Adaptive Information Bottleneck Guided Joint Source and Channel Coding for Image Transmission
Beijing University of Posts and Telecommunications（北京邮电大学）；University of Miami（迈阿密大学）；Virginia Tech（弗吉尼亚理工大学）；Princeton University（普林斯顿大学）
本文提出自适应信息瓶颈引导的联合信源信道编码方法AIB-JSCC，通过新的IB目标及其可处理下界作为损失函数，并动态调整超参数，在降低图像传输速率的同时提升重建质量与下游任务精度。
2023-05-29 cs.CV cs.IT math.IT
D$^2$-JSCC: Digital Deep Joint Source-channel Coding for Semantic Communications
本文提出数字深度联合信源信道编码（D$^2$-JSCC）框架，通过联合优化数字信源与信道编码并采用两步速率控制算法，减少端到端失真，优于经典深度JSCC并缓解悬崖与水平效应。
2024-03-14 cs.IT cs.MM eess.SP
Rateless Joint Source-Channel Coding, and a Blueprint for 6G Semantic Communications System Design
Nokia Bell Labs（诺基亚贝尔实验室）
本文提出无速率联合信源信道编码（rateless JSCC）及适配的速率自适应稳定链路操作，引入RLACS码并测试其图像重构性能，还提供6G语义通信系统设计蓝图及开放问题清单。
2025-02-10 cs.AI cs.IT math.IT
Successive Refinement of Images with Deep Joint Source-Channel Coding
Imperial College London（伦敦帝国学院）
我们介绍了基于深度学习的通信方法，用于通过无线信道连续细化图像。我们提出了三种不同的策略，用于使用深度JSCC进行渐进式图像传输，具有不同的复杂性-性能权衡，所有这些都基于卷积自动编码器。数值结果表明，深JSCC不仅提供了优雅的退化与信道信噪比（SNR）和改善性能，在低信噪比和低带宽制度相比，最先进的数字通信技术，但也可以成功地学习分层表示，实现性能接近单层计划。这些结果表明，在高斯信道上用深度JSCC编码的自然图像几乎是连续可细化的。
2019-05-28 cs.IT cs.LG math.IT
Constellation Design for Deep Joint Source-Channel Coding
基于深度学习的联合信源-信道编码（JSCC）在图像和特征传输方面表现出了优异的性能。然而，JSCC编码器的输出值是连续的，这使得调制星座复杂且密集。设计用于传输这种全分辨率星座点的射频链是困难且昂贵的。本文提出了两种将全分辨率星座图映射到有限星座图的方法。所提出的方法的星座映射结果分别对应于规则星座和不规则星座。我们将这些方法应用于现有的深度JSCC模型，并在具有不同信噪比（SNR）的AWGN信道上对其进行评估。实验结果表明，所提出的方法比传统的均匀正交幅度调制（QAM）星座映射方法，只有增加了一些额外的参数。
2022-06-08 cs.IT eess.SP math.IT
Unlocking High-Fidelity Analog Joint Source-Channel Coding on Standard Digital Transceivers
Pengcheng Laboratory（鹏城实验室）；Macau University of Science and Technology（澳门科技大学）
D2AJSCC通过利用正交频分复用的子载波结构，实现高保真模拟联合源信道编码在标准数字收发机上的部署，解决了硬件-软件不匹配问题。
2026-03-10 cs.IR cs.IT math.IT
Downlink CSIT under Compressed Feedback: Joint vs. Separate Source-Channel Coding
针对频分双工多用户大规模MIMO系统下行CSIT获取难题，提出单时隙延迟下利用信道二阶统计量优化特征空间投影的实用JSCC反馈方案，推导相关性能下界，实验验证其性能优于多种基线方案且逼近最优DR理论性能。
2025-06-12 cs.IT math.IT
Joint Source-Channel Coding for Channel-Adaptive Digital Semantic Communications
本文提出一种联合信源信道编码方法，通过不确定性解调、鲁棒训练及信道自适应调制，提升数字语义通信在多变信道和调制阶数下的鲁棒性，并降低延迟，仿真验证其在图像任务上优于现有方法。
2024-03-18 cs.IT eess.SP math.IT
