条件生成模块1330：用于获取比特用户的传输信干噪比，并根据传输信干噪比、第一初始预编码矩阵和第一信道参数矩阵构建第一传输约束条件；传输信干噪比根据第二初始预编码矩阵和第二信道参数得到。
功率约束条件生成模块1340：用于根据第一初始预编码矩阵和第二初始预编码矩阵构建第一功率约束条件。
预编码矩阵求解模块1350：基于第一语义约束条件、第一传输约束条件和第一功率约束条件构建第一优化条件集，将第一优化条件集转化为分式规划条件集，利用求解拉格朗日乘子的方式对分式规划条件集进行求解，得到预编码矩阵；预编码矩阵包括：第一预编码矩阵和第二预编码矩阵。
波束赋形模块1360：用于根据预编码矩阵进行波束赋形。
本实施例的语义通信波形设计装置的具体实施方式与上述语义通信波形设计方法的具体实施方式基本一致，在此不再赘述。
本发明实施例还提供了一种电子设备，包括：
至少一个存储器；
至少一个处理器；
至少一个程序；
程序被存储在存储器中，处理器执行至少一个程序以实现本发明实施上述的语义通信波形设计方法。该电子设备可以为包括手机、平板电脑、个人数字助理（PersonalDigital Assistant，简称PDA）、车载电脑等任意智能终端。
请参阅图14，图14示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器1401，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本发明实施例所提供的技术方案；
存储器1402，可以采用ROM（ReadOnlyMemory，只读存储器）、静态存储设备、动态存储设备或者RAM(RandomAccessMemory，随机存取存储器)等形式实现。存储器1402可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1402中，并由处理器1401来调用执行本发明实施例的语义通信波形设计方法；
输入/输出接口1403，用于实现信息输入及输出；
通信接口1404，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；和
总线1405，在设备的各个组件（例如处理器1401、存储器1402、输入/输出接口1403和通信接口1404）之间传输信息；
其中处理器1401、存储器1402、输入/输出接口1403和通信接口1404通过总线1405实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述语义通信波形设计方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例提出的语义通信波形设计方法、装置、设备和存储介质，构建和语义信干噪比相关的第一语义约束条件、与传输信干噪比相关的第一传输约束条件以及与预编码矩阵相关的第一功率约束条件，构成第一优化条件集，求解第一优化条件集得到预编码矩阵，再根据预编码矩阵进行波束赋形。本申请实施例利用第一优化条件集同时优化比特用户和语义用户的传输性能，在求解过程中，将第一优化条件集进行分式规划，将非凸的优化问题转化为分式规划问题，再利用求解拉格朗日乘子的方式降低分式规划问题的复杂度，从而快速求解得到预编码矩阵，提升语义用户和比特用户的传输性能指标，提升传输效率，提高资源利用效率。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (10)
1.一种语义通信波形设计方法，其特征在于，应用于语义数字通信系统，所述语义数字通信系统基于网络模型生成语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵，所述语义数字通信系统的工作模式包括：第一模式和第二模式，所述第一模式用于进行数据传输和语义通信，所述第二模式用于进行数据传输；所述方法包括：
获取所述第一初始预编码矩阵和所述语义用户的第一信道参数矩阵，以及获取所述第二初始预编码矩阵和所述比特用户的第二信道参数；
获取所述语义用户在所述第一模式下的语义信干噪比，并根据所述语义信干噪比和所述网络模型的权重参数构建第一语义约束条件；所述语义信干噪比基于所述第一初始预编码矩阵和所述第一信道参数矩阵得到；
获取所述比特用户的传输信干噪比，并根据所述传输信干噪比、所述第一初始预编码矩阵和所述第一信道参数矩阵构建第一传输约束条件；所述传输信干噪比根据所述第二初始预编码矩阵和所述第二信道参数得到；
根据所述第一初始预编码矩阵和所述第二初始预编码矩阵构建第一功率约束条件；
基于所述第一语义约束条件、所述第一传输约束条件和所述第一功率约束条件构建第一优化条件集，将所述第一优化条件集转化为分式规划条件集，利用求解拉格朗日乘子的方式对所述分式规划条件集进行求解，得到预编码矩阵；所述预编码矩阵包括：第一预编码矩阵和第二预编码矩阵；
根据所述预编码矩阵进行波束赋形。
2.根据权利要求1所述的语义通信波形设计方法，其特征在于，所述将所述第一优化条件集转化为分式规划条件集，包括：
根据所述第一功率约束条件得到第二功率约束条件；
基于所述第二功率约束条件将所述第一语义约束条件转化成第二语义约束条件；
基于所述第二功率约束条件将所述第一传输约束条件转化成第二传输约束条件；
根据所述第二语义约束条件和所述第二传输约束条件构建第二优化条件集，并将所述第二优化条件集转化为所述分式规划条件集。
3.根据权利要求2所述的语义通信波形设计方法，其特征在于，所述将所述第二优化条件集转化为所述分式规划条件集，包括：
根据所述第二功率约束条件、所述第一初始预编码矩阵和所述语义用户的第一信道参数矩阵得到语义等效信干噪比；
基于所述语义等效信干噪比得到语义速率，并将所述语义速率进行近似转化，得到近似函数；
基于所述近似函数将所述第二语义约束条件转化为第三语义约束条件；
根据所述第三语义约束条件和所述第二传输约束条件构建第三优化条件集，并将所述第三优化条件集转化为所述分式规划条件集。
