Task-Oriented Multi-User Semantic Communications for 6G Wireless Networks

Abstract

This dissertation presents a comprehensive study on task-oriented semantic communications, progressing from single-user to multi-user scenarios for efficient and reliable edge inference in future 6G networks. Unlike conventional data-oriented systems that focus on reconstructing raw data, task-oriented semantic communications aim to transmit only the semantic features relevant to the downstream task. This paradigm reduces communication overhead and improves inference performance under limited bandwidth conditions.

Chapter 1 introduces the overall research background, motivation, and fundamental principles of task-oriented semantic communications. It provides an overview of 6G networks, presents compressed sensing as for joint activity detection and channel estimation, and outlines the research objectives and scope of task-oriented semantic communication in resource-constrained wireless environments.

Chapter 2 presents a preliminary study on compressed sensing~(CS) based activity detection and channel estimation for 6G networks. By exploiting the sparsity of user activity, the proposed framework accurately identifies active devices and estimates their channel states, providing reliable channel information for semantic inference. Simulation results confirm that the proposed method achieves higher detection accuracy and lower channel estimation error compared with conventional CS algorithms.

Chapter 3 develops a single-user task-oriented semantic communication framework based on joint source–channel coding (JSCC). The proposed end-to-end wireless image recognition with PyramidNet (E2E-WIR-P) introduces a network splitting strategy for device–edge co-inference, effectively addressing the ResDrop problem of ResNet and VGG architectures by gradually increasing the feature map dimension across layers. Experimental results demonstrate that E2E-WIR-P achieves superior recognition accuracy and reduced computation cost compared with conventional DeepJSCC schemes, enabling efficient deployment on resource-limited IoT devices.

Chapter 4 extends the single-user E2E-WIR-P framework to a multi-user semantic communication system operating over a multiple-access channel. To mitigate multi-user interference, a novel joint source–channel coding with interference-mitigation (JSCC-IM) scheme is introduced. A single-layer JSC decoder decomposes the received signal into desired semantic features and interference-plus-noise components, while an interference-mitigation loss explicitly penalizes interference during training. Extensive experiments demonstrate that JSCC-IM significantly improves robustness and inference accuracy under strong interference and supports multi-view semantic fusion for diverse viewpoints.

Overall, this dissertation establishes a unified and scalable task-oriented semantic communication framework that seamlessly connects CS-based channel estimation with semantic inference. The proposed methodologies improve inference accuracy, communication efficiency, and system scalability, providing fundamental design insights for practical 6G semantic communication systems.|본 학위논문은 차세대 6G 네트워크 환경에서 효율적이고 신뢰할 수 있는 에지 추론(edge inference)을 실현하기 위한 작업 지향(task-oriented) 시맨틱 통신 기술에 대해 단일 사용자(single-user)에서 다중 사용자(multi-user) 시나리오로 확장되는 포괄적인 연구를 제시한다. 기존의 데이터 지향(data-oriented) 통신 시스템이 원본 데이터를 복원하는 데 초점을 맞추는 반면, 작업 지향 시맨틱 통신은 후속 추론 작업에 필요한 의미적 특징(semantic feature) 만을 전송함으로써 통신 자원을 절감하고, 제한된 대역폭 환경에서도 추론 성능을 향상시킨다.

제1장은 연구의 배경, 동기 및 시맨틱 통신의 기본 원리를 소개한다. 6G 네트워크의 개요를 제시하고, 활성 단말 검출 및 채널 추정을 위한 압축 센싱(compressed sensing) 기법을 설명하며, 제한된 무선 자원 환경에서의 작업 지향 시맨틱 통신 연구의 목적과 범위를 명확히 정의한다.

제2장에서는 6G 네트워크를 위한 압축 센싱 기반 활성 단말 검출 및 채널 추정 기법을 제안한다. 사용자 활동의 희소성(sparsity)을 활용하여 활성 단말을 효율적으로 식별하고 채널 상태를 정확히 추정함으로써, 시맨틱 추론을 위한 신뢰도 높은 채널 정보를 제공한다. 시뮬레이션 결과, 제안된 기법은 기존 압축 센싱 알고리즘보다 높은 검출 정확도와 낮은 채널 추정 오차를 달성함을 확인하였다.

제3장에서는 단일 사용자 작업 지향 시맨틱 통신 프레임워크를 개발한다. PyramidNet 기반 종단 간 무선 영상 인식(E2E-WIR-P) 구조를 제안하여, 단말–에지 간 공동 추론(co-inference)을 위한 네트워크 분할 전략을 도입하였다. 이를 통해 ResNet 및 VGG 네트워크의 ResDrop 문제를 해결하고, 계층적으로 피처맵의 차원을 확장함으로써 효율적인 시맨틱 전송을 구현하였다. 실험 결과, E2E-WIR-P는 기존 DeepJSCC 방식 대비 더 높은 인식 정확도와 낮은 연산 복잡도를 달성하여, 자원 제약이 있는 IoT 단말에서도 효율적으로 동작함을 보였다.

제4장에서는 단일 사용자 E2E-WIR-P 구조를 다중 사용자 환경의 시맨틱 통신 시스템으로 확장하였다. 다중 사용자 간 간섭을 완화하기 위해, 간섭 완화 학습 기반 합성 부호화(JSCC-IM) 기법을 제안하였다. 단일 계층 JSC 디코더가 수신 신호를 의미적 특징과 간섭-잡음 성분으로 분해하고, 간섭 완화 손실(interference-mitigation loss)을 통해 학습 과정에서 간섭을 직접 억제한다. 실험 결과, 제안된 JSCC-IM은 강한 간섭 환경에서도 높은 견고성과 추론 성능을 보이며, 다중 뷰(multi-view) 시맨틱 융합에도 효과적임을 입증하였다.

종합적으로, 본 학위논문은 압축 센싱 기반 채널 추정과 시맨틱 추론을 유기적으로 연결하는 통합적이고 확장 가능한 시맨틱 통신 프레임워크를 제시하였다. 제안된 기법들은 추론 정확도, 통신 효율성, 시스템 확장성을 동시에 향상시키며, 향후 6G 시맨틱 통신 시스템 설계를 위한 핵심적인 이론적 및 실용적 통찰을 제공한다.