On the Joint Source-Channel Coding Error Exponent for Discrete Memoryless Systems: Computation and Comparison with Separate Coding
研究了由离散无记忆信源和离散无记忆信道组成的通信系统的联合信源-信道编码（JSCC）误差指数E_J的Csiszar界的计算.我们提供了这些界限的等价表达式，并推导出明确的公式，达到界限的速度。这些等价表示可以很容易地计算任意源通道对通过Arimoto的算法。当信道的分布满足对称性时，边界允许封闭形式的参数表达式。然后，我们使用我们的结果提供了一个系统的JSCC误差指数E_J和串联编码误差指数E_T之间的比较，这适用于如果源和信道分别编码。证明了E_T <= E_J <= 2E_T。我们建立了E_J > E_T和E_J = 2 E_T的条件。数值例子表明，对于许多源-通道对，E_J接近于2E_T。对于在加性高斯白噪声信道和具有有限输出量化的瑞利衰落信道上传输的二进制源，该增益转化为大于2dB的功率节省。最后，我们研究了在汉明失真测度下有损JSCC误差指数的计算。
2006-01-04 cs.IT math.IT
Deep Joint Source-Channel Coding for Wireless Image Transmission
University College London（伦敦大学学院）；Imperial College London（帝国理工学院）
我们提出了一种联合信源和信道编码（JSCC）技术的无线图像传输，不依赖于显式编码的压缩或纠错，而是直接映射的图像像素值的复值信道输入符号。我们通过两个联合训练的卷积神经网络（CNN）来参数化编码器和解码器功能，并且可以被认为是中间具有代表噪声通信信道的不可训练层的自动编码器。我们的研究结果表明，所提出的深度JSCC方案优于数字传输级联JPEG或JPEG 2000压缩，具有在低信噪比（SNR）和信道带宽值下实现信道编码的能力，在存在加性高斯白噪声（AWGN）。更引人注目的是，深度JSCC不受“悬崖效应”的影响，并且当信道SNR相对于训练期间假设的SNR值变化时，它提供了适度的性能降级。在慢瑞利衰落信道的情况下，深度JSCC学习噪声弹性编码表示，并在所有SNR和信道带宽值下显著优于基于分离的数字通信。
2019-06-17 cs.IT cs.LG eess.SP
Joint Source-Channel Coding: Fundamentals and Recent Progress in Practical Designs
Imperial College London（帝国理工学院）；Telecom Paris（巴黎电信学院）；IP Paris（巴黎理工学院）；Beijing University of Posts and Telecommunications（北京邮电大学）；Huazhong University of Science and Technology（华中科技大学）；Peng Cheng Laboratory（鹏城实验室）；Pazhou Laboratory (Huangpu)（琶洲实验室（黄埔））
本文综述了联合信源信道编码（JSCC）的信息论基础与历史发展，重点探讨了深度学习驱动的DeepJSCC在有限块长和时变信道场景下的性能优势，并呼吁在自动驾驶等关键应用中重新引入JSCC以实现高保真低延迟通信。
2024-09-26 cs.IT cs.LG math.IT
Semantics-Guided Diffusion for Deep Joint Source-Channel Coding in Wireless Image Transmission
本文提出语义引导扩散深度联合信源信道编码（SGD-JSCC），利用文本描述或边缘图等语义信息引导扩散去噪过程，并实现对慢衰落和快衰落信道条件的自适应，在极差信道条件下仍优于现有DeepJSCC方案。
2025-07-21 cs.IT eess.SP math.IT
Zero-Delay Joint Source-Channel Coding for a Bivariate Gaussian on a Gaussian MAC
本文研究了高斯多址接入信道（GMAC）上两个相关高斯无记忆信源的无时延、低复杂度的联合信源-信道编码（JSCC）传输。本文的主要贡献是两个分布式JSCC计划：一个离散计划嵌套标量量化的基础上，和一个混合离散模拟方案的基础上的标量量化器和线性连续映射。所提出的方案表现出良好的性能，提高相关性，并对噪声水平的变化是强大的。当信道信噪比变大时，这两种方案都表现出与性能上界的恒定差距。
2012-04-04 cs.IT math.IT
Variable-Length Joint Source-Channel Coding for Semantic Communication
Peng Cheng Laboratory, Shenzhen, China（鹏城实验室）；Pazhou Laboratory (Huangpu), Guangzhou, China（琶洲实验室（黄埔））；School of Mech. Eng. and Elec. Info., China University of Geosciences (Wuhan), China（中国地质大学（武汉）机械与电子信息工程学院）；School of Artificial Intelligence, Xidian University, China（西安电子科技大学人工智能学院）
