面向6G的语义通信技术研究报告-语义任务组_162页_9mb.pptxVIP

北京稻壳科技有限公司

BeijingRiceHullTechnologyCo.,Ltd.地址：北京市朝阳区九住路188号;2025年11月

版权声明CopyrightNotification

未经书面许可禁止打印、复制及通过任何媒体传播

?2025IMT-2030（6G）推进组版权所有;目 录;1;2;3;图2.2-1卫星遥感图像星地传输场景

一场突发洪水摧毁了某地区的移动通信基础设施，严重阻碍了救援联络。应急指挥中心派出无人机进行灾情侦查，无人机在灾区上空拍摄高分辨率图像，用以识别受损区域、道路堵塞和生命迹象。由于当地网络中断，图像无法直接回传至地面控制中心，而是通过卫星通信链路上传至低地球轨道（LEO）卫星，再经卫星中继下行至可接入的6G基站，最终传送至应急中心，形成“无人机-卫星-6G基站-应急中心”的空天地一体化跨域传输路径。为提升在丢包、干扰和衰落信道下的传输可靠性，无人机至卫星和卫星至地面的链路均可采用语义通信方法，实现面向任务的关键信息按需传递。面对大量图像数据，部署于卫星或6G边缘节点的人工智能模型对图像进行语义感知分析，仅提取并保留关键任务区域，如倒塌建筑、洪水边界或受困人员。借助语义压缩与特征提取技术，实现关键视觉信息的高效压缩与鲁棒传输。6G网络依据语义紧急程度（如是否靠近居民区、是否存在生命信号）动态分配通信资源，优先回传高风险区域信息，从而优化带宽利用，提升应急响应效率。应急中心最终接收经AI处理、带地理标记的图像数据，包括灾害地图、受灾人员位置及封锁路线等，支撑无人机空投、地面部队部署和物资分配等精准决策，构建起智能化的空天地应急响应体系。

2.2.1.2低空无人机巡检与高清航拍场景

在6G无人机巡检技术的背景下，可靠且高效的数据传输对于实时监控和分析至关重要。配备人工智能模型的无人机能够捕捉多种模态的传感数据，包括图像、视频和雷达信号，以评估基础设施、环境状况和潜在风险。随后，这些数据经过特征提取处理后，被传输至基站以及USS（无人驾驶航空系统服务供应商）/UTM（无人驾驶航空系统交通管理，部署在云端），以识别潜在的异常情况，如电力线路损坏、管道泄漏或农作物病害。

然???，如何在不使网络过载的情况下，有效地将如此大量的数据传输回基站，以及如何使无人机与地面之间的传输适应高动态的传输条件等问题面临着挑战。6G通信通过高带宽和超低延迟实现无缝数据交换，满足了这一需求。通过语义通信，仅传输收集数据中最相关和最有意义的特征，确保关键信息（如结构异常或环境风险）优先进行分析，从而减少整体;传输负载。此外，语义通信的另一个优势是能够在低信噪比（Signal-to-NoiseRatio,SNR）传输条件下实现高保真数据传输。在基站端，匹配的AI模型对这些数据进行解码和重建，从而实现高效的实时分析。这种方法不仅减少了带宽使用，还确保最关键的信息被传递到核心网络进行进一步评估。通过结合AI和语义通信，6G无人机巡检系统能够提升操作效率，确保及时发现问题，最大限度地减少冗余数据传输，并在低信噪比条件下实现可靠传输。无人机检查场景如图2.2-2所示。在这个过程中，无人机、基站、核心网络和USS/UMT进行交互和协作。下面是对这些模块之间的服务流的描述。;6;7;图2.2-3视频会议场景

在上述视频语义提取与编辑业务中，用户首先在视频会议中提出个性化需求，如调整人物形象等。系统接收请求后，通过语义分析算法提取视频中的人物特征、口型及姿态等关键信息，核心网络实时监控点云数据传输质量并根据信道状况和应用需求动态调整资源。随后，提取的语义数据被传输至基站，由基站依据用户需求和信道条件进行压缩与编辑，再通过语义通信技术将编辑后的视频内容发送给其他参会者，对方接收后完成合成，生成符合需求的最终视频。6G网络通过精准语义提取、智能传输优化、动态带宽调度和稳健的数据恢复，实现核心信息高效传输与快速重建，提升多模态信息同步能力，从而为视频会议及远程协作提供更智能、高效、稳定的体验。

人-机-物交互增强场景

基于语义通信的多车协同感知场景

在自动驾驶技术发展背景下，可靠且实时的环境感知能力是保障系统安全与运行效率的关键基础。近年来研究者通过引入先进神经网络架构和多模态传感器融合技术持续优化物体检测算法。然而独立车载感知存在固有局限性-其完全依赖于本车传感器设备，仅能获取实时视距内的局部环境信息。车联网（Vehicle-to-Everything,V2X）技术的出现有效突破这一瓶颈：通过建立车辆间信息交互通道，不仅可支持协作式障碍物检测等典型应用场景，更进一步拓展了路径规划、紧急预警等广泛车联网应用的可能性。

多车协作感知依赖于车辆之间的实时交互和大量感