基于区块链和语义通信的无线网络通信方法及框架系统

1.本发明属于语义通信领域，具体涉及一种基于区块链和语义通信的无线网络通信方法及框架系统。


背景技术：

2.第五代(5g))引入了基于服务的架构，通过低延迟通信将面向数据的性能指标转换为面向服务的性能指标。从1g到5g的发展都集中在如何准确地传输通信比特，而由于物理层资源有限，无法满足无线网络日益增长的智能化需求。语义通信是一种新的面向任务的通信架构，它使边缘设备能够传输消息的语义信息并评估语义信息传达所需含义的精确程度。边缘设备无需传输原始数据，而是可以从原始数据中提取语义信息并将其传输到目标对方，通过共享知识恢复数据，可以减少通信开销并提高资源效率。因此，语义通信可以归类为上下文感知和语义相关的范式，以减轻网络负担。
3.尽管语义通信可以有效地处理和交换信息，但由于参与者之间缺乏信任，参与者很难以安全的方式更新共享知识。此外，由于语义信息是以用户为中心和用户生成的，因此在参与者之间传输时需要保证数据价值并保护语义信息。区块链是一种点对点网络，可以以去中心化、透明和安全的方式保护数据不被篡改。区块链与语义通信的融合可以带来共享知识的可靠更新，构建参与者之间的信任，识别语义信息的价值。区块链为语义生态系统提供了去中心化、透明和安全等特性。但由于区块链无法主动验证现实世界提交的语义信息，因此难以解决语义信息来源真实性的挑战。
4.当前国内外缺乏区块链和语义通信的集成方案，现有的工作侧重于区块链和语义网的集成，而很少关注区块链和语义通信。现有技术中提出了用于资源注册、资源发现、资源选择和资源支付的语义区块链，将智能嵌入到普适计算中。还有为区块链提出了基于语义网络的语义智能合约，以增强对跨多个分类账的特定术语的查询，以及提出语义差异事务机制来最小化信息冗余。此外，还有一些专注于语义通信的工作，以提供更有效的交互。例如：现有技术提出的联邦学习和基于波向量的自动编码器，用于语义通信，以通过无线网络传输音频；用于图像传输的语义通信和数据适应网络，将数据转换为类似形式的经验数据；面向任务的单模型多用户语义通信；用于语义传输的支持深度学习的语义通信系统。
5.但上述现有技术面临以下三个挑战：1)如何构建统一的基于区块链和语义通信的框架，2)如何验证信息流通的语义以防止垃圾信息在区块链框架中流转，3)如何提取与任务相关的语义信息并以有效的方式验证语义正确性。


技术实现要素：

6.本发明针对现有技术中的不足，提供一种基于区块链和语义通信的无线网络通信方法及框架系统。其中首次提出了基于区块链和语义生态系统的无线网络框架，框架包括一个状态通道和基于任务相关信息瓶颈(ib)方法的语义共享机制，以有效地验证语义信息的正确性。
7.为实现上述目的，本发明采用以下技术方案：
8.基于区块链和语义通信的无线网络通信方法，其特征在于，包括：
9.获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息；
10.将提取的语义信息经过无线信道传输，生成带噪声的语义信息；
11.将带噪声的语义信息更新至区块链，并且经过由区块链的智能合约所实现的状态通道进行链下的语义验证；
12.采用神经网络模型对验证通过后的语义信息进行解码并恢复图像。
13.为优化上述技术方案，采取的具体措施还包括：
14.进一步地，所述获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息，包括：
15.获取一组原始图像r＝[r1，r2，...，rn]，n表示原始图像的样本数量；
[0016]
使用神经网络模型从r中提取语义信息x＝[x1，x2，...，xs]，其中s表示与r映射的元素数量。进一步地，所述带噪声的语义信息为：y＝c
·
x+σ，其中c为信道系数，x为语义信息，表示独立同分布的零均值高斯噪声通道，噪声方差为σ2，i为单位矩阵。
[0017]
进一步地，所述将带噪声的语义信息更新至区块链，并且经过由区块链的智能合约所实现的状态通道进行链下的语义验证，包括：
[0018]
发送边缘设备di为带噪声的语义信息y签名，并通过状态通道与目标边缘设备dj共享通道消息{y，l，mr，δi}，其中状态通道d是边缘设备的集合，s0是初始状态，s
p