针对数字语义通信中联合信源信道编码（JSCC）连续编码表示与离散可变长度码字系统不兼容的问题，本文提出端到端编码（E2EC）框架，基于扩展信息瓶颈理论构建可训练编码器，实验证明其低比特率下推理质量优于基线。
2025-11-11 cs.IT math.IT
Joint Source-Channel Coding System for 6G Communication: Design, Prototype and Future Directions
本文提出基于QC-LDPC码并结合UEP的JSCC方案，利用可重构硬件与分层解码实现语义信息保护，并通过浮点及6比特量化BER测试验证性能。
2023-10-02 cs.IT cs.NI eess.SP
Robust Nonlinear Transform Coding: A Framework for Generalizable Joint Source-Channel Coding
Department of Electrical Engineering, POSTECH（韩国浦项科技大学电气工程系）
本文提出鲁棒非线性变换编码框架，通过变分建模和信道自适应传输，实现通用的联合源-信道编码，提升在不同信道条件下的率-失真效率和重建保真度。
2025-11-24 cs.IT eess.SP math.IT
Collaborative Semantic Communication for Edge Inference
我们研究的协同图像检索问题，在无线边缘，多个边缘设备从不同的角度和位置，然后共同使用，以检索相似的图像在边缘服务器上共享的多址接入信道（MAC）捕获同一对象的图像。我们提出了两种新的基于深度学习的联合信源和信道编码（JSCC）方案，用于加性高斯白噪声（AWGN）和瑞利慢衰落信道上的任务，目的是在总带宽约束下最大限度地提高检索精度。所提出的方案进行评估的信道信噪比（SNR）的范围很广，并表现出优于单设备JSCC和基于分离的多址基准。我们还提出了两种新的信噪比感知的JSCC计划与注意力模块，以提高性能的情况下，训练和测试实例之间的通道失配。
2023-02-12 cs.IT eess.IV math.IT
DeepJSCC-f: Deep Joint Source-Channel Coding of Images with Feedback
Imperial College London（帝国理工学院）
我们考虑无线传输的图像中存在的信道输出反馈。从香农理论的角度来看，反馈并没有改善渐进的端到端性能，并且单独的信源编码之后的容量实现信道编码（其忽略反馈信号）实现了最佳性能。众所周知，在实际的有限块长度体制中，分离不是最优的;然而，不存在已知的实际的联合信源-信道编码（JSCC）方案，其可以利用反馈信号并且超过基于分离的方案的性能。受JSCC深度学习方法最近成功的启发，我们研究了如何将无噪声或有噪声的信道输出反馈纳入传输系统，以提高接收器的重建质量。我们引入了一个基于自动编码器的JSCC方案，我们称之为DeepJSCC-f，它利用了信道输出反馈，并在固定长度传输的端到端重建质量方面提供了相当大的改进，或者在可变长度传输的平均延迟方面。据我们所知，这是第一个实际的JSCC方案，可以充分利用信道输出反馈，展示了另一种设置，其中现代机器学习技术可以使新的和有效的通信方法的设计，超越传统的结构化编码为基础的设计的性能。
2020-04-09 cs.IT cs.LG eess.IV
Residual Diffusion Models for Variable-Rate Joint Source Channel Coding of MIMO CSI
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Samsung Research America（三星美国研究院）
本文提出残差扩散联合源信道编码框架，通过结合轻量级自编码器与残差扩散模块，实现对MIMO信道状态信息的高效压缩与重建，提升无线环境下的传输性能。
2026-02-18 cs.IT math.IT
Separate Source Channel Coding Is Still What You Need: An LLM-based Rethinking
本文挑战联合信源信道编码范式，主张分离信源信道编码，利用大语言模型进行信源压缩和纠错码变换器增强纠错，证明其在现代通信系统中性能更优且更可行。
2025-05-26 cs.IT eess.SP math.IT
Deep Joint Source-Channel Coding for Semantic Communications
本文针对语义通信场景提出自适应深度学习驱动的DeepJSCC架构，该架构性能超越传统分离编码系统，同时阐述了其设计原则、优势及未来研究挑战。
2023-07-18 cs.IT eess.SP math.IT
