Learning Based Joint Coding-Modulation for Digital Semantic Communication Systems
2022digital semantic communication / joint coding-modulationprecursor
基本信息
Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao。WCSP 2022; arXiv:2208.05704。外部链接
研究对象
图像语义传输，离散星座调制
内容概括
这是陶梅霞团队数字语义通信路线的早期会议版本。核心问题是连续 latent 直接映射到模拟信道虽然便于端到端训练，但与实际数字调制链路不兼容。论文把语义编码和调制联合学习，试图让 encoder 输出可映射到离散调制符号的表示，而不是先训练语义压缩再外接固定调制。
主要贡献
提出 learning-based joint coding-modulation，用端到端方式学习源数据到离散调制符号的映射，为 2024 年 TCOM 的 VAE 版本做铺垫。
与陶梅霞语义通信路线的关系
数字语义通信主线的起点，关注“语义特征如何进入数字调制”。
版本与判断
后续正式扩展为 Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder。
A Superposition Code Approach for Digital Semantic Communications Over Broadcast Channels
2023broadcast / hierarchical digital semantic communicationprecursor
基本信息
Yufei Bo, Shuo Shao, Meixia Tao。IEEE GLOBECOM, 2023; arXiv:2310.06690 family。外部链接
研究对象
广播信道，多接收端层次语义传输
内容概括
论文考虑广播信道中不同用户信道条件不同、语义需求有层次关系的情况。它把 superposition coding 的思想迁移到数字语义通信：基础层语义保证弱用户可恢复基本内容，增强层语义为强用户提供更高质量或更细粒度信息。
主要贡献
提出面向广播信道的数字语义叠加编码思路，是 2025 年 TCOM DeepSCM 的会议前身。
与陶梅霞语义通信路线的关系
陶梅霞团队多用户数字语义通信主线。
版本与判断
正式扩展版为 Deep Learning-Based Superposition Coded Modulation for Hierarchical Semantic Communications Over Broadcast Channels。
A Wyner-Ziv Coding-Based Semantic Communication Approach with a Shared Semantic Codebook
2023semantic codebook / side informationincluded
基本信息
Hongwei Zhang, Meixia Tao, Shuo Shao。IEEE GLOBECOM Workshops, 2023。外部链接
研究对象
图像语义传输，共享语义码本
内容概括
论文借鉴 Wyner-Ziv 编码思想，把接收端可用的共享语义码本视为 side information。发射端不需要完整传输像素级内容，而是传输帮助接收端在共享码本中定位或修正语义表示的信息。
主要贡献
把分布式源编码和共享语义知识库结合，提出以语义码本减少传输开销的路线。
与陶梅霞语义通信路线的关系
和“shared semantic-aware codebook”期刊论文同属 codebook-assisted semantic coding 思路。
版本与判断
会议论文，偏概念验证。
Deep Learning-Enabled Semantic Communication Systems With Task-Unaware Transmitter and Dynamic Data
2023task-unaware semantic communicationincluded
基本信息
Hongwei Zhang, Meixia Tao, Yaping Sun, Xiaodong Bi, Khaled B. Letaief。IEEE Journal on Selected Areas in Communications, 2023; arXiv first circulated 2022。外部链接
研究对象
图像传输，接收端任务未知/数据分布动态
内容概括
论文指出早期语义通信系统通常假设发射端和接收端共享背景知识，并且发射端知道接收端具体任务。但实际系统中，发射端只观察原始数据，不一定知道接收端是分类、检测还是其他语义任务，测试数据分布也可能偏离共享知识库。方法由 semantic coding (SC) network 和 data adaptation (DA) network 组成：SC 网络在接收端任务监督下学习可传输语义表示，DA 网络处理发射端观测数据与背景知识库之间的分布不匹配。
主要贡献
把“任务未知发射端”和“动态数据环境”作为语义通信的核心实际问题，提出 receiver-leading training 与域适应机制。
与陶梅霞语义通信路线的关系
陶梅霞语义通信路线中非常基础的一篇，奠定了后续任务导向、多用户和鲁棒语义传输的设定。
版本与判断
IEEE ComSoc Best Readings 也将其列为语义通信代表性论文之一。
Encrypted Semantic Communication Using Adversarial Training for Privacy Preserving
2023secure / private semantic communicationincluded
基本信息
Xinlai Luo, Zhiyong Chen, Meixia Tao, Feng Yang。IEEE Communications Letters, 2023; arXiv:2209.09008。外部链接
研究对象
语义传输隐私保护
内容概括
论文关注语义通信中的隐私泄露：语义编码特征虽然不是原始比特流，但仍可能被窃听者恢复或推断敏感内容。方法使用对抗训练，在保持合法接收端任务性能的同时，降低非授权接收端从语义特征中恢复隐私信息的能力。
主要贡献
把 privacy preserving 引入学习式语义通信系统，强调语义特征本身也需要加密或对抗保护。
与陶梅霞语义通信路线的关系
连接陶梅霞团队后续 secure digital semantic communications 综述路线。
版本与判断
2025 年书章 Encrypted Semantic Communications for Privacy Preserving 可视为该方向的整理扩展。
Fusion-Based Multi-User Semantic Communications for Wireless Image Transmission Over Degraded Broadcast Channels
2023multi-user semantic fusionprecursor
基本信息
Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao。IEEE GLOBECOM, 2023; arXiv:2305.09165。外部链接
研究对象
退化广播信道下的多用户图像传输
内容概括
论文提出对不同用户的语义特征进行融合后广播，而不是简单给不同用户分配独立时频资源。融合权重可根据两个用户的信道状态和语义相似性变化。
主要贡献
提出 semantic fusion 机制，强调多用户语义需求之间的相关性可转化为广播效率。
与陶梅霞语义通信路线的关系
后续 China Communications 论文的会议版本。
版本与判断
与 Multi-User Semantic Fusion for Semantic Communications over Degraded Broadcast Channels 合并理解。
Image Semantic Communication over Fading Channel: A Learned Broadcast Approach
2023broadcast image semantic communicationprecursor
基本信息
Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao。IEEE SPAWC, 2023。外部链接
研究对象
衰落信道图像语义广播
内容概括
论文把图像语义通信放入 fading broadcast channel，关注单发射端面向多个接收端时如何学习广播式语义编码。相比点对点 JSCC，它需要同时兼顾多个接收端信道质量。
主要贡献
较早系统化讨论 image semantic communication over fading broadcast channels。
与陶梅霞语义通信路线的关系
与 2024 China Communications 的 learned broadcast approach 对应。
版本与判断
会议前身。
A Deep Learning Based Broadcast Approach for Image Semantic Communication over Fading Channels
2024broadcast image semantic communicationincluded
基本信息
Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao。China Communications, 2024。外部链接
研究对象
衰落广播信道图像语义传输
内容概括
论文面向 fading broadcast channel 设计深度学习广播语义传输系统，使发射端在一个语义编码过程中同时服务多个接收端。系统不再只优化单一接收端的图像重建质量，而是在多个用户信道质量和语义需求之间平衡。
主要贡献
把图像语义通信从点对点扩展到广播信道，为后续 superposition coded modulation 和 semantic fusion 打基础。
与陶梅霞语义通信路线的关系
属于陶梅霞团队多用户语义通信早期正式论文。
版本与判断
SPAWC 2023 论文是会议版本。
CDDM: Channel Denoising Diffusion Models for Wireless Semantic Communications
2024diffusion model / channel denoisingincluded
基本信息
Tong Wu, Zhiyong Chen, Dazhi He, Liang Qian, Yin Xu, Meixia Tao, Wenjun Zhang。IEEE Transactions on Wireless Communications, 2024; GLOBECOM 2023 precursor。外部链接
研究对象
无线语义通信中的信道噪声消除
内容概括
论文把扩散模型作为物理层接收端模块，放在信道均衡之后。核心思想是把信道噪声造成的接收信号失真看作一个 forward diffusion/noising 过程，然后训练 reverse denoising 过程恢复接近信道输入的语义信号。论文还根据通信信道设计训练与采样算法，并从条件熵角度解释 denoising 能力。
主要贡献
把生成式 diffusion 的去噪能力直接用于无线语义通信接收端，开辟了“channel denoising diffusion model”路线。
与陶梅霞语义通信路线的关系
是陶梅霞团队 2024-2026 扩散模型语义通信系列的起点。
版本与判断
GLOBECOM 2023 题名为 CDDM: Channel Denoising Diffusion Models for Wireless Communications。
DM-MIMO: Diffusion Models for Robust Semantic Communications over MIMO Channels
2024diffusion model / MIMO semantic communicationprecursor
基本信息
Tong Wu, Zhiyong Chen, Feng Yang, Meixia Tao, Wenjun Zhang。IEEE/CIC ICCC, 2024; arXiv:2407.05289。外部链接
研究对象
MIMO 信道语义传输鲁棒恢复
内容概括
论文把 diffusion denoising 从单流或常规无线语义通信扩展到 MIMO 场景，利用扩散模型对多天线信道中的噪声和空间串扰进行鲁棒恢复。
主要贡献
将 CDDM 思路推广到 MIMO semantic communications。
与陶梅霞语义通信路线的关系
与 2026 TWC 的 score-based reverse mean propagation MIMO 论文构成连续路线。
版本与判断
会议版本。
Joint Coding-Modulation for Digital Semantic Communications via Variational Autoencoder
2024digital semantic communication / VAEincluded
基本信息
Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao。IEEE Transactions on Communications, 2024。外部链接
研究对象
图像传输，离散 constellation symbol 传输
内容概括
论文明确批评连续模拟式 JSCC 与现代数字通信系统不兼容，提出用 VAE 学习从源数据到离散星座符号的 transition probability。通过概率化的编码-调制过程，模型可以端到端训练，同时避开硬调制不可导的问题。接收端从有噪星座符号恢复语义信息。
主要贡献
这是陶梅霞团队数字语义通信最核心论文之一：不是先量化再套传统调制，而是把 coding 和 modulation 放到一个可训练概率模型里。
与陶梅霞语义通信路线的关系
与本项目数字语义通信调研高度相关，关注离散符号经信道后的鲁棒恢复。
版本与判断
2022 WCSP 是早期版本。
MambaJSCC: Deep Joint Source-Channel Coding with Visual State Space Model
2024visual state space model / JSCCprecursor
基本信息
Tong Wu, Zhiyong Chen, Shengkang Chen, Nan Xue, Yaping Sun, Meixia Tao, Wenjun Zhang。IEEE GLOBECOM, 2024; arXiv:2405.03125。外部链接
研究对象
图像无线传输
内容概括
论文把 visual state space model 引入深度 JSCC，用 Mamba 类状态空间模型替代或增强 Transformer/CNN backbone，以改善长程依赖建模和计算效率。它更偏 neural JSCC，但被团队作为语义图像传输 backbone 发展。
主要贡献
开启 MambaJSCC 系列，强调结构化状态空间模型可成为语义通信编码器/解码器的新 backbone。
与陶梅霞语义通信路线的关系
后续 TWC 2026 Adaptive MambaJSCC 的会议前身。
版本与判断
严格来说不一定显式数字化，但属于学习式语义/JSCC 传输路线。
Multi-User Semantic Fusion for Semantic Communications over Degraded Broadcast Channels
2024multi-user semantic fusionincluded
基本信息
Yufei Bo, Yiheng Duan, Shuo Shao, Meixia Tao。China Communications, 2024; arXiv:2406.10556。外部链接
研究对象
退化广播信道，多用户图像语义传输
内容概括
发射端分别提取两个用户所需的语义特征，然后基于语义相似性进行融合广播。不同于传统按时间、功率、带宽分资源，论文通过融合权重在两个用户性能之间动态折中，并把两个用户 CSI 嵌入 encoder 和 fusion module，使系统适应 degraded broadcast channel。
主要贡献
系统化提出多用户语义融合，而不是把多用户语义通信简单化为资源分配优化。
与陶梅霞语义通信路线的关系
陶梅霞团队广播/多用户语义通信的重要分支。
版本与判断
GLOBECOM 2023 为会议前身。
Adaptive Task-Oriented Communication with Fairness Guarantees
2025fair task-oriented communicationprecursor
基本信息
Jiaxuan Li, Youlong Wu, Songjie Xie, Shuai Ma, Yuanming Shi, Meixia Tao。IEEE ICC, 2025。外部链接
研究对象
任务导向通信中的公平性与鲁棒性
内容概括
论文关注 task-oriented communication 中敏感属性泄露和群体歧视问题。系统不仅要传输任务相关信息，还要在信道变化下保持公平性约束。
主要贡献
将 fairness-aware representation learning 与 JSCC/任务通信结合。
与陶梅霞语义通信路线的关系
2026 JSAC fairness-aware JSCC 的会议前身。
版本与判断
会议版本。
Deep Learning-Based Superposition Coded Modulation for Hierarchical Semantic Communications Over Broadcast Channels
2025hierarchical semantic communication / broadcastincluded
基本信息
Yufei Bo, Shuo Shao, Meixia Tao。IEEE Transactions on Communications, 2025。外部链接
研究对象
广播信道中层次语义信息传输
内容概括
论文研究多个接收端需要不同但相关的层次语义信息。方法 DeepSCM 先把语义提取成 basic 与 enhanced feature vectors，再借鉴 superposition coding 叠加传输。弱用户恢复基础语义，强用户在更好信道条件下恢复增强语义。
主要贡献
把叠加编码思想深度学习化并用于层次语义通信，解决多用户广播信道中语义需求相关但质量要求不同的问题。
与陶梅霞语义通信路线的关系
是陶梅霞团队多用户/广播数字语义通信的代表性期刊论文。
版本与判断
GLOBECOM 2023 是早期版本。
Distributed Nonlinear Transform Source-Channel Coding for Wireless Correlated Image Transmission
2025distributed semantic communication / correlated imagesprecursor
基本信息
Yufei Bo, Meixia Tao, Kai Niu。IEEE ICC Workshops, 2025; arXiv:2503.21249。外部链接
研究对象
多源相关图像传输
内容概括
论文处理多个相关图像源的无线传输。相比各源独立 JSCC，它利用图像源之间的相关性，通过 nonlinear transform source-channel coding 降低冗余传输。
主要贡献
把 distributed source coding 思想与 NTSCC/语义图像传输结合。
与陶梅霞语义通信路线的关系
正式扩展为 2026 TCOM Distributed Semantic Communication via Nonlinear Transform Coding for Correlated Images。
版本与判断
会议版本。
Feature-Space Based Joint Source-Channel Coding for Video Wireless Transmission
2025video JSCC / feature-space transmissionboundary
基本信息
Yanbing Wu, Haoshuo Zhang, Jianhua Mo, Meixia Tao。WCSP 2025。外部链接
研究对象
视频无线传输
内容概括
论文把视频无线传输从像素空间转到 feature space 处理，利用特征空间表征降低传输和恢复难度。它更像视频 JSCC，但与语义通信的核心思想一致：传输对恢复或任务更有效的表示，而不是逐比特还原压缩码流。
