张振国/ZHANG Zhenguo，杨倩倩/YANG Qianqian，贺诗波/HE Shibo

（ 浙江大学，中国 杭州 310058）

当前，中国正大力发展信息产业。无线通信技术的快速发展为智慧城市、高清视频、自动驾驶、远程医疗等带来产业变革。基于物联网的智能感知网络迅速发展，在提供便利的同时也带来了庞大的无线通信数据[1]。数据通信方式不再受限于人‒人通信，而是转变为以目标为导向的通信方式[2]。随着人工智能的快速发展，基于深度学习的通信为克服传统通信困难提供新思路。基于深度学习的架构在通信系统中取得了显著成果，达到甚至超过传统方案的性能。基于香农定理的1G 到5G 技术已经无法满足当前的通信需求，基于深度学习的语义通信为下一代无线通信技术带来更多可能[3-5]。深度学习已被用于优化基于分离模块设计的传统通信，如信源编解码器、信道编解码器和调制解调模块[6-8]。文献[9]建立端到端（E2E）的信源信道联合编码（JSCC）通信系统，该系统能够有效应对传统通信系统中的瓶颈问题。E2E通信系统的发射器和接收器由深度神经网络（DNN）组成。编码器学习输入数据的特征向量，并通过无线信道将复数符号发送到解码器进行目标重建。

与传统通信相比，语义通信侧重于传递信息的含义，而不是符号的精确传输。区别于传统通信系统利用误码率（BER）或符号错误率（SER）评估通信结果，语义通信系统通过最小化输入和重建信息之间的语义损失，来恢复接收器处的信源信息[9]。现有的语义通信系统联合设计发射器和接收器，以实现更好的传输效率和鲁棒性[10]。……