Distributed Image Semantic Communication via Nonlinear Transform Coding
针对无线分布式相关图像语义传输，提出基于非线性变换编码的通用框架，显式建模信源相关性并实现SOTA。
2025-06-09 cs.IT eess.SP math.IT
Distributed Nonlinear Transform Source-Channel Coding for Wireless Correlated Image Transmission
本文提出分布式非线性变换源信道编码框架，通过显式建模联合分布和联合熵模型，在无线相关图像传输中优于现有分布式方案。
2025-03-27 cs.IT math.IT
Reliability function for streaming over a DMC with feedback
传统上，后验匹配在信道编码和块编码上下文中被研究--源符号是等概率分布的，并且在传输之前编码器完全知道。在本文中，我们考虑一个流源，其符号到达编码器在一个序列的确定性时间。本文推导了在离散无记忆信道（DMC）上进行流媒体传输的联合信源-信道编码（JSCC）可靠性函数。我们提出了一种新的瞬时编码阶段，操作期间的符号到达期间，并实现了JSCC的可靠性功能流时，其次是一个块编码方案，实现了JSCC的可靠性功能的经典源，其符号是完全可访问的传输之前。在瞬时编码阶段期间，演进的消息字母表被划分成组，并且编码器确定包含到目前为止到达的符号的组的索引，并且应用随机化以将所发送的索引的分布与容量实现索引的分布相匹配。令人惊讶的是，用于流传输的JSCC可靠性函数等于用于完全可访问源的JSCC可靠性函数，这意味着在传输之前对整个符号序列的了解没有提供关于可靠性函数的优势。对于对称的2输入DMC流，我们提出了一个瞬时足够小的差异（SED）的代码，不仅实现了JSCC的可靠性功能，但也可以用来稳定一个不稳定的线性系统在嘈杂的信道。我们设计了低复杂度的算法来实现瞬时编码相位和瞬时SED码。虽然可靠性函数推导出非退化的DMC，退化的DMC，我们设计了一个代码与瞬时编码，实现零错误低于香农的JSCC限制的所有速率。
2022-11-30 cs.IT math.IT
Leveraging Overfitting for Low-Complexity and Modality-Agnostic Joint Source-Channel Coding
Imperial College London（帝国理工学院）
本文提出隐式-JSCC，通过过拟合实现低复杂度、模态无关的联合源信道编码，适用于高SNR场景下的高效图像传输。
2025-12-24 cs.IT eess.IV math.IT
Transmission of Bernoulli Sources Using Convolutional LDGM Codes
在本文中，我们建议利用卷积低密度生成矩阵（LDGM）码传输的伯努利源二进制输入输出对称（BIOS）信道。为此，我们提出了一个新的框架来证明线性码的编码定理，它统一了信道编码定理，信源编码定理和联合信源-信道编码（JSCC）定理。在所提出的框架中，系统比特和相应的奇偶校验比特扮演不同的角色。准确地说，噪声系统比特用于限制典型码字的列表大小，而噪声奇偶校验比特用于从列表中选择最大似然码字。线性码的这种新框架允许系统比特和奇偶校验比特以不同的方式在不同的信道上传输。在这个框架下，我们证明了伯努利生成矩阵码（BGMCs）是容量实现的BIOS通道，熵实现的伯努利源，也是系统容量实现的JSCC应用程序。推导了线性码的比特出错率下界，该下界可用于预测误码平层，为JSCC系统的设计提供了一个简单的工具。数值结果表明，卷积LDGM码在瀑布区域表现良好，并与推导的错误地板匹配良好，如果需要，可以通过简单地增加编码内存来降低。
2022-06-06 cs.IT math.IT
The Dispersion of Mismatched Joint Source-Channel Coding for Arbitrary Sources and Additive Channels
我们考虑了一个联合信源信道编码（JSCC）问题，在这个问题中，我们希望在一个任意的附加信道上传输一个任意的无记忆信源。我们提出了一个不匹配的编码架构，包括高斯码本的源再现序列和信道码字。然而，自然最近邻编码器和解码器，需要明智地修改，以获得最高的通信速率在有限的块长度。特别是，我们考虑了不等错误保护（UEP）计划，其中所有的源被划分为不相交的功率类型类。我们还正则化的最近邻解码器，以便在解码策略中考虑到每个功率类型类的大小的适当的措施。对于这样一个架构，我们得出合奏紧二阶和中等偏差的结果。我们的一阶（最佳带宽扩展比）结果推广了Lapidoth（1996，1997）的开创性结果。我们的JSCC方案的色散是Scarlett，Tan和Durisi（2017）的信道编码鞍点问题和本作者的率失真鞍点问题的失配色散的线性组合，因此也推广了这些结果。
2018-08-31 cs.IT math.IT