4.根据权利要求3所述的语义通信波形设计方法，其特征在于，所述传输信干噪比包括：所述比特用户在所述第一模式下的第一传输信干噪比和所述比特用户在所述第二模式下的第二传输信干噪比；所述将所述第三优化条件集转化为所述分式规划条件集，包括：
利用拉格朗日对偶转化将所述第三语义约束条件转化为第四语义约束条件；
利用拉格朗日对偶转化将所述第二传输约束条件转化为第三传输约束条件，所述第三传输约束条件包括第一参数和第二参数；
固定所述预编码矩阵，迭代所述第一传输信干噪比和所述第二传输信干噪比，最大化所述第一参数和所述第二参数，将所述第四语义约束条件转化为第五语义约束条件；
根据所述第五语义约束条件和所述第三传输约束条件构建第四优化条件集，并将所述第四优化条件集转化为所述分式规划条件集。
5.根据权利要求4所述的语义通信波形设计方法，其特征在于，所述将所述第四优化条件集转化为所述分式规划条件集，包括：
去除所述第五语义约束条件中分式，得到第六语义约束条件；所述第六语义约束条件中包括第三参数；
将所述第三传输约束条件转化为第四传输约束条件；所述第四传输约束条件中包括第四参数和第五参数；
给定所述第三参数、所述第四参数和所述第五参数，将所述第六语义约束条件转化为第七语义约束条件；
根据所述第七语义约束条件和所述第四传输约束条件构建所述分式规划条件集。
6.根据权利要求5所述的语义通信波形设计方法，其特征在于，所述利用求解拉格朗日乘子的方式对所述分式规划条件集进行求解，得到预编码矩阵，包括：
对所述第一初始预编码矩阵和所述第二初始预编码矩阵求导，并令求导结果等于零，得到第一矩阵和第二矩阵；
将所述分式规划条件集转化为拉格朗日函数，并利用定点法得到所述拉格朗日函数的拉格朗日乘子；
根据所述拉格朗日乘子更新所述第一矩阵和所述第二矩阵，得到所述第一预编码矩阵和所述第二预编码矩阵。
7.根据权利要求6所述的语义通信波形设计方法，其特征在于，所述根据所述拉格朗日乘子更新所述第一矩阵和所述第二矩阵，得到所述第一预编码矩阵和所述第二预编码矩阵，包括：
初始化所述预编码矩阵，并基于所述预编码矩阵更新第一算式集合；所述第一算式集合包括：所述语义等效信干噪比、所述第一传输信干噪比和所述第二传输信干噪比；
基于更新后的所述第一算式集合更新第二算式集合；所述第二算式集合包括：所述第三参数、所述第四参数和所述第五参数；
基于所述第一算式集合、所述第二算式集合更新所述拉格朗日乘子，并利用所述拉格朗日乘子更新所述预编码矩阵，直至所述预编码矩阵收敛。
8.一种语义通信波形设计装置，其特征在于，应用于语义数字通信系统，所述语义数字通信系统基于网络模型生成语义用户的第一初始预编码矩阵和比特用户的第二初始预编码矩阵，所述语义数字通信系统的工作模式包括：第一模式和第二模式，所述第一模式用于进行数据传输和语义通信，所述第二模式用于进行数据传输；所述装置包括：
第一获取模块：用于获取所述第一初始预编码矩阵和所述语义用户的第一信道参数矩阵，以及获取所述第二初始预编码矩阵和所述比特用户的第二信道参数；
语义约束条件生成模块：用于获取所述语义用户在所述第一模式下的语义信干噪比，并根据所述语义信干噪比和所述网络模型的权重参数构建第一语义约束条件；所述语义信干噪比基于所述第一初始预编码矩阵和所述第一信道参数矩阵得到；
传输约束条件生成模块：用于获取所述比特用户的传输信干噪比，并根据所述传输信干噪比、所述第一初始预编码矩阵和所述第一信道参数矩阵构建第一传输约束条件；所述传输信干噪比根据所述第二初始预编码矩阵和所述第二信道参数得到；
功率约束条件生成模块：用于根据所述第一初始预编码矩阵和所述第二初始预编码矩阵构建第一功率约束条件；
预编码矩阵求解模块：用于基于所述第一语义约束条件、所述第一传输约束条件和所述第一功率约束条件构建第一优化条件集，将所述第一优化条件集转化为分式规划条件集，利用求解拉格朗日乘子的方式对所述分式规划条件集进行求解，得到预编码矩阵；所述预编码矩阵包括：第一预编码矩阵和第二预编码矩阵；
波束赋形模块：用于根据所述预编码矩阵进行波束赋形。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的语义通信波形设计方法。
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的语义通信波形设计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310890316.1A CN116633399B (zh) | 2023-07-20 | 2023-07-20 | 语义通信波形设计方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310890316.1A CN116633399B (zh) | 2023-07-20 | 2023-07-20 | 语义通信波形设计方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116633399A CN116633399A (zh) | 2023-08-22 |
| CN116633399B true CN116633399B (zh) | 2023-11-03 |
Family
ID=87617406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310890316.1A Active CN116633399B (zh) | 2023-07-20 | 2023-07-20 | 语义通信波形设计方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116633399B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108923831A (zh) * | 2018-08-15 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种发射信号的预编码方法和装置 |
