Importance-Aware Source-Channel Coding for Multi-Modal Task-Oriented Semantic Communication
该研究针对多模态任务导向语义通信的信息重要性适配问题，提出基于GenAI语义分段的感知重要性信源-信道编码策略及多播场景下的速率分割渐进传输方案，优化资源利用并提升通信灵活性与鲁棒性。
2025-02-22 eess.SP
Integrated Sensing and Semantic Communication with Adaptive Source-Channel Coding
Guangdong Provincial Key Laboratory of Future Networks of Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳） 广东省未来网络智能重点实验室）；Shenzhen Future Network of Intelligence Institute（深圳未来网络智能 institute）
本文提出自适应源-信道编码与波束成形设计框架，通过联合优化编码率和波束成形，提升6G集成感知与语义通信系统的性能。
2026-01-19 eess.SP
Joint Source-Channel Optimization for UAV Video Coding and Transmission
针对无人机视频编码与传输，提出联合信源信道优化框架与LyaRI算法，通过Lyapunov优化分解非凸问题，实现端到端失真和功耗最小化，编码码率方差降低47.74%。
2024-12-24 eess.SP
From Analog to Digital: Multi-Order Digital Joint Coding-Modulation for Semantic Communication
针对语义通信难以兼容既有数字系统的问题，提出多阶数字联合编码调制（MDJCM）方案，通过引入替换训练策略和分层降维策略，实现了优于现有数字与非数字JSCC技术的性能。
2024-12-19 eess.SP
Joint Design of Coding and Modulation for Digital Over-the-Air Computation
本文针对数字空中计算，提出信道编码与数字调制的联合设计，采用非二进制LDPC增强纠错，利用格编码实现多发射机数字求和，仿真验证了可行性与性能。
2023-11-12 eess.SP
Universal Joint Source-Channel Coding for Modulation-Agnostic Semantic Communication
本文提出首个调制无关的通用联合信源信道编码（uJSCC）系统，通过单模型编解码器、VQ码本及基于调制阶数选择的BN层，在低模型复杂度下实现了优于现有数字语义通信的通信效率与任务有效性。
2025-02-03 eess.SP
Semantic Communications with Variable-Length Coding for Extended Reality
无线延展实境（XR）作为一种提高用户移动性和体验质量的有前途的技术，引起了广泛的关注。然而，无线XR的超高数据速率要求多年来一直阻碍着其发展。为了克服这一挑战，我们开发了一个语义通信框架，其中语义不重要的信息被高度压缩或丢弃在语义编码器，显着提高传输效率。此外，考虑到一些源内容可能具有较少的语义信息量或具有较高的容忍度的信道噪声的事实，我们提出了一种通用的可变长度的语义信道编码方法。特别是，我们首先使用速率分配网络来估计语义信息的最佳代码长度，然后相应地调整编码过程。通过引入一些代理函数，整个框架以端到端的方式进行训练。数值结果表明，我们的语义系统显着优于传统的传输方法和建议的变长编码方案是优于固定长度的编码方法。
2023-03-12 eess.IV eess.SP
SNR-adaptive deep joint source-channel coding for wireless image transmission
针对噪声信道下多用户图像传输的联合信源信道编码（JSCC）问题，提出了一种基于自编码器的深度联合信源信道编码方案。在所提出的JSCC方案中，解码器可以估计信噪比（SNR），并使用它来自适应解码传输的图像。实验结果表明，该方案对不同信噪比的适应性较好，对解码端信噪比估计误差具有较强的鲁棒性。据我们所知，这是第一个深度JSCC方案，专注于对不同SNR的适应性，并可应用于多用户场景。
2021-02-02 eess.IV eess.SP
NeRFCom: Feature Transform Coding Meets Neural Radiance Field for Free-View 3D Scene Semantic Transmission
Beijing University of Posts and Telecommunications（北京邮电大学）
NeRFCom提出一种基于非线性变换与学习型概率模型的通信系统，实现变速率联合信源信道编码，按语义特征贡献分配带宽，在恶劣信道下实现鲁棒的自由视角3D场景高效传输。
2025-02-27 cs.LG eess.SP
Scene Understanding Enabled Semantic Communication with Open Channel Coding
提出OpenSC系统，结合场景理解、大语言模型和开放信道编码，利用场景图结构化语义编码，实现自适应、可泛化的语义通信，提升VQA任务性能与传输效率。
2025-01-24 cs.CV eess.SP
Improved Nonlinear Transform Source-Channel Coding to Catalyze Semantic Communications
本文提出综合改进NTSCC的语义编码传输框架，通过上下文熵模型、响应网络和在线潜在特征编辑提升编码增益、通用性与速率控制，并在实验中优于VTM+5G LDPC系统。
2023-08-18 cs.MM eess.SP
Uplink Assisted Joint Channel Estimation and CSI Feedback: An Approach Based on Deep Joint Source-Channel Coding