Robust Deep Joint Source Channel Coding for Task-Oriented Semantic Communications
针对基于学习的JSCC语义通信易受信道随机性影响的问题，提出用含噪与无噪声后验间的KL散度作正则化，并给出Fisher信息矩阵近似，实现跨架构、跨信道条件的鲁棒性能提升。
2025-03-17 cs.IT eess.SP math.IT
Zero-Delay Joint Source-Channel Coding for a Multivariate Gaussian on a Gaussian MAC
本文研究了高斯多址信道上的多变量高斯通信。给出了分布式零延迟联合信源-信道编码（JSCC）解决方案。非线性和线性的方法进行了讨论。任意码长的性能上限（信号失真比）也来自和零延迟合作JSCC简要处理，以提供一个近似的零延迟计划的性能上界。主要贡献是一个非线性混合离散模拟JSSC计划的基础上分布式量化和线性连续映射分布式量化线性编码器（DQLC）。DQLC具有良好的性能，随着相关性的增加而提高，并且对噪声水平的变化具有鲁棒性。的DQLC表现出一个恒定的差距的性能上限的信号噪声比（SNR）变得很大的任何数量的源和相关值。因此，当SNR变得足够大时，它在任何情况下都优于线性解决方案（未编码传输）。
2014-01-11 cs.IT math.IT
Polar Complexity: A New Descriptive Complexity with Applications to Source and Joint Source-Channel Coding
本文提出了一种新的极性复杂度度量，用于评估有限长度二进制序列的描述复杂度，并展示了其在源编码和联合源-信道编码中的应用，通过双阶段编码方案和动态规划优化实现高效压缩与传输。
2026-10-19 cs.IT math.IT
MambaJSCC: Adaptive Deep Joint Source-Channel Coding with Generalized State Space Model
Cooperative Medianet Innovation Center (CMIC), Shanghai Jiao Tong University（合作媒介创新中心（CMIC），上海交通大学）；Pengcheng Laboratory（鹏城实验室）；State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学 网络与交换技术国家重点实验室）
本文提出MambaJSCC架构，利用广义状态空间模型和零参数信道自适应方法CSI-ReST，在低计算与参数开销下实现高效图像传输，性能超越现有JSCC方法并显著降低推理延迟。
2024-09-25 cs.AI cs.IT cs.LG
Transmitting an analog Gaussian source over a Gaussian wiretap channel under SNR mismatch
在这项工作中，我们研究了编码/解码方案的传输离散时间模拟高斯源高斯窃听信道。预期接收器被假定为具有某个最小信噪比（SNR），并且窃听者被假定为具有与预期接收器相比严格更低的SNR。对于一个固定的信息泄漏的窃听者，我们感兴趣的是在预期的接收机源重建失真最小化，我们提出了联合信源信道编码（JSCC）计划，这种设置。对于一个固定的信息泄漏到窃听者，我们还表明，考虑的方案给出了一个优雅的退化失真与SNR下SNR失配，即，当观察到实际信道SNR不同于设计SNR时。
2009-08-15 cs.IT math.IT
Multi-level Reliability Interface for Semantic Communications over Wireless Networks
Nokia Bell Labs（诺基亚贝尔实验室）
针对现有TCP/IP网络难以部署联合信源信道编码的问题，提出多级可靠性接口，以分离顺序设计实现半JSCC并保留低失真与平滑退化优势。
2024-07-07 cs.IT cs.LG eess.IV
Domain-Adaptive Deep Joint Source-Channel Coding for Image Classification
School of Electronic Information, Central South University（中南大学电子信息学院）
本文针对分布偏移下Deep JSCC的性能下降问题，提出结合类级对抗对齐与监督对比学习的领域自适应框架，在SVHN→MNIST任务上取得98.15%的目标域准确率，提升了目标域泛化性能。
2026-11-04 cs.CV cs.IT eess.SP
MambaJSCC: Deep Joint Source-Channel Coding with Visual State Space Model
本文提出 MambaJSCC，利用视觉状态空间模型与信道状态信息嵌入实现线性复杂度的深度联合信源信道编码，在性能超越 SwinJSCC 的同时大幅降低参数、计算开销和推理延迟。
2024-05-06 cs.IT math.IT