是当前状态证明，sc是当前状态，l为链下语义共享防止回复攻击的序列，mr为默克尔根证明的累积的通道信息，δi为发送边缘设备和目标边缘设备的签名；
[0019]
目标边缘设备dj签署消息以验证脱链状态，直至将累积的语义信息更新至区块链，所述区块链以去中心化的方式记录语义信息；
[0020]
通过所述智能合约验证累积的语义信息的签名并更新状态通道的当前状态证明s
p
和当前状态sc。
[0021]
进一步地，所述神经网络模型的目标是最大化保留带噪声的语义信息的互信息，同时最小化带噪声的语义信息与原始图像之间的编码复杂度，目标函数为：
[0022][0023]
其中，i(y，z)表示带噪声的语义信息y与神经网络模型分类输出z之间的互信息，i(y，r)表示带噪声的语义信息y与原始图像r之间的互信息，β是一个权衡超参数；
[0024]
的下界公式为：
[0025][0026]
其中，表示在p(z，r)的条件下的期望，表示在的条件下的期望，d
kl
()表示kl散度，p
channel
(y|x)表示在无线信道中输入x的条件下输出y的概率，表示在神经网络参数为θe的条件下输入r输出x的概率，
p(z，r)表示z和r的联合概率分布，q(z|y)是近似于p(z|y)的变分分布，p(z|y)表示关于z和y的条件概率分布，r(y)表示y的概率分布，x是语义信息x的样本，y是带噪声的语义信息y的样本，z是神经网络模型分类输出z的样本，r是原始图像r的样本；
[0027]
根据的下界公式进行蒙特卡洛抽样，给定批量输入计算得到：
[0028][0029]
其中，n表示原始图像的样本数量，xn表示第n个语义信息，yn表示第n个带噪声的语义信息，zn表示第n个神经网络模型分类输出，rn表示第n个原始图像。
[0030]
此外，本发明还提出了基于区块链和语义通信的无线网络框架系统，其特征在于，包括：语义编码器、无线信道、状态通道和语义解码器；
[0031]
所述语义编码器获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息；
[0032]
所述无线信道对提取的语义信息进行传输，生成带噪声的语义信息；
[0033]
所述状态通道由区块链的智能合约实现，状态通道对更新至区块链的带噪声的语义信息进行链下的语义验证；
[0034]
所述语义解码器采用神经网络模型对验证通过后的语义信息进行解码并恢复图像。
[0035]
进一步地，所述语义编码器获取一组原始图像r＝[r1，r2，...，rn]，n表示原始图像的样本数量；使用神经网络模型从r中提取语义信息x＝[x1，x2，...，xs]，其中s表示与r映射的元素数量。
[0036]
进一步地，所述无线信道生成的带噪声的语义信息为：y＝c
·
x+σ，其中c为信道系数，x为语义信息，表示独立同分布的零均值高斯噪声通道，噪声方差为σ2，i为单位矩阵。
[0037]
进一步地，所述状态通道对更新至区块链的带噪声的语义信息进行链下的语义验证，包括：
[0038]
发送边缘设备di为带噪声的语义信息y签名，并通过状态通道与目标边缘设备dj共享通道消息{y，l，mr，δi}，其中状态通道d是边缘设备的集合，s0是初始状态，s
p
是当前状态证明，sc是当前状态，l为链下语义共享防止回复攻击的序列，mr为默克尔根证明的累积的通道信息，δi为发送边缘设备和目标边缘设备的签名；
[0039]
目标边缘设备dj签署消息以验证脱链状态，直至将累积的语义信息更新至区块链，所述区块链以去中心化的方式记录语义信息；
[0040]
通过所述智能合约验证累积的语义信息的签名并更新状态通道的当前状态证明s
p
和当前状态sc。
[0041]
进一步地，所述语义解码器采用的神经网络模型的目标是最大化保留带噪声的语义信息的互信息，同时最小化带噪声的语义信息与原始图像之间的编码复杂度，目标函数
为：
[0042][0043]
其中，i(y，z)表示带噪声的语义信息y与神经网络模型分类输出z之间的互信息、，i(y，r)表示带噪声的语义信息y与原始图像r之间的互信息，β是一个权衡超参数；
[0044]
的下界公式为：
[0045][0046]
其中，表示在p(z，r)的条件下的期望，表示在的条件下的期望，d
kl
()表示kl散度，p
channel