| CN113765553A (zh) * | 2021-09-09 | 2021-12-07 | 东南大学 | 一种基于机器学习的多波束卫星通信系统鲁棒预编码方法 |
| CN114979267A (zh) * | 2022-05-24 | 2022-08-30 | 厦门大学 | 面向多服务需求的语义通信方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017107002A1 (en) * | 2015-12-21 | 2017-06-29 | Orange | Method and device for beamforming |
| CA3081242A1 (en) * | 2019-05-22 | 2020-11-22 | Royal Bank Of Canada | System and method for controllable machine text generation architecture |
-
2023
- 2023-07-20 CN CN202310890316.1A patent/CN116633399B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108923831A (zh) * | 2018-08-15 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种发射信号的预编码方法和装置 |
| CN113765553A (zh) * | 2021-09-09 | 2021-12-07 | 东南大学 | 一种基于机器学习的多波束卫星通信系统鲁棒预编码方法 |
| CN114979267A (zh) * | 2022-05-24 | 2022-08-30 | 厦门大学 | 面向多服务需求的语义通信方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Wireless Image Transmission with Semantic and Security Awareness;Maojun Zhang等;《 IEEE Wireless Communications Letters ( Early Access )》;第1-5页 * |
| 面向未来的语义通信：基本原理与实现方法;张平等;《通信学报》;第44卷(第5期);第1-14页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116633399A (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111835406B (zh) | 适用于多波束卫星通信的能效谱效权衡的鲁棒预编码方法 | |
| CN111953391A (zh) | 智能反射面辅助的多用户mimo上行能效谱效联合优化方法 | |
| CN111698045B (zh) | 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法 | |
| CN112260737B (zh) | 总能效与最小能效权衡的多波束卫星通信鲁棒预编码方法 | |
| CN102185643A (zh) | 协作通信多分辨率自适应波束成形方法 | |
| CN113949427B (zh) | 一种多用户无线网络安全能效优化设计方法和系统 | |
| JP2009153139A (ja) | Ｍｉｍｏ下りリンクにおけるプリコーディング処理方法、装置及び基地局 | |
| CN114885423A (zh) | 一种网络辅助全双工系统能效优化方法及系统 | |
| CN110191476B (zh) | 一种基于可重构天线阵列的非正交多址接入方法 | |
| CN109587088B (zh) | 一种基于无线信息与能量协同传输的大规模接入方法 | |
| CN107864000A (zh) | 基于用户分布密度匹配的3d mimo码本生成方法 | |
| CN111010220B (zh) | 基于能量效率的多用户多流的下行混合预编码方法及系统 | |
| CN116633399B (zh) | 语义通信波形设计方法、装置、设备和存储介质 | |
| CN112312569A (zh) | 一种基于透镜阵列的预编码和波束选择矩阵联合设计方法 | |
| CN104821840B (zh) | 一种大规模多输入多输出下行系统的抗干扰方法 | |
| CN109510650B (zh) | 一种多用户双向af mimo中继系统的联合预编码方法 | |
| CN113258985B (zh) | 单站多星mimo上注系统能效优化方法 | |
| CN114710187A (zh) | 一种用户数动态变换场景下多小区大规模mimo智能通信的功率分配方法 | |
| CN114301508A (zh) | 基于过时csi的可重构智能表面辅助mimo传输中的双时间尺度优化方法 | |
| CN114337902A (zh) | 一种irs辅助的毫米波多小区间干扰的抑制方法 | |
| CN108418615B (zh) | 一种基于mu-mimo有限反馈系统的用户调度方法 | |
| An et al. | Channel estimation for one-bit massive MIMO based on improved cGAN | |
| CN108834155B (zh) | 一种基于大规模天线系统多参数优化频谱效率的方法 | |
| Xu et al. | Multicarrier beamforming with limited feedback: A rate distortion approach | |
| CN117295077B (zh) | 一种多小区协同多址地空数据传输方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |