知识图谱驱动的无人机认知语义通信系统用于高效目标检测

无人机做目标检测已经相当普遍，但机载平台的计算、能量和通信资源都很有限，这直接压住了检测性能的上限。现有做法大致两条：把检测算法放在无人机上跑，或者把图像传回地面服务器再算，前者受机载算力制约，后者受无线带宽和干扰制约，精度同样上不去。这份资料要回答的就是在资源受限前提下如何兼顾传输开销与检测精度，给出的答案是把知识图谱引入认知语义通信，让链路传语义而不是原始图像。材料记录该工作已被引用 20 次，说明这条思路在相关方向上已经引起注意。

资料覆盖的是一个完整的系统设计，从问题定位、框架提出到仿真验证。作者先梳理了 UAV 目标检测的两类现有框架和语义通信的三类范式，再说明为什么要走认知语义通信这条路线。方法上，框架图列出语义提取器（CNN FPN）、多尺度语义编码器、信道、多尺度语义解码器、辅助知识、RPN、目标检测器和 R-GAT 等模块。验证环节在实际航拍图像数据集上进行，与基准系统做对比，考察检测精度、通信鲁棒性和计算效率。

关键设计之一是把知识图谱放进语义通信链路。语义通信的概念在材料中被追溯到 Weaver 和 Shannon，并区分出三种范式：在接收端重建原始数据、面向特定任务传输语义特征、以及利用知识图谱做语义压缩和语义推理的认知语义通信。重建路线以 deepJSCC 和 ADJSCC 为代表，任务导向路线则被证明在特定任务上优于传统方法。这份资料选择第三种范式，看中的是知识图谱既能压缩语义、又能作为推理先验的双重作用。

关键设计之二是多尺度压缩网络与知识辅助检测的配合。多尺度压缩网络负责语义压缩，目标是在压低传输量的同时不牺牲检测性能；检测阶段则调用知识图谱中的辅助知识，对抗信道噪声干扰和压缩失真。仿真结果显示，即便在高压缩率和低信噪比条件下，所提系统相对基准系统仍有更好的检测精度、通信鲁棒性和计算效率。换句话说，这套组合是把“压缩会丢信息”和“信道会加噪声”两个问题，交给知识先验去补。

这些结论意味着，资源受限的无人机目标检测不必在“机载算不动”和“回传传不起”之间二选一。传输语义而非原始数据，可以压低带宽和能量开销；引入知识图谱的辅助知识，则能部分抵消压缩失真与信道噪声带来的精度损失。对做无人机感知、边缘计算或语义通信系统设计的人来说，这是一种把领域先验嵌入通信链路的系统级思路。需要说明的是，材料给出的优势是相对基准系统的定性比较，没有列出具体数值，实际收益还要看部署条件。

这份资料适合关注 UAV 目标检测、语义通信和知识图谱应用的读者。读完能拿到的是：一个面向目标检测的 UAV 认知语义通信框架，以及多尺度语义压缩加知识辅助检测这一组合的具体构成。它的边界也比较清楚：实验基于航拍图像数据集，结论以定性描述为主，材料没有展开网络结构参数和训练细节，也没有讨论在更复杂场景下的泛化表现。若要把这套思路用于工程实践，还需要回到原文核对实现细节并做自己的验证。

Knowledge Graph Driven UA V Cognitive Semantic Communication Systems for Efficient Object Detection Xi Song §, Lu Yuan §, Zhibo Qu §, Fuhui Zhou §, Qihui Wu §, Tony Q. S. Quek ‡, and Rose Qingyang Hu † §Nanjing University of Aeronautics and Astronautics, China, ‡Singapore University of Technology and Design, Singapore, †Utah State University, USA Email: {sx32510, yuanlu, [email protected], [email protected], [email protected], [email protected], and [email protected] } Abstract—Unmanned aerial vehicles (UA Vs) are widely used for object detection. However, the existing UA V-based object detection systems are subject to the serious challenge, namely, the finite computation, energy and communication resources, which limits the achievable detection performance. In order to overcome this challenge, a UA V cognitive semantic communication system