基于多级语义信息的联合信源信道无线图像通信技术研究
摘要
5G
随着时代的到来，传输数据量的激增使得信号层面的通讯技术已逼近香农界，
如何有效解决大数据时代对通讯技术带来的挑战是目前研究的热点，基于深度学习设计
的端到端通信系统提供了一种全新解决的思路。因此，本文围绕端到端通信系统进行深
入的研究，针对现有设计的不足，提出更高传输质量、传输效率和稳定性的端到端通信
系统。具体的设计方案如下：
确定信道下的编解码技术设计方案，针对现有无导频状态下的联合信源信道编码
JointSource-ChannelCodingJSCC
（，）的无线通信系统传输性能不稳定，不能有效捕捉
图像的全局信息和位置信息，提出了一种基于多级语义信息的联合信源信道无线图像传
输系统Multi-LevelJSCC。该系统发射端由两个网络组成：特征提取网络用来提取图像的
高级语义特征，压缩图像传输信息量，提高带宽利用率；特征保留网络用来保留低级语义
特征和图像细节信息，提高通信质量。接收端则同样也由两个网络组成，将接收到的高级
语义特征与经过特征增强网络后的低级语义特征在相同维度融合，再经过特征恢复网络
进行图像维度恢复，并将图像位置信息有效地用于图像重建，提高传输稳定性。
未知信道下的通信系统设计方案，针对部分端到端通信系统信道建模只局限于确定
噪声模型，无法对未知信道进行建模的问题，提出一种可以适应不同噪声环境或者有自
动学习能力的图像传输系统Multi-Level-DJSCC。它由基于多级语义信息编码方法和
DDPM-CDDPM-C
信道模型两部分组成，模型将未知信道建模为两个主要阶段：加噪过
程和去噪过程，加噪阶段通过逐步施加高斯噪声到经过信道后的图像特征上，破坏原始
特征，并使其最终被破坏成高斯噪声。去噪阶段则通过学习一个逆向模型，将高斯噪声
作为输入，并通过多个反扩散步骤来还原出与训练数据相似的图像特征，从而实现了模
拟信道的效果。这种生成图像特征的方式是逐步恢复图像特征，而非直接映射高斯噪声
与图像特征之间的关系。
文章通过搭建图像通信系统，在高斯信道和瑞利衰落信道下，利用CIFAR-10数据集
进行训练，实验结果显示本文所提的Multi-LevelJSCC算法能有效传输并恢复图像信息。
此外，在相同仿真条件下，将本文提出的Multi-LevelJSCC-D算法与Multi-LevelJSCC
算法相比，本算法进一步提升了峰值信噪比。
关键词：深度学习；联合信源信道编码；多级语义信息融合；扩散模型；纯数据驱动
基于多级语义信息的联合信源信道无线图像通信技术研究
ABSTRACT
Withtheadventofthe5Gera,thesurgeintheamountofdatatransmittedmakesthe
communicationtechnologyatthesignallevelapproachtheShannonlimit.Howtoeffectively
solvethechallengesbroughtbytheeraofmassivedatatocommunicationtechnologyisahot
topicofcurrentresearch.End-to-endcommunicationsystembasedondeeplearningdesign
providesanewsolution.Therefore,thispaperfocusesontheend-to-endcommunicationsystem,
andproposesanend-to-endcommunicationsystemwithhighertransmissionquality,
transmissionefficiencyandstabili