近日，由我院智能物联网团队何昕教授等人完成的一篇关于空地链路跨模态无人机语义通信的研究成果：“Cross-Modal UAV Semantic Communication via Large-Model Generative Restoration for Air-to-Ground Links”被全球人工智能与信息系统领域顶级期刊《Knowledge-Based Systems》（中科院SCI一区Top期刊）录用，标志着我院在语义通信与人工智能交叉领域的研究成果获得国际顶尖学术平台的高度认可。该论文第一作者为我院2024级硕士生蒋军，何昕教授担任通讯作者，安徽师范大学为唯一完成单位。

在无人机通信中，由于空地信道带宽受限且状态快速变化，高清图像的可靠传输面临着巨大挑战。现有语义通信方法大多为单模态，在视距与非视距频繁切换导致的深度衰落事件中，图像特征严重受损，往往会发生不可逆的语义漂移甚至崩溃。针对这一核心问题，团队提出了一种全新的基于大模型生成式恢复的跨模态无人机语义通信联合框架JTIS-LM。该框架首先在发射端独立编码文本语义与图像潜在特征，并进行联合传输，通过构建跨模态冗余来抵御信道损伤引发的语义崩溃；随后在接收端，构建了基于预训练潜在扩散模型的双模态迭代语义恢复DISR机制，在跨模态注意力的文本引导下，迭代修复受损的图像潜在特征。此外，为适应无人机高移动性带来的信道剧变，团队设计了结合信噪比宏观策略与视距/非视距微观校正的分层双重自适应机制，动态调整重建参数。在符合3GPP标准的空地信道模型及无人机航拍数据集上的大量实验表明，JTIS-LM 模型在恶劣信道损伤下展现出极强的鲁棒性，在2-20 dB信噪比的复杂城市场景下持续优于现有基线方案，解决了传统传输方案中常见的数字“悬崖效应”，充分验证了该框架的有效性与先进性。