(ylx)表示在无线信道中输入x的条件下输出y的概率，表示在神经网络参数为θe的条件下输入r输出x的概率，p(z，r)表示z和r的联合概率分布，q(z|y)是近似于p(z|y)的变分分布，p(z|y)表示关于z和y的条件概率分布，r(y)表示y的概率分布，x是语义信息x的样本，y是带噪声的语义信息y的样本，z是神经网络模型分类输出z的样本，r是原始图像r的样本；
[0047]
根据的下界公式进行蒙特卡洛抽样，给定批量输入计算得到：
[0048][0049]
其中，n表示原始图像的样本数量，xn表示第n个语义信息，yn表示第n个带噪声的语义信息，zn表示第n个神经网络模型分类输出，rn表示第n个原始图像。
[0050]
本发明的有益效果是：本发明构建了一种基于状态通道和任务相关信息瓶颈方法的语义共享机制，考虑资源有限的无线网络，通过基于神经网络的区块链语义框架传输原始图像，能有效提高语义共享的效率，防止垃圾信息在区块链框架中流转。
附图说明
[0051]
图1是本发明所提出的基于区块链和语义通信的无线网络框架系统示意图。
[0052]
图2是本发明所提出的语义证明机制示意图。
具体实施方式
[0053]
现在结合附图对本发明作进一步详细的说明。
[0054]
在一实施例中，本发明提出了如图1所示的基于区块链和语义通信的无线网络框架系统，其语义证明机制如图2所示。本发明考虑一个资源有限的无线网络，通过基于神经网络的区块链语义框架传输原始图像。框架包括四个主要部分：语义编码器、无线通道、语义验证和语义解码器。
[0055]
1.语义编码器：语义编码器用于对原始图像进行编码并从原始数据中提取语义信息。发送边缘设备产生原始数据并利用语义编码器来提取语义信息。语义编码器的输入是一组图像r＝[r1，r2，...，rn]，其中rn表示n个样本中的第n项。r的分类输出是z＝[z1，z2，...，zs]，其中zs表示rs对应的分类输出。语义编码器使用神经网络参数为θe的神经网络(nn)模型从r中提取语义信息。语义编码器的输出是语义信息x＝[x1，x2，...，xs]，其中有s个元素与输入r进行映射。因此，语义信息可以表示为其中表示语义编码器。
[0056]
2.无线信道：由于语义信息是在资源有限的时变无线通信环境中传输的，因此会受到噪声的影响。语义信息受无线信道的影响，可由y＝c
·
x+σ给出，其中y为无线信道编码器输出的带噪声的语义信息，c为信道系数，表示独立同分布的零均值高斯噪声通道，噪声方差为σ2，i为单位矩阵。由于语义编码器和无线信道是由神经网络参数化的，它们可以在框架中联合训练。噪声破坏的语义信息y通过噪声无线信道传输到目标边缘设备。压缩率(cr)用于表示图像分辨率与原始数据r的比值，可以定义为cr＝log(y)/log(r)。由于传统的通信方式必须依赖中心化的实体来实现信息共享，使得语义信息被低估、不安全、不受控制。因此，产生的语义信息应该被添加到区块链中，以保持去中心化、透明和安全。
[0057]
3.语义验证：状态通道不是矿工在将语义信息添加到区块链之前对其进行验证，而是将复杂的链上语义验证转移到链下通道，这与无线通道不同。边缘设备之间的语义共享可以被认为是一种链下状态转换，可以在累积多个状态后提交给区块链进行共识。它还可以打开多个状态通道，以在给定多个语义任务的情况下实现高效的语义共享。
[0058]
状态通道由区块链的智能合约实现。边缘设备应在智能合约中存入并锁定代币，通过触发相应的交易打开状态通道可以防止边缘设备提交恶意状态。每个状态通道都可以在边缘设备之间为不同的语义任务提供广泛的语义共享。状态通道可以表示为元组其中d＝{d0，d1，...，dn}是边缘设备的集合，s0是链上状态开通通道时的状态，s
p
为边缘设备间链下语义共享提交的当前状态证明，sc为矿工验证的当前链上状态。边缘设备无需在收到后立即提交语义信息y，而是可以多次共享语义信息y，并将链下状态证明s
p
提交给智能合约进行验证，可以节省链上验证开销。因此，s
p
可以表示为s
p
＝{δs，l，mr，δ
ij
}，其中δs表示累积状态，l表示链下语义共享防止回复攻击的序列，mr表示merkle证明的累积状态，δ
ij
表示语义信息的生产者和消费者的签名。链下语义验证机制详述如下。
[0059]
语义信息的生产者di(即发送边缘设备)和消费者dj(即目标边缘设备)打开状态通道初始状态为s0，状态证明为s