Channel-Adaptive Wireless Image Transmission with OFDM
提出了一种基于学习的信道自适应联合信源和信道编码（CA-JSCC）方案，用于多径衰落信道下的无线图像传输。所提出的方法是一个端到端的自动编码器架构，采用正交频分复用（OFDM）传输的双注意力机制。与以前的作品，我们的方法是自适应信道增益和噪声功率的变化，利用估计的信道状态信息（CSI）。具体来说，与建议的双重注意力机制，我们的模型可以学习映射的功能和分配传输功率资源明智的基础上估计的CSI。大量的数值实验表明，CA-JSCC实现了现有的JSCC方案的最先进的性能。此外，CA-JSCC对变化的信道条件是鲁棒的，并且可以通过在更好的子信道上发送关键特征来更好地利用有限的信道资源。
2022-09-08 cs.IT eess.SP math.IT
Generative Channel Knowledge Base With Environmental Information for Joint Source-Channel Coding in Semantic Communications
Sun Yat-Sen University（中山大学）；Pengcheng Laboratory（鹏城实验室）
本文提出生成式通道知识库，结合环境信息提升语义通信中联合源-信道编码性能，通过多维特征融合实现高精度信道矩阵估计。
2026-04-07 cs.IT math.IT
Single-Model Adaptive Wireless Image Transmission via Feature Sparsity Regularization
本文提出TS-JSCC框架，通过尾部结构化稀疏化与分阶段神经调节模块，实现单模型自适应无线图像传输，在多数据集信道场景下性能优于多数学习型JSCC基线。
2026-08-27 cs.IT eess.IV math.IT
Linear-Codes-Based Lossless Joint Source-Channel Coding for Multiple-Access Channels
提出了一种基于线性码和随机交织器的多址信道联合无损信源-信道编码（JSCC）方案，并对其进行了分析。通过信息谱方法和码谱方法，证明了具有良好联合谱的线性码可用于建立相关一般信源和一般MAC的接近极限的无损JSCC方案，其中联合谱是输入输出权分布的推广.研究了具有良好联合谱的线性码的一些性质。导出了具有良好联合谱的线性码的“距离”性质的一个公式，并在此基础上进一步证明了任何具有良好联合谱的系统码的码率不可能大于相应字母基数的倒数，任何稀疏生成矩阵都不可能产生具有良好联合谱的线性码.文中还讨论了任意码率编码方案的设计问题。本文提出了一种新的思想，即“广义删余”思想，使得一个好的低速率线性码就足以设计多速率编码方案成为可能。最后，在码谱方法建立的统一框架下，对MAC码的各种编码问题进行了综述，并根据这些问题的频谱要求，给出了良好线性码的标准和候选码。
2009-03-31 cs.IT math.IT
SNR-aware Semantic Image Transmission with Deep Learning-based Channel Estimation in Fading Channels
本文提出基于Swin transformer的图像传输新范式SwinSIT，结合SNR感知模块和基于CNN的信道估计补偿器，并采用联合剪枝量化优化部署，在衰落信道中实现了优于传统基准的PSNR性能。
2025-05-01 cs.IT math.IT
Deep Joint Source Channel Coding for WirelessImage Transmission with OFDM
University of Michigan（密歇根大学）
提出了一种基于深度学习的联合信源信道编码（JSCC）方案，用于具有非线性信号限幅的多径衰落信道中的无线图像传输。提出的编码器和解码器使用卷积神经网络（CNN）和直接映射的源图像到复值基带样本的正交频分复用（OFDM）传输。所提出的模型驱动的机器学习方法消除了对单独的源和信道编码的需要，同时集成了OFDM数据路径以应对多径衰落信道。端到端JSCC通信系统将可训练的CNN层与表示多径信道模型和OFDM信号处理块的不可训练但可区分的层组合。我们的研究结果表明，通过将OFDM基带处理块注入到机器学习框架中来注入领域专家知识，与非结构化CNN相比，显着提高了整体性能。我们的方法优于传统的计划，采用国家的最先进的，但单独的源和信道编码，如BPG和LDPC与OFDM。此外，我们的方法被证明是强大的，对非线性信号削波在OFDM的各种信道条件下，不匹配的模型参数在训练过程中使用。
2021-05-24 cs.IT cs.LG eess.SP
Piggybacking Codes for Network Coding: The High/Low SNR Regime
我们提出了一个捎带方案的网络编码强源输入捎带较弱的，一个计划的必要性和充分性，以实现割集上界在高/低的带宽制度，一个新的渐近最优的多跳放大和转发（AF）网络的操作制度。
2017-04-19 cs.IT math.IT