主要贡献
拓展到视频场景，强调 feature-space 表示。
与陶梅霞语义通信路线的关系
语义通信相关，但标题和公开摘要更偏 JSCC/video transmission，因此标为边界。
版本与判断
Google Scholar 与 IEEE PDF 线索确认作者包含 Meixia Tao。
Importance-Aware Resource Allocations for MIMO Semantic Communication
2025MIMO semantic communication / resource allocationincluded_mdpi
基本信息
Yinuo Huang, Meixia Tao。Entropy, 2025。外部链接
研究对象
MIMO 语义通信资源分配
内容概括
论文研究 MIMO 语义通信中不同语义特征或数据块的重要性差异，并据此进行资源分配。核心不是平均保护所有传输单元，而是根据信息重要性调整 MIMO 资源。
主要贡献
强调 importance-aware design 在 MIMO semantic communication 中的价值。
与陶梅霞语义通信路线的关系
与陶梅霞团队 MIMO/语义传输方向相关，但更偏资源分配。
版本与判断
MDPI/Entropy；人物全景保留，若按本项目数字语义通信核心规则可单独标注。
Improving Learning-Based Semantic Coding Efficiency for Image Transmission via Shared Semantic-Aware Codebook
2025shared semantic-aware codebookincluded
基本信息
Hongwei Zhang, Meixia Tao, Shuo Shao。IEEE Transactions on Communications, 2025。外部链接
研究对象
图像语义编码效率提升
内容概括
论文认为单纯 neural JSCC 的性能高度依赖网络学习到的表示，提出用共享 semantic-aware codebook 为编码和解码提供先验。码本构造基于 weighted data-semantic distance：如果语义由离散标签定义，则码本不仅考虑像素/数据距离，也考虑语义标签或语义距离。传输时源图像映射到码本 codeword，codeword 作为共享先验辅助语义编码。
主要贡献
把显式共享码本引入学习式语义编码，提高压缩与传输效率，并增强可解释性。
与陶梅霞语义通信路线的关系
与 Wyner-Ziv shared codebook 论文形成前后呼应，是陶梅霞团队码本式语义通信的重要论文。
版本与判断
与本项目数字语义通信中的 codebook/VQ 方向有关，但这里更强调共享先验而非纯 VQ index 传输。
Knowledge Distillation Driven Semantic NOMA for Image Transmission with Diffusion Model
2025semantic NOMA / diffusion / knowledge distillationincluded
基本信息
Qifei Wang, Zhen Gao, Shuo Sun, Zhijin Qin, Xiaodong Xu, Meixia Tao。arXiv:2509.07363; IEEE Transactions on Wireless Communications early access listed in 2026。外部链接
研究对象
多用户上行图像语义传输
内容概括
论文提出 KDD-SemNOMA，将知识蒸馏与扩散增强结合到语义 NOMA。它面向多用户上行图像传输，用教师/学生或蒸馏机制压缩语义模型，同时利用 diffusion prior 改善重建质量。
主要贡献
把非正交多址、知识蒸馏和生成式语义恢复组合起来，探索多用户语义接入。
与陶梅霞语义通信路线的关系
陶梅霞老师合作的语义 NOMA 方向。
版本与判断
Google Scholar 显示 IEEE TWC 2026，arXiv 为 2025 版本。
MambaJSCC-MIMO: State Space Model Empowered Joint Source-Channel Coding Over MIMO Channels
2025MambaJSCC / MIMOboundary
基本信息
Shengkang Chen, Tong Wu, Zhiyong Chen, Meixia Tao。WCSP 2025。外部链接
研究对象
MIMO 信道下 JSCC 图像传输
内容概括
论文把 Mamba/状态空间模型 JSCC 扩展到 MIMO 信道，关注空间信道下的表征传输和恢复。它与语义通信 backbone 相关，但公开题名主要是 JSCC over MIMO。
主要贡献
连接 MambaJSCC 与 MIMO 传输。
与陶梅霞语义通信路线的关系
可作为陶梅霞团队 MambaJSCC 系列的多天线扩展线索。
版本与判断
边界纳入。
MIMO Semantic Communication via Score-Based Reverse Mean Propagation
2025MIMO semantic communication / score-based inferenceprecursor
基本信息
Yinuo Huang, Yufei Bo, Jianhua Mo, Meixia Tao。IEEE/CIC ICCC, 2025。外部链接
研究对象
MIMO 信道语义传输
内容概括
论文把 MIMO 语义通信中的接收恢复建模为 score-based reverse mean propagation。相对常规检测或线性均衡，它使用 score-based 生成式推断来恢复语义信号。
主要贡献
将 diffusion/score-based 方法与 MIMO semantic communication 更紧密结合。
与陶梅霞语义通信路线的关系
2026 TWC 论文 Semantic Communication Over MIMO Channels via Score-Based Reverse Mean Propagation 的会议前身。
版本与判断
会议版本。
Mixture of Semantics Transmission for Generative AI-Enabled Semantic Communication Systems
2025generative semantic communication / mixture of semanticsincluded
基本信息
Shengkang Chen, Tong Wu, Zhiyong Chen, Feng Yang, Meixia Tao, Wenjun Zhang。IEEE Communications Letters, 2025; arXiv:2509.09499。外部链接