p
，当前状态为sc。成功打开后，生产者di从源图像r中提取语义信息x，并通过无线网络获得噪声破坏的语义信息y。生产者di应为y签名，并通过与消费者dj共享通道消息{y，l，mr，δi}。消费者dj签署消息以验证脱链状态。上述过程可以重复多次，直到di或dj将累积的语义信息δs更新到区块链上，以去中心化的方式记录语义信息。智能合约验证状态证明δs的签名并更新状态通道的当前状态证明s
p
和当前状态sc。由于di或dj可能会提交旧状态以获利，矿工可以构建一个委员会来判断争议di和dj之间的累积状态证明，而不是验证所有状态转换以减少计算开销。
[0060]
4.语义解码器：语义解码器用于解码语义信息并恢复图像。目标边缘设备从区块链接收语义信息，并利用语义解码器进行解码。语义解码器的输入是传输的语义信息y。语义解码器利用由θd参数化的神经网络模型来重建原始图像r的失真版本参数化的神经网络模型来重建原始图像r的失真版本向分类输出是该操作可以给出为其中表示语义解码器。
[0061]
所提出机制的目标是在保持去中心化的同时精确地传达传输符号的期望含义，这意味着最小化r和之间的误差。语义编码器和语义解码器之间的关系可以由马尔可夫过程来表现大写字母表示随机变量，映射上文的语义信息。z表示分类输出，r表示输入图像，x表示抽取的语义信息，y表示带噪声的语义信息，表示重建图像，表示重建图像的分类输出。根据概率马尔可夫过程，它应该满足：
[0062][0063]
其中，表示在神经网络参数为θe的条件下输入图像r输出语义信息x的概率，p
channel
(y|x)表示在无线信道channel中输入语义信息x的条件下输出带噪声语义信息y的概率，表示在神经网络参数为θd的条件下输入带噪声语义信息y的条件下输出重建图像的概率。
[0064]
(a)目标：所提方法的目标是最大化保留通道输出y的语义信息的互信息，同时最小化通道输出y的语义信息与源数据r之间的编码复杂度。因此，参考信息瓶颈(information bottleneck)(ib)原理，所提方法的基于互信息的目标函数可以表示为其中i(y，z)和i(y，r)表示随机变量之间的互信息，β是一个权衡超参数。可以利用目标函数的最大化来平衡语义信息携带的任务相关信息和编码复杂度，从而减少与任务无关的语义信息。
[0065]
(b)i(y，z)：首先利用互信息的定义推导出i(y，z)的下界，可以表示为(b)i(y，z)：首先利用互信息的定义推导出i(y，z)的下界，可以表示为其中p(y，z)表示y和z的联合概率分布，p(y)表示y的概率分布，p(z)表示z的概率分布，p(z|y)表示关于y和z的条件概率分布，y是带噪声的语义信息y的样本，z是神经网络模型分类输出z的样本。由于具有两个概率分布的kullback-leibler(kl)散度d
kl
总是非负的，因此可以得出以下关系：
[0066][0067]
其中，q(z|y)是近似于p(z|y)的变分分布，与语义编码器不同。因此，i(y，z)的下界可以表示为：
[0068][0069]
其中，h(z)＝∫p(y，z)logp(z)dydz＝∫p(z)logp(z)dz是z的熵。由于h(z)表示z的分布，为常数，可以不考虑。此外，因为与r相关，所以i(y，z)被转换为：
[0070]
i(y，z)≥∫p(r)p(y|r)p(z|r)logq(z|y)drdydz，
[0071]
其中，p(y，z)＝∫p(r，y，z)dr＝∫p(r)p(y|r)p(z|r)drdydz，r是原始图像r的样本。
[0072]
(c)i(y，r)：i(y，r)也可以利用互信息的定义推导出上界，可以表示为(c)i(y，r)：i(y，r)也可以利用互信息的定义推导出上界，可以表示为kl散度也用于逼近i(y，r)，可以表示为：
[0073][0074]
其中，r(y)是近似p(y)的变分分布。因此，i(y，r)的上界可以推导出：
[0075][0076]
其中，p(r)表示r的概率分布，p(y|r)表示关于y和r的条件概率分布，r(y)表示y的概率分布，p(z|r)表示关于z和r的条件概率分布，q(z|y)是近似于p(z|y)的变分分布，p(z|y)表示关于z和y的条件概率分布。
[0077]
(d)解决：因此，根据上述分析，的下界可以推导出：
[0078][0079]