Secure Deep-JSCC Against Multiple Eavesdroppers
Sharif University of Technology（谢里夫理工大学）；Imperial College London（帝国理工学院）
本文提出一种基于端到端深度学习的 Deep-JSCC 安全通信方案，通过隐私漏斗与窃听信道编码思想，在复值衰落信道下对抗多个合谋或非合谋窃听者，实验表明可将窃听者对抗准确率降低28%。
2023-08-05 cs.IT cs.LG eess.IV
Coding Theorems for Repetition and Superposition Codes over Binary-Input Output-Symmetric Channels
本文证明重复叠加（RaS）码在BIOS信道上以误帧率和首次错误事件概率为准则均能达到容量，并将其推广到信源编码与联合信源信道编码，提出码率灵活的卷积RaS码作为通用JSCC方案。
2024-02-21 cs.IT math.IT
Joint Source-Channel-Generation Coding: From Distortion-oriented Reconstruction to Semantic-consistent Generation
Cooperative Medianet Innovation Center, Shanghai Jiao Tong University, Shanghai, China（合作中位网创新中心，上海交通大学，上海，中国）
本文提出JSCGC，通过概率生成替代确定性重建，提升图像传输的感知质量和语义保真度，优于传统JSCC方法。
2026-01-19 cs.CV cs.IT cs.LG
Deep Joint Transmission-Recognition for Multi-View Cameras
Imperial College London（帝国理工学院）
我们提出了联合传输识别方案，在无线边缘进行有效的推理。出于与无线摄像机的监控应用，我们认为在无线信道上的多视角摄像机作为边缘设备进行的人的分类任务。我们介绍了基于深度神经网络（DNN）的压缩方案，该方案结合了数字（单独）传输和联合信源-信道编码（JSCC）方法。我们评估了不同的信道信噪比，带宽和功率约束下的设备边缘通信方案。我们表明，JSCC计划不仅提高了端到端的准确性，但也简化了编码过程，并提供优雅的降级与信道质量。
2020-11-03 cs.CV cs.IT cs.LG
Secure Hybrid Digital-Analog Coding With Side Information at the Receiver
在这项工作中，传输一个独立同分布高斯源的独立同分布高斯窃听信道与独立同分布高斯边信息可在预期的接收机的问题被认为是。假定预期接收器具有某个最小SNR，并且假定窃听者与预期接收器相比具有严格较低的SNR。其目的是尽量减少在预期的接收机源重建的失真。在这项工作中，它表明，信源信道分离编码方案是最佳的意义上实现最小失真。然后提出了两种数模混合Wyner-Ziv编码方案，以实现最小失真。这些安全联合信源-信道编码方案在模拟信源未被明确量化时基于Wyner-Ziv编码方案和窃听信道编码方案。在主信道信噪比失配的情况下，对所提出的安全数模混合方案进行了分析。证明了所提出的方案可以在SNR失配的情况下，随着SNR的变化，当实际SNR大于设计SNR时，
2011-10-15 cs.IT math.IT
Joint Source-Channel Coding for the Transmission of Correlated Sources over Two-Way Channels
提出了一种基于数模混合编码的联合信源-信道编码（JSCC）方案，用于相关信源在离散无记忆双向信道（DM-TWC）中的传输。该方案利用信源之间的相关性产生信道输入，从而使用户能够协调其传输，以对抗信道噪声。该混合方案还包括现有的编码方法，例如用于双向有损传输的速率一分离的源信道编码和未编码方案，以及用于（几乎）无损传输的相关性保持编码方案。此外，我们推导出失真的源通道系统使用基因辅助参数的外界。对于一类相关信源和容量域不能通过交互式自适应编码扩大的DM-TWC，建立了完整的JSSC定理。给出了证明定理的例子。
2020-08-12 cs.IT math.IT
Joint Physical Layer Coding and Network Coding for Bi-Directional Relaying
我们考虑两个发射机希望通过中间的中继交换信息的问题。假设发射机和中继之间的信道是同步的、平均功率受限的加性高斯白噪声信道，其具有信噪比（SNR）为1/2的实输入。容量的上限是双向中继信道的媒体访问阶段和广播阶段的每次使用每个发射机1/2 log（1+ 1）比特。我们表明，使用格码和格解码，我们可以获得1/2 log（0.5 + 100）位每发射机，这是在高信噪比基本上是最佳的速率。其主要思想是解码的码字的总和模的晶格在中继，随后由广播阶段，执行Slepian-Wolf编码与结构化代码。对于渐近低SNR的，联合解码的两个传输在中继（MAC信道）被证明是最佳的。我们还表明，如果这两个发射机使用相同的格子与最小角度解码，我们可以实现相同的速率的1/2 log（0.5 +）。所提出的方案可以被认为是一个联合的物理层，网络层的代码，它优于其他最近提出的模拟网络编码方案。