School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子信息工程学院）
针对FDD MIMO系统中传统模块化CSI反馈架构的次优问题，提出上行辅助的联合信道估计与CSI反馈方法，采用DJSCC架构缓解悬崖效应，利用上下行信道部分互易性提升重建精度，实验验证了其有效性与必要性。
2025-04-15 cs.AI eess.SP
Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder
针对数字语义通信中离散调制不可微且难以适配信道的问题，提出基于VAE的联合编码-调制框架及信息论匹配损失，在图像任务中性能优于量化方法并逼近模拟方案。
2024-01-29 cs.IT eess.SP math.IT
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
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
Adaptive Transform Coding for Semantic Compression
Mitsubishi Electric R&D Centre Europe（三菱电机欧洲研发中心）
本文提出一种自适应变换编码方法，用于语义特征压缩，通过高斯混合模型的条件率-失真函数指导，实现高效编码异质特征分布，实验表明其优于或与现有神经压缩方法相当，同时保持灵活性和可解释性。
2026-04-29 cs.CV cs.IT eess.IV
Deep Joint Source-Channel Coding for CSI Feedback: An End-to-End Approach
MIMO技术带来的吞吐量的增加依赖于基站（BS）中获取的信道状态信息（CSI）的知识。为了使CSI反馈开销对于MIMO技术的演进是可承受的（例如，大规模MIMO和超大规模MIMO），引入了深度学习（DL）来处理CSI压缩任务。基于现有通信系统中的分离原理，基于DL的CSI压缩被用作信源编码。然而，在有限块长度机制中，这种单独的信源-信道编码（SSCC）方案劣于联合信源-信道编码（JSCC）方案。在本文中，我们提出了一个深度联合信源-信道编码（DJSCC）为基础的CSI反馈任务的框架。特别地，所提出的方法可以同时从CSI源和无线信道学习。在现有的方法中，通过在延迟域中的傅立叶变换来截断CSI，而不是应用非线性变换网络来压缩CSI。此外，我们采用了一种信噪比自适应机制来处理无线信道的变化。大量的实验证明了该框架的有效性、适应性和通用性。
2022-04-07 cs.IT eess.SP math.IT
Energy-limited Joint Source--Channel Coding via Analog Pulse Position Modulation
针对能量受限的无限带宽 AWGN 信道，提出基于模拟 PPM 的联合信源信道编码方案，其二次失真同时达到 Burnashev 外界的指数与多项式衰减阶。
2021-09-02 cs.IT eess.SP math.IT
Low-power All-analog Circuit for Rectangular-type Analog Joint Source Channel Coding
提出了一种低复杂度的全模拟电路来高效地执行模拟联合信源信道编码（AJSCC），该电路可以将两个或多个传感器信号压缩成一个具有受控失真的信号，同时对无线信道损伤具有鲁棒性。其思想是利用压控电压源（VCVS）实现矩形型AJSCC。通过Spice仿真以及试验板和印刷电路板（PCB）实现验证了该建议。结果表明，该设计是可行的低复杂度的系统，如持久的无线传感器网络，需要低电路功耗。
2019-06-30 cs.ET cs.NI eess.SP
Rate-Adaptive Coding Mechanism for Semantic Communications With Multi-Modal Data
Zhejiang University（浙江大学）
提出一种结合传统信道编解码器的分布式多模态语义通信框架及速率自适应编码机制，通过基于语义重要性的不等差错保护优化推理延迟与准确度，在任务性能和部署复杂性上优于现有系统。
2023-05-18 cs.AI eess.SP
Unequal Error Protection for Digital Semantic Communication with Channel Coding
Department of Electrical Engineering, POSTECH（浦项工科大学电气工程系）
本文提出两种不等错误保护框架，通过优化块长和提升效率，在语义通信中实现更高的可靠性和传输效率。
2026-09-29 cs.IT eess.SP 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
Joint Task and Data Oriented Semantic Communications: A Deep Separate Source-channel Coding Scheme
the Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Peng Cheng Laboratory（鹏城实验室）
针对语义通信中联合数据传输与任务推理需求，提出DSSCC框架，利用变分自编码器、前向自适应和迭代训练优化语义率失真，并在图像传输分类中取得更优性能。
2023-08-13 cs.IT cs.LG eess.SP
Language-Oriented Communication with Semantic Coding and Knowledge Distillation for Text-to-Image Generation
Yonsei University（延世大学）；Deakin University（迪肯大学）；University of Oulu（奥卢大学）
本文提出语言导向语义通信（LSC）框架，通过语义信源编码、语义信道编码和语义知识蒸馏三种算法，在文本到图像生成任务中以更少传输次数实现更高感知相似度和更强噪声鲁棒性。