研究对象
低码率图像语义传输
内容概括
论文把图像划分为 ROI 和 RONI，分别提取语义信息并采用不同传输资源分配。ROI 获得更多带宽以保证关键区域质量，RONI 用紧凑语义表示传输；接收端用 diffusion model 结合两类语义信息重建完整图像。
主要贡献
提出 mixture of semantics，将图像内容重要性与生成式重建结合。
与陶梅霞语义通信路线的关系
是陶梅霞团队生成式语义通信路线中从“去噪”走向“生成恢复”的一步。
版本与判断
重点在 ROI/RONI 的语义资源分层。
ProMSC-MIS: Prompt-Based Multimodal Semantic Communication for Multi-Spectral Image Segmentation
2025multimodal task-oriented semantic communicationincluded
基本信息
Haoshuo Zhang, Yufei Bo, Meixia Tao。IEEE Open Journal of the Communications Society, 2025; ICCC/arXiv precursor。外部链接
研究对象
RGB + thermal 多光谱图像分割
内容概括
论文面向多光谱图像分割任务，传输的是服务下游分割的多模态语义特征，而不是重建原始 RGB/thermal 图像。方法包括 prompt learning 与 contrastive learning 预训练：一个模态的特征作为另一个模态的 prompt，帮助单模态 encoder 学到互补语义；再用 cross-attention 与 SE 网络融合跨模态语义特征。
主要贡献
把语义通信从单模态图像重建扩展到多模态任务传输，并报告在相同性能下可减少 50%-70% channel bandwidth。
与陶梅霞语义通信路线的关系
陶梅霞团队任务导向/多模态语义通信的重要新方向。
版本与判断
存在 ICCC 会议版和 arXiv 版本，页面以 OJCOMS 期刊版为主。
SCDM: Score-Based Channel Denoising Model for Digital Semantic Communications
2025digital semantic communication / score-based denoisingincluded
基本信息
Tong Wu, Zhiyong Chen, Feng Yang, Meixia Tao, Wenjun Zhang。IEEE ICC, 2025; arXiv:2501.17876。外部链接
研究对象
数字语义通信中 constellation symbol sequence 去噪
内容概括
论文把数字传输中星座符号序列的失真看作 score-based forward diffusion process，并设计适配数字信道噪声的 forward corruption。接收端用 score model 进行 reverse denoising，目的是在 bit/symbol 错误之后恢复更合理的语义符号序列。
主要贡献
把 CDDM 从连续语义信号扩展到数字语义通信，直接面对数字链路中的符号失真。
与陶梅霞语义通信路线的关系
与数字语义通信和信道错误处理高度相关。
版本与判断
会议论文，后续可能与 ICDM/score-based MIMO 形成系列。
Semantic Information Theory and Applications
2025semantic information theorysurvey_theory_mdpi
基本信息
Meixia Tao, Kai Niu, Youlong Wu。Entropy, 2025。外部链接
研究对象
语义信息论综述与专题导论
内容概括
论文介绍 semantic information theory 的基础问题，包括语义熵、语义率失真、语义容量、语义编码以及这些理论在通信系统中的作用。它不是具体系统论文，而是把语义通信的理论基础和应用场景组织起来。
主要贡献
与牛凯团队的 semantic information theory 路线相连，提供理论化视角。
与陶梅霞语义通信路线的关系
陶梅霞老师从系统/无线语义通信扩展到语义信息论的代表性综述/导论。
版本与判断
MDPI/Entropy；作为人物全景保留。
SemCSINet: A Semantic-Aware CSI Feedback Network in Massive MIMO Systems
2025semantic-aware CSI feedbackboundary
基本信息
Ruonan Ren, Jianhua Mo, Meixia Tao。arXiv:2505.08314, 2025。外部链接
研究对象
Massive MIMO CSI feedback
内容概括
论文题名中的 semantic-aware 更接近无线 CSI 表征中的结构/语义感知，而非传统 source-message semantic communication。它关注 CSI feedback 的压缩和恢复。
主要贡献
把语义感知思想用于 massive MIMO CSI feedback。
与陶梅霞语义通信路线的关系
与语义通信概念相邻，但不是本文主线中的语义消息传输。
版本与判断
边界纳入，避免与语义通信系统论文混淆。
SNR-EQ-JSCC: Joint Source-Channel Coding With SNR-Based Embedding and Query
2025channel-adaptive JSCCincluded
基本信息
Tong Wu, Shengkang Chen, Zhiyong Chen, Yaping Sun, Meixia Tao, Wenjun Zhang。IEEE Wireless Communications Letters, 2025; arXiv:2501.04732。外部链接
研究对象
动态 SNR 下图像语义传输
内容概括
论文针对 JSCC 语义通信在动态信道下需要频繁适配的问题，提出轻量 channel-adaptive architecture。它把 SNR embedding 注入 attention block，并用 channel-adaptive query 动态调整注意力分数；损失函数中加入稳定训练的 penalty。还讨论只使用平均 SNR 的方案，以减少对瞬时 SNR feedback 的依赖。
主要贡献
把 SNR 条件显式嵌入 Transformer 式 JSCC，让一个模型适配不同信道质量。
与陶梅霞语义通信路线的关系
属于“可控/自适应语义通信”路线，和用户先前关注的可控传输符号问题相关。
版本与判断
连续 latent JSCC 为主，不是严格数字语义通信。
Text-Guided Diffusion Model-based Generative Communication for Wireless Image Transmission