2008-05-01 cs.IT math.IT
Power Allocation in the High SNR Regime for A Multicast Cell with Regenerative Network Coding
这封信的重点是无线再生网络编码（RNC）的基本组播小区的功率分配方案。在RNC中，从两个源接收的混合信号由中继器联合解码，其中解码的符号在被重传之前被叠加在复数域（RCNC）或伽罗瓦域（RGNC）中。推导了基于统计信道状态信息（CSI）的最优功率分配，并对两种RNC进行了比较。当瞬时CSI在每个发射机可用时，我们提出了一个次优的RCNC功率分配，它实现了更好的性能。
2020-03-16 cs.IT math.IT
Joint Source-Channel Vector Quantization for Compressed Sensing
研究了基于矢量量化的压缩感知测量信号的联合信源-信道编码.我们开发了一个框架，实现最佳的JSCC计划，使编码和传输CS测量的稀疏源离散无记忆信道，并解码稀疏源信号。为此，考虑了矢量量化器的编码器-解码器对的最优设计，其中通过最小化端到端均方误差（MSE）来解决最优性。我们推导出一个理论上的MSE性能的下限，并提出了一个实际的编码器，解码器的设计，通过迭代算法。所得到的编码方案被称为用于CS的信道优化的VQ，被称为COVQ-CS。为了解决COVQ-CS的编码复杂度问题，我们提出使用结构化量化器，即低复杂度多级VQ（MSVQ）。我们推导出新的编码和解码条件的MSVQ，然后提出了一个实用的编码器和解码器的设计算法称为信道优化MSVQ CS，创造COMSVQ-CS。通过仿真研究，我们比较了所提出的方案相对于相关的量化器。
2014-05-31 cs.IT math.IT
Resource Allocation for Capacity Optimization in Joint Source-Channel Coding Systems
得益于深度学习（DL）技术的进步，深度联合信源-信道编码（JSCC）在提高无线传输性能方面显示出巨大的潜力。然而，现有的工作大多集中在基于DL的收发器设计的JSCC模型，而忽略了资源分配问题的无线系统。在本文中，我们考虑了下行链路资源分配问题，其中基站（BS）联合优化压缩比（CR）和功率分配以及资源块（RB）分配的每个用户根据延迟和性能约束，以最大限度地提高用户的数量，成功地接收他们所请求的内容与期望的质量。为了解决这个问题，我们首先将其分解为两个子问题，而不会损失最优性。第一个子问题是在给定的RB分配下最小化每个用户所需的传输功率。通过搜索最大可行压缩比，得到了最优发射功率的封闭表达式。第二个目标是最大限度地支持用户的数量，通过最佳的用户RB配对，我们解决了利用二分法搜索以及Karmarka的算法。仿真结果验证了所提出的资源分配方法的有效性，满意的用户数与给定的资源。
2022-11-21 cs.IT cs.SY eess.SP
Constructing Linear Codes with Good Joint Spectra
本文研究了联合信源-信道编码（JSCC）中寻找优良线性码的问题.利用码谱的方法，作者在前一篇文章中已经证明了JSCC方案的好线性码是具有好联合谱的码，因此本文的主要任务是构造具有好联合谱的线性码。首先，进一步发展了码谱法，使谱的计算更加方便。其次，给出了构造好的线性码的一般原则。最后，基于低密度奇偶检验码和低密度生成矩阵码，提出了一种具有良好联合谱的线性码的显式构造方法。
2008-08-28 cs.IT math.IT
Secure Joint Source-Channel Coding With Side Information
在这项工作中，传输一个独立同分布高斯源的独立同分布高斯窃听信道与独立同分布高斯边信息被认为是问题。假定预期接收器具有某个最小SNR，并且假定窃听者与预期接收器相比具有严格较低的SNR。其目标是最小化在预期接收器处的源重构的失真。在这项工作中，它表明，不像高斯窃听信道没有边信息，香农的源信道分离编码方案是不是最佳的意义上实现最小失真。在此基础上，提出了三种数模混合安全联合信源信道编码方案。第一种编码方案是基于Costa的脏纸编码方案和窃听信道编码方案时，模拟源没有明确量化。第二编码方案基于安全数字信号和混合数字-模拟信号的叠加。研究表明，对于在带边信息的高斯窃听信道上传输高斯信源的问题，存在无穷多个最优安全信源-信道编码方案。在第三编码方案中，量化信号和模拟误差信号被显式地叠加。它表明，该计划提供了一个最佳的安全联合信源信道信道编码方案与一个可变数量的binning无限的家庭。最后，在主信道信噪比失配的情况下，对所提出的安全数模混合方案进行了分析。证明了所提出的方案可以在SNR失配的情况下，随着SNR的变化，当实际SNR大于设计SNR时，
2010-08-02 cs.IT math.IT
