基于语义语言的语义通信（SemCom）理论：语义编码、语义解码、CSED 及语言利用

语义通信（Semantic Communication, SemCom）超越了传统 Shannon 通信范式，旨在通过语义信息的高效编码、解码及推理，实现更智能、高效的通信系统。在基于语义语言（Semantic Language）的 SemCom 设计中，核心问题包括：

1. 语义编码问题（Semantic Encoding Problem）
2. 语义解码问题（Semantic Decoding Problem）
3. CSED（Common Semantic Error Distance）问题
4. 语言利用 - 语义编码
5. 语言利用 - 语义解码
6. 语言利用 - CSED

---

1. 语义编码问题（Semantic Encoding Problem）

定义

语义编码问题关注如何将源信息（如文本、图像、传感数据）转换为具有最小语义损失的编码表示，以便高效传输。其目标是：
${\min }_{\mathcal{E}}{D}_s(M,\mathcal{E}(M))$
其中：

• $M$ 是原始语义信息；
• $\mathcal{E}(M)$ 是编码后的信息；
• $D_s$ 是语义损失函数，衡量语义信息丢失程度。

挑战

1. 背景知识差异：不同用户对相同语言的理解可能不同，导致编码信息的最优性因接收者背景知识而变化。
2. 冗余信息压缩：语义信息通常包含大量冗余，如何有效去除非必要数据是关键。
3. 多模态融合：许多场景需要同时编码文本、图像、语音等多种模态信息。
4. 非结构化数据建模：语义信息往往是非结构化的，传统信息论方法难以建模。

解决方案

• 基于逻辑概率的编码：
  • 采用贝叶斯推理：
    $P(M|K$