2025text-guided generative semantic communicationincluded
基本信息
Shengkang Chen, Tong Wu, Zhiyong Chen, Feng Yang, Meixia Tao, Wenjun Zhang。arXiv:2510.21299, 2025。外部链接
研究对象
极低码率无线图像传输
内容概括
论文面向极低传输率下传统压缩和 JSCC 难以保持视觉质量的问题。发射端通过 JSCC 传输图像低率表示，同时传输文本 prompt；接收端把有噪低率表示与文本 prompt 融合，使用 Stable Diffusion + ControlNet 生成语义一致且感知质量较高的图像。
主要贡献
把文本语义提示作为通信侧信息，与生成模型结合，明确从像素失真转向语义可感知重建。
与陶梅霞语义通信路线的关系
陶梅霞团队生成式语义通信的重要预印本。
版本与判断
当前为 arXiv 版本。
Two Birds with One Stone: Multi-Task Semantic Communications Systems Over Relay Channel
2025multi-task semantic communication / relayincluded
基本信息
Hongwei Zhang, Meixia Tao, Shuo Shao。IEEE WCNC, 2025; arXiv:2410.12302。外部链接
研究对象
中继信道，多任务语义传输
内容概括
论文把多任务语义通信放到 relay channel 中，目标是在一次语义传输中同时支持多个接收任务或多个语义目标。题名中的 two birds with one stone 指通过共享语义表示和中继协作，同时提升通信效率和任务性能。
主要贡献
把 relay channel 和 multi-task semantic communication 结合，拓展了语义通信的网络拓扑。
与陶梅霞语义通信路线的关系
陶梅霞团队从点对点/广播进一步走向多节点语义网络的论文。
版本与判断
会议论文。
BitSemCom: A Bit-Level Semantic Communication Framework with Learnable Probabilistic Mapping
2026bit-level digital semantic communicationincluded
基本信息
Haoshuo Zhang, Yufei Bo, Jianhua Mo, Meixia Tao。IEEE Communications Letters, 2026; arXiv:2510.26225。外部链接
研究对象
图像传输，语义特征到 bit sequence 的可微映射
内容概括
论文指出现有语义通信多用 analog modulation，数字方案又常因硬量化、bit error 敏感或调制改变需重训而受限。BitSemCom 引入 learnable bit mapper，在连续语义特征和离散 bit sequence 之间建立概率映射，并用 Gumbel-Softmax 进行可微采样训练。该框架调制无关，可直接服务任意数字调制格式。
主要贡献
把端到端 JSCC 推进到 bit-level，避免只输出连续 latent 或固定 codebook index。
与陶梅霞语义通信路线的关系
与本项目数字语义通信调研高度相关，是 2026 年数字化语义传输的关键新论文。
版本与判断
arXiv 摘要报告相对 codebook-based digital semantic methods 有 2-3 dB PSNR 增益。
Distributed Semantic Communication via Nonlinear Transform Coding for Correlated Images
2026distributed semantic communication / nonlinear transform codingincluded
基本信息
Yufei Bo, Meixia Tao, Kai Niu。IEEE Transactions on Communications, 2026; arXiv:2506.07391。外部链接
研究对象
相关图像的分布式语义传输
内容概括
论文研究多个相关图像源的分布式语义通信。编码端利用 nonlinear transform coding 提取各源语义表示，同时通过相关性建模避免重复传输共享信息。接收端联合恢复相关图像或其语义内容。
主要贡献
把 NTSCC 与分布式源编码思想结合，系统处理 correlated images。
与陶梅霞语义通信路线的关系
同时连接陶梅霞与牛凯团队，是图像语义通信从单源到多源的扩展。
版本与判断
ICC Workshops 2025 为会议前身。
Fairness-Aware Joint Source-Channel Coding for Robust Task-Oriented Communication
2026fairness-aware task-oriented communicationincluded
基本信息
Jiaxuan Li, Youlong Wu, Songjie Xie, Shuai Ma, Yuanming Shi, Meixia Tao。IEEE Journal on Selected Areas in Communications, 2026。外部链接
研究对象
任务导向通信，公平性、隐私敏感属性、信道鲁棒性
内容概括
论文指出 task-oriented communication 只传任务相关信息可能造成敏感属性泄露或群体歧视。传统 fair representation learning 直接放入源编码器会受到信道噪声和动态信道破坏，因此论文提出公平性感知 JSCC，把任务 utility、公平性和信道鲁棒性统一到端到端设计中。
主要贡献
将 fairness 作为任务导向语义通信的系统指标，而不是只优化准确率或失真。
与陶梅霞语义通信路线的关系
陶梅霞老师与 HKUST/同济等合作的 IB/任务导向通信路线相关。
版本与判断
ICC 2025 Adaptive Task-Oriented Communication with Fairness Guarantees 为前身。
ICDM: Interference Cancellation Diffusion Models for Wireless Semantic Communications
2026diffusion model / interference cancellationincluded
基本信息
Tong Wu, Zhiyong Chen, Dazhi He, Feng Yang, Meixia Tao, Xiaodong Xu, Wenjun Zhang, Ping Zhang。IEEE Journal on Selected Areas in Communications, 2026; arXiv:2505.19983。外部链接
研究对象