可以转换为：
[0080][0081]
其中，表示在变量为p(z，r)的条件下的期望，表示在变量为的条件下的期望。
[0082]
给定小批量输入zn，rn，yn分别表示第n个分类输出、图像输入和带噪声的语义信息，蒙特卡洛采样和重新参数化技巧用于推导经验估计：
[0083][0084]
在另一实施例中，本发明还提出了采用上述无线网络框架系统的通信方法，即基于区块链和语义通信的无线网络通信方法，包括以下步骤：
[0085]
获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息；
[0086]
将提取的语义信息经过无线信道传输，生成带噪声的语义信息；
[0087]
将带噪声的语义信息更新至区块链，并且经过由区块链的智能合约所实现的状态通道进行链下的语义验证；
[0088]
采用神经网络模型对验证通过后的语义信息进行解码并恢复图像。
[0089]
其中各步骤的具体流程在第一个实施例中已有描述，故此处不再赘述。
[0090]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

技术特征：
1.基于区块链和语义通信的无线网络通信方法，其特征在于，包括：获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息；将提取的语义信息经过无线信道传输，生成带噪声的语义信息；将带噪声的语义信息更新至区块链，并且经过由区块链的智能合约所实现的状态通道进行链下的语义验证；采用神经网络模型对验证通过后的语义信息进行解码并恢复图像。2.如权利要求1所述的基于区块链和语义通信的无线网络通信方法，其特征在于：所述获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息，包括：获取一组原始图像r＝[r1，r2，...，r
n
]，n表示原始图像的样本数量；使用神经网络模型从r中提取语义信息x＝[x1，x2，...，x
s
]，其中s表示与r映射的元素数量。3.如权利要求1所述的基于区块链和语义通信的无线网络通信方法，其特征在于：所述带噪声的语义信息为：y＝c
·
x+σ，其中c为信道系数，x为语义信息，表示独立同分布的零均值高斯噪声通道，噪声方差为σ2，i为单位矩阵。4.如权利要求1所述的基于区块链和语义通信的无线网络通信方法，其特征在于：所述将带噪声的语义信息更新至区块链，并且经过由区块链的智能合约所实现的状态通道进行链下的语义验证，包括：发送边缘设备d
i
为带噪声的语义信息y签名，并通过状态通道与目标边缘设备d
j
共享通道消息{y，l，m
r
，δ
i
}，其中状态通道d是边缘设备的集合，s0是初始状态，s
p
是当前状态证明，s
c
是当前状态，l为链下语义共享防止回复攻击的序列，m
r
为默克尔根证明的累积的通道信息，δ
i
为发送边缘设备和目标边缘设备的签名；目标边缘设备d
j
签署消息以验证脱链状态，直至将累积的语义信息更新至区块链，所述区块链以去中心化的方式记录语义信息；通过所述智能合约验证累积的语义信息的签名并更新状态通道的当前状态证明s
p
和当前状态s
c
。5.如权利要求1所述的基于区块链和语义通信的无线网络通信方法，其特征在于：所述神经网络模型的目标是最大化保留带噪声的语义信息的互信息，同时最小化带噪声的语义信息与原始图像之间的编码复杂度，目标函数为：其中，i(y，z)表示带噪声的语义信息y与神经网络模型分类输出z之间的互信息，i(y，r)表示带噪声的语义信息y与原始图像r之间的互信息，β是一个权衡超参数；的下界公式为：其中，表示在p(z，r)的条件下的期望，表示在的条件下的期望，d
kl
()表示kl散度，p
channel
(y|x)表示在无线信道中输入x的条件下输出y的概率，表示在神经网络参数为θ
e
的条件下输入r输出x的概率，
p(z，r)表示z和r的联合概率分布，q(z|y)是近似于p(z|y)的变分分布，p(z|y)表示关于z和y的条件概率分布，r(y)表示y的概率分布，x是语义信息x的样本，y是带噪声的语义信息y的样本，z是神经网络模型分类输出z的样本，r是原始图像r的样本；根据的下界公式进行蒙特卡洛抽样，给定批量输入计算得到：其中，n表示原始图像的样本数量，x
