近日，第十四届国际无线通信与信号处理会议（WCSP）在线上召开，上海交通大学电子信息与电气工程学院电子工程系无线所陶梅霞教授课题组和网络空间安全学院邵硕副教授合作完成的论文“基于学习的联合编码调制数字语义通信系统”（Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems）荣获WCSP 2022最佳论文奖（Best Paper Award）。该论文作者为薄雨菲（电子系博士生）、段以恒（电子系硕士生）、邵硕（网安学院副教授）及陶梅霞（电子系教授）。
左起：薄雨菲、段以恒、邵硕、陶梅霞
WCSP是国内举办的通信与信号处理领域最主要的高水平国际会议之一，是介绍理论、实验和应用无线通信和信号处理领域的新进展和研究成果的主要论坛。
论文获奖证书
研究背景
语义通信作为一种超越传统香农信息比特传输的新通信范式，是当前6G通信技术研究的前沿问题之一。语义通信通过提取和传输跟接收端任务相关的语义信息，可以有效提高通信效率，降低通信带宽需求，在智能驾驶、人机交互、元宇宙等智能通信场景下有巨大应用潜力。目前，现有语义通信系统设计大多采用端到端学习的框架，信道输入为模拟调制符号，因而难以和现有的基于离散星座图的数字通信系统匹配。
基于联合编码调制的数字语义通信系统模型
论文介绍
该论文采用机器学习和信息论相结合的思路，提出了一种基于神经网络的联合语义编码-调制方案，实现了BPSK调制下高效可靠的语义传输。系统模型如上图所示，其中，神经网络用于学习信源到星座点概率值的映射，基于学习到的概率值，再通过随机编码生成BPSK调制符号，接收端通过联合训练，同时恢复出语义信息与信源数据。神经网络训练过程中梯度回传时对星座点概率值进行优化，解决了数字调制中数据向离散星座点映射导致的不可导问题。同时，本工作在信息论理论基础上推导了神经网络训练的损失函数。仿真结果表明，所提方案可以学习到与信道状态相匹配的调制策略，性能表现超越了已有的数字语义通信方案，并且对于信道状态的改变具有一定的鲁棒性。