2026 年 6 月，课题组学生菅欣柯赴 IEEE 国际通信大会（IEEE ICC 2026）参会并报告论文 A Copula-based Semantics-Structure Minimization Framework for QoS Guaranteed Wireless Communications（作者：菅欣柯、任智源、程文驰）。 IEEE ICC 是 IEEE 通信学会的旗舰会议之一。这项工作试图回答语义通信领域一个基础问题：在应急等场景中只传送“最小的结构语义”时，如何给出可量化、可证明的服务质量（QoS）保障？
菅欣柯在 IEEE ICC 2026 会场。
问题：语义通信缺少“理论地基”
图像、视频、XR 等高维数据已主导网络流量，“逐比特精确复制”的传统范式正逼近效率极限，语义通信由此兴起。但当前研究大多依赖端到端训练的神经网络“黑箱”，存在三重缺口：“语义”缺少严格的数学定义；缺少真正的语义保真度量，只能借用 LPIPS 等感知相似度指标——而感知保真并不等于语义保真；进而无法建立性能极限，也就无法像 SLA 那样给用户确定性的语义 QoS 承诺。
核心思路：从第一性原理“推导”语义，而非从数据“学习”语义
论文的核心观点是：最小结构语义的本质不在像素值本身，而在像素间的内在依赖结构，这种结构在单调变换（如亮度、伽马调整）下保持不变。
- 四条公理：提出单调不变性、成对平稳性、最小充分性、可分解且稳定的距离四条公理，并严格证明 成对秩 Copula 族 {C_δ} 是最小结构语义的最小充分表示。
- 语义失真度量 Dpc：以 Jensen–Shannon 散度为核心构建语义失真度量。
- 四个理论边界：给出样本复杂度界、率失真界、端到端 SLA 可达性定理，以及语义信源—信道分离定理，从而提供可证明的 QoS 保障。
图 1 从图像到 Copula 表示的推导：原始图像与其单调变换版本经秩变换得到同一秩图像，再通过按位移 δ 的成对采样与直方图统计得到经验 Copula。图片来源：论文。
实验结果：既“好用”，又“守公理”
- 公理验证：在亮度 +80 这类不改变语义的变换下，Dpc 为 0.00000，而感知指标 LPIPS 为 0.0686——Dpc 严格满足单调不变公理，而 LPIPS 等标准感知指标做不到。
- 与 AI 任务性能高度相关：在 JPEG 压缩、模糊、噪声三类共 15 个退化等级上，以 YOLOv8n 目标检测的 mAP 为任务性能，Dpc 的 Spearman 秩相关系数为 −0.896（LPIPS 为 −0.961，SSIM 为 0.782，PSNR 为 0.750）。论文据此指出，Dpc 是所评估指标中唯一既在实践中有效、又在理论上可靠的度量。
- 率失真曲线验证：对经验 Copula 进行均匀标量量化，得到的率失真曲线实证了语义的可压缩性，并为 SLA 模型提供了所需的率失真函数，进而刻画了“速率—计算—可靠性”的权衡曲面。
图 2 15 个退化等级下 AI 任务性能（mAP）与 Dpc、LPIPS、SSIM、PSNR 四种失真度量的相关性。图片来源：论文。
意义：让语义通信从经验走向工程科学
这项工作为语义通信提供了公理化的定义、可靠的度量和可证明的性能边界，使“语义 QoS”可以像传统 SLA 一样被规划和承诺。论文同时清楚界定了适用范围：理论聚焦结构语义，颜色等“属性语义”需另行传输；端到端保障的实现还依赖性能足够的生成式解码器。在课题组 “网络计算机” 的研究脉络中，这一框架与在网语义适配等工作相互呼应——当网络节点需要在数据通路上就地压缩、变换语义数据时，Dpc 与 SLA 可达性定理为“压缩多少、能否达标”提供了理论标尺。
论文信息
X. Jian, Z. Ren, and W. Cheng, “A copula-based semantics-structure minimization framework for QoS guaranteed wireless communications,” in Proc. IEEE Int. Conf. Commun. (ICC), 2026, doi: 10.1109/ICC59461.2026.11588192.