干扰环境下无线语义通信
内容概括
论文进一步把 CDDM/SCDM 的去噪思想扩展到干扰消除。无线广播环境中接收信号不仅有 Gaussian noise，还可能有未知或非协作干扰；ICDM 将联合后验分解或近似为信号先验相关项，通过 diffusion/score-based 方式恢复目标语义信号。
主要贡献
从信道噪声去除推进到干扰消除，是 diffusion semantic communication 系列的重要升级。
与陶梅霞语义通信路线的关系
陶梅霞团队扩散模型无线语义通信主线的高阶版本。
版本与判断
DBLP 同时列出 2025 arXiv 与 2026 JSAC。
Joint Source-Channel Coding for Task-Oriented Broadcast Communications: An Information Bottleneck Approach With Rate Splitting
2026information bottleneck / task-oriented broadcast communicationincluded
基本信息
Youlong Wu, Jingfeng Huang, Yuanming Shi, Shuai Ma, Kai Niu, Meixia Tao, Khaled B. Letaief。IEEE Transactions on Wireless Communications, 2026。外部链接
研究对象
多接收端任务导向广播通信
内容概括
论文将 information bottleneck 与 rate splitting 用于任务导向广播 JSCC。系统区分公共语义和私有语义，使多个用户在广播信道中获得与各自任务相关的信息，同时尽量压缩冗余。
主要贡献
用 IB 原理解释和优化任务相关信息保留，用 rate splitting 处理广播信道中的公共/私有信息结构。
与陶梅霞语义通信路线的关系
与用户此前要求的信息瓶颈语义通信调研直接相关，也是陶梅霞与牛凯交叉合作论文。
版本与判断
理论和系统设计并重。
Joint Source-Channel-Generation Coding: From Distortion-oriented Reconstruction to Semantic-consistent Generation
2026joint source-channel-generation coding / semantic-consistent generationincluded
基本信息
Tong Wu, Zhiyong Chen, Guo Lu, Li Song, Feng Yang, Meixia Tao, Wenjun Zhang。arXiv:2601.12808, 2026。外部链接
研究对象
图像传输，从重建到生成
内容概括
论文批评传统 separation coding 和 AI-driven JSCC 仍受 Shannon rate-distortion 思想支配，优化通用失真指标导致低码率下图像模糊或不真实。JSCGC 把接收端模型视为 generator 而非 decoder，用生成模型参数化数据分布，在信道约束下最大化 mutual information，并控制 stochastic sampling 使输出落在真实数据流形且语义一致。
主要贡献
提出从 deterministic reconstruction 到 probabilistic generation 的通信范式转变，并给出 semantic inconsistency 与 transmitted mutual information 的理论界限。
与陶梅霞语义通信路线的关系
陶梅霞团队生成式语义通信路线的理论化代表。
版本与判断
该版本为 ISIT 2026 投稿预印本；另有 2026-06 JSCGC wireless generative communications 版本。
JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications
2026wireless generative semantic communicationincluded
基本信息
Tong Wu, Zhiyong Chen, Guo Lu, Li Song, Feng Yang, Meixia Tao, Wenjun Zhang。arXiv:2606.12858, 2026。外部链接
研究对象
无线图像生成式语义通信
内容概括
该版本把 JSCGC 进一步表述为 wireless generative communications：接收信号作为条件控制采样过程，通信目标从最小化重建失真转为在感知约束下最大化互信息。论文强调输出错误不再只是像素 distortion，而是 semantic inconsistency。
主要贡献
将 JSCGC 更完整地落到无线生成式通信系统和训练/采样框架。
与陶梅霞语义通信路线的关系
与 2601.12808 是同一研究线的后续版本，保留为独立条目便于追踪。
版本与判断
2026-06 新预印本。
Knowledge Distillation-Driven Semantic NOMA for Image Transmission With Diffusion Model
2026semantic NOMA / diffusion / knowledge distillationincluded
基本信息
Qifei Wang, Zhen Gao, Shuo Sun, Zhijin Qin, Xiaodong Xu, Meixia Tao。IEEE Transactions on Wireless Communications, 2026。外部链接
研究对象
多用户图像语义 NOMA
内容概括
正式期刊版围绕 KDD-SemNOMA 展开：用知识蒸馏降低语义模型复杂度或传输负担，用 diffusion model 作为接收端生成式先验提升图像恢复质量，并把这些机制嵌入 NOMA 多用户传输。
主要贡献
探索语义通信与 NOMA 的结合，处理多用户接入和生成式恢复。
与陶梅霞语义通信路线的关系
与陶梅霞团队多用户语义通信和扩散生成式语义通信两条线交汇。
版本与判断
arXiv 版本为 2025。
MambaJSCC: Adaptive Deep Joint Source-Channel Coding With Generalized State Space Model
2026adaptive JSCC / generalized state space modelincluded
基本信息
Tong Wu, Zhiyong Chen, Meixia Tao, Yaping Sun, Xiaodong Xu, Wenjun Zhang, Ping Zhang。IEEE Transactions on Wireless Communications, 2026; arXiv:2409.16592。外部链接
研究对象
图像无线传输，信道自适应
内容概括