n
表示第n个语义信息，y
n
表示第n个带噪声的语义信息，z
n
表示第n个神经网络模型分类输出，r
n
表示第n个原始图像。6.基于区块链和语义通信的无线网络框架系统，其特征在于，包括：语义编码器、无线信道、状态通道和语义解码器；所述语义编码器获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息；所述无线信道对提取的语义信息进行传输，生成带噪声的语义信息；所述状态通道由区块链的智能合约实现，状态通道对更新至区块链的带噪声的语义信息进行链下的语义验证；所述语义解码器采用神经网络模型对验证通过后的语义信息进行解码并恢复图像。7.如权利要求6所述的基于区块链和语义通信的无线网络框架系统，其特征在于：所述语义编码器获取一组原始图像r＝[r1，r2，...，r
n
]，n表示原始图像的样本数量；使用神经网络模型从r中提取语义信息x＝[x1，x2，...，x
s
]，其中s表示与r映射的元素数量。8.如权利要求6所述的基于区块链和语义通信的无线网络框架系统，其特征在于：所述无线信道生成的带噪声的语义信息为：y＝c
·
x+σ，其中c为信道系数，x为语义信息，表示独立同分布的零均值高斯噪声通道，噪声方差为σ2，i为单位矩阵。9.如权利要求6所述的基于区块链和语义通信的无线网络框架系统，其特征在于：所述状态通道对更新至区块链的带噪声的语义信息进行链下的语义验证，包括：发送边缘设备d
i
为带噪声的语义信息y签名，并通过状态通道与目标边缘设备d
j
共享通道消息{y，l，m
r
，δ
i
}，其中状态通道d是边缘设备的集合，s0是初始状态，s
p
是当前状态证明，s
c
是当前状态，l为链下语义共享防止回复攻击的序列，m
r
为默克尔根证明的累积的通道信息，δ
i
为发送边缘设备和目标边缘设备的签名；目标边缘设备d
j
签署消息以验证脱链状态，直至将累积的语义信息更新至区块链，所述区块链以去中心化的方式记录语义信息；通过所述智能合约验证累积的语义信息的签名并更新状态通道的当前状态证明s
p
和当前状态s
c
。10.如权利要求6所述的基于区块链和语义通信的无线网络框架系统，其特征在于：所述语义解码器采用的神经网络模型的目标是最大化保留带噪声的语义信息的互信息，同时最小化带噪声的语义信息与原始图像之间的编码复杂度，目标函数为：
其中，i(y，z)表示带噪声的语义信息y与神经网络模型分类输出z之间的互信息，i(y，r)表示带噪声的语义信息y与原始图像r之间的互信息，β是一个权衡超参数；的下界公式为：其中，表示在p(z，r)的条件下的期望，表示在的条件下的期望，d
kl
()表示kl散度，p
channel
(y|x)表示在无线信道中输入x的条件下输出y的概率，表示在神经网络参数为θ
e
的条件下输入r输出x的概率，p(z，r)表示z和r的联合概率分布，q(z|y)是近似于p(z|y)的变分分布，p(z|y)表示关于z和y的条件概率分布，r(y)表示y的概率分布，x是语义信息x的样本，y是带噪声的语义信息y的样本，z是神经网络模型分类输出z的样本，r是原始图像r的样本；根据的下界公式进行蒙特卡洛抽样，给定批量输入计算得到：其中，n表示原始图像的样本数量，x
n
表示第n个语义信息，y
n
表示第n个带噪声的语义信息，z
n
表示第n个神经网络模型分类输出，r
n
表示第n个原始图像。

技术总结
本发明提出了一种基于区块链和语义通信的无线网络通信方法及框架系统，包括语义编码器、无线通道、语义验证和语义解码器四个主要部分。语义编码器获取边缘设备产生的原始图像，对原始图像进行编码并从中提取语义信息；无线信道对提取的语义信息进行传输，生成带噪声的语义信息；状态通道由区块链的智能合约实现，对更新至区块链的带噪声的语义信息进行链下的语义验证；语义解码器采用神经网络模型对验证通过后的语义信息进行解码并恢复图像。本发明构建了一种基于状态通道和任务相关信息瓶颈方法的语义共享机制，考虑资源有限的无线网络，通过基于神经网络的区块链语义框架传输原始图像，能有效提高语义共享的效率。能有效提高语义共享的效率。能有效提高语义共享的效率。


技术研发人员：陈科 程彦宇 林怡静 王威
受保护的技术使用者：南京航空航天大学
技术研发日：2023.04.03
技术公布日：2023/8/24