该方案在物理层虽然不做传统通信的CRC 校验,但是引入了传输差错程度的校验。传输数 结果则在物理层即进行 ACK/NACK反馈,触发物理层重传。另外,在该方案中引入了一个 与语义算法更强相关的物理层指标作为校验的判断指标。 以神经网络为基础的语义编码输出为连续信号(浮点数),需要量化为整数,然后转为 比特后进行传输。而整数转比特后,每个比特对整体的差错权重是不同的。即相同的BER 输消息为 S,两个接受消息为 R1,R2.虽然 R1,R2 的 BER 相同,但是由于发生比特错误的位 置不同,导致这两个接收消息相对于发送消息S的差错程度是不同的。 因此,本节建议针对语言通信传输,在物理层定义一个新的指标来衡量传输的差错程度 由于考虑的是两个整数数列的差错程度,因此可以通过引入两个数列的距离来定义这个差错 程度,该指标可以称为 IER(integer error rate)。 假设的整数消息数列分别为=(1,2,···,n)和y=(y1,y2,···,yn);其中