2023-09-20 cs.AI cs.CL eess.SP
Adaptive Source-Channel Coding for Semantic Communications
Shenzhen Future Network of Intelligence Institute（深圳未来网络智能研究所）；School of Science and Engineering（科学与工程学院）；Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能重点实验室）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Department of Electrical and Electronic Engineering（电子与电气工程系）；University of Hong Kong（香港大学）；School of Information and Communication Engineering（信息与通信工程学院）；State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室）；Beijing University of Posts and Telecommunications（北京邮电大学）
针对语义通信中JSCC不兼容且SSCC次优的问题，提出ASCC方案，通过逻辑回归建模失真并利用逐次凸逼近优化编码率与功率分配，仿真证明其在单/并行信道下均优于基线且兼容现有系统。
2025-08-11 cs.IT cs.LG eess.SP
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
Joint Source-Channel Coding for Semantics-Aware Grant-Free Radio Access in IoT Fog Networks
针对物联网（IoT）系统研究了一种雾无线接入网络（F-RAN）架构，在该物联网系统中，无线传感器监测多个多值事件，并使用免授权随机接入在上行链路中向多个边缘节点（EN）发送。每个EN经由有限容量前传链路连接到中央处理器（CP）。在传统的信息不可知协议的基础上单独的源信道（SSC）编码，其中每个设备使用一个单独的码本，本文认为，通过非正交的广义的基于类型的多址接入（TBMA）的联合源信道（JSC）编码的基础上，以信息为中心的方法。通过利用观察到的信号的语义，测量相同事件的所有传感器共享相同的码本（具有非正交码字），并且对事件进行相同局部估计的所有这样的传感器发送相同的码字。F-RAN架构直接检测事件值，而无需首先对每个设备执行单独解码。云和边缘检测方案的贝叶斯消息传递的基础上设计和云和边缘处理之间的权衡进行评估。
2021-01-27 cs.IT eess.SP 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
Distributed Deep Joint Source-Channel Coding over a Multiple Access Channel
Imperial College London（帝国理工学院）
针对有限分组长度下分离式信源信道编码次优的问题，提出非正交分布式深度联合信源信道编码图像传输方案，实验证明其在低带宽比下重建图像质量显著优于正交传输方案，并公开了源代码。
2023-03-02 cs.CV cs.IT cs.LG
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
Variational Source-Channel Coding for Semantic Communication
State Key Laboratory of Mobile Network and Mobile Multimedia Technology（移动网络与移动多媒体技术国家重点实验室）；ZTE Corporation（中兴通讯）
本文针对AE难以融合信道特性的问题，提出融合变分推断与信道特征的VSCC语义通信方法，实验证明其较AE更具可解释性、较VAE语义传输能力更优。
2025-05-09 cs.IT cs.LG eess.SP
Improved Circuit Design of Analog Joint Source Channel Coding for Low-power and Low-complexity Wireless Sensors
为了实现低功耗、低复杂度的无线监测，提出了一种改进的无线传感器节点模拟联合信源信道编码（AJSCC）电路设计。这种创新设计基于模拟分频器模块（ADB），AJSCC电平之间的间距可调。ADB控制两种类型的电压控制电压源（VCVS）之间的切换。LTSpice模拟进行评估的电路的性能，并比较这种新的基于ADB-based设计的功耗和电路复杂度与我们以前的并行VCVS设计。据发现，这种改进的电路设计的基础上ADB优于设计的基础上并行VCVS的大量AJSCC水平（>= 16），无论是在功耗以及电路的复杂性，从而使持久的和更高的时间/空间分辨率的环境感测。
2019-06-30 cs.IT cs.NI eess.SP
DeepJSCC-Q: Channel Input Constrained Deep Joint Source-Channel Coding
Imperial College London（帝国理工学院）
最近的工作表明，图像的无线传输任务可以通过使用机器学习技术来学习。非常有前途的结果，在端到端的图像质量，优于流行的数字方案，利用源和信道编码分离，已被证明通过训练的自动编码器，与非可训练的通道层在中间。然而，这些方法假设任何复值都可以通过信道传输，这可能会阻止算法在硬件或协议只能允许某些信道输入集的场景中的应用，例如使用数字星座。在这里，我们提出了DeepJSCC-Q，一种用于无线图像传输的端到端优化的联合信源信道编码方案，它能够使用固定的信道输入字母表进行操作。我们表明，DeepJSCC-Q可以实现与使用连续值信道输入的模型相似的性能。重要的是，当信道条件恶化时，它保留了先前工作中观察到的图像质量的适度下降，使DeepJSCC-Q在实际系统中的部署更具吸引力。
2021-11-25 cs.LG cs.MM eess.IV