论文将 MambaJSCC 扩展为 adaptive deep JSCC with generalized state space model。相比早期视觉状态空间模型版本，正式版更强调对信道和码率变化的适应性，以及状态空间结构在长程依赖和复杂度上的优势。
主要贡献
给出 Mamba 类模型在学习式通信 backbone 中的正式系统设计。
与陶梅霞语义通信路线的关系
属于陶梅霞团队神经 JSCC/语义图像传输 backbone 方向。
版本与判断
严格数字语义通信相关性较弱，偏连续 JSCC。
Secure Digital Semantic Communications: Fundamentals, Challenges, and Opportunities
2026secure digital semantic communication / surveysurvey_theory
基本信息
Weixuan Chen, Qianqian Yang, Yuanyuan Jia, Junyu Pan, Shuo Shao, Jincheng Dai, Meixia Tao, Ping Zhang。IEEE Network, 2026; arXiv:2512.24602。外部链接
研究对象
数字语义通信安全综述
内容概括
论文系统区分 analog SemCom 与 digital SemCom：数字语义通信通过离散 bit 或 symbol 在实际收发机管线中传输语义信息，因此有更强系统兼容性，也有独特攻击面。论文梳理 semantic leakage、semantic manipulation、knowledge base vulnerabilities、model-related attacks、authenticity/availability threats，并特别分析 bit/symbol 级语义信息、modulation 和 packet/protocol 过程的安全风险。
主要贡献
给出安全数字语义通信的问题谱系和防御方向，是数字语义通信走向部署时的重要综述。
与陶梅霞语义通信路线的关系
连接陶梅霞团队早期 encrypted semantic communication 和数字语义通信主线。
版本与判断
IEEE Network 正式版，arXiv 2025-12 首发。
Semantic Communication Over MIMO Channels via Score-Based Reverse Mean Propagation
2026MIMO semantic communication / score-based reverse mean propagationincluded
基本信息
Yinuo Huang, Yufei Bo, Jianhua Mo, Meixia Tao。IEEE Transactions on Wireless Communications, 2026。外部链接
研究对象
MIMO 信道下语义信号恢复
内容概括
论文在 MIMO 语义通信中使用 score-based reverse mean propagation。核心思路是把接收端从 MIMO 有噪观测恢复语义信号的问题视为概率反演，而不是单纯线性检测；score model 提供先验梯度或均值传播方向，以提升复杂信道中的恢复质量。
主要贡献
给出 MIMO semantic communication 的 score-based 接收推断方法。
与陶梅霞语义通信路线的关系
延续 DM-MIMO 和 diffusion/score-based semantic communication 方向。
版本与判断
Google Scholar 显示 2026 TWC，OpenAlex 给出 DOI。
Towards Semantic-based Agent Communication Networks: Vision, Technologies, and Challenges
2026semantic-based agent communication networks / surveysurvey_theory
基本信息
Ping Zhang, Rui Meng, Xiaodong Xu, Yaheng Wang, Zixuan Huang, Yiming Liu, Ruichen Zhang, Yinqiu Liu, Haonan Tong, Huishi Song, Gang Wu, Zhaoming Lu, Jiawen Kang, Geng Sun, Qinghe Du, Zhaohui Yang, Jingxuan Zhang, Han Meng, Lexi Xu, Haitao Zhao, Zesong Fei, Yiqing Zhou, Pei Xiao, Meixia Tao, Qinyu Zhang, Shuguang Cui, Rahim Tafazolli。arXiv:2603.24328, 2026。外部链接
研究对象
agentic AI 与语义通信网络
内容概括
论文面向 6G 中 AI and Communication 场景，把 SemCom 放入 agent communication networks。提出三层、四实体、四阶段架构：意图抽取与理解层、语义编码与处理层、分布式自治协作层；实体包括 embodied agents、communication agents、network agents、application agents；阶段包括 perception、memory、reasoning、action。
主要贡献
把语义通信从链路/任务传输提升到 agent 网络协作层面，强调语义如何增强智能体通信。
与陶梅霞语义通信路线的关系
代表陶梅霞老师参与的宏观语义网络/6G agentic AI 方向。
版本与判断
综述/愿景类预印本。
WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference
2026semantic verification / wireless LLM inferenceboundary
基本信息
Zixuan Liu, Zhiyong Chen, Nan Xue, Shengkang Chen, Jiangchao Yao, Meixia Tao, Wenjun Zhang。arXiv:2604.17701, 2026。外部链接
研究对象
device-edge LLM 推理中的分布式 speculative decoding
内容概括
论文中的 semantic 主要指 LLM 推理过程中的语义验证，结合无线条件进行分布式 speculative decoding。它不是传统意义的源消息语义通信系统，但把无线网络状态纳入语义级推理/验证过程。
主要贡献
连接无线通信、边缘 LLM 推理和 semantic verification。
与陶梅霞语义通信路线的关系
代表陶梅霞老师近期从语义通信走向 AI-native network/LLM edge inference 的边界方向。
版本与判断
边界纳入。