基于深度学习的信源信道联合编码方法综述

信息论的经典结果表明，信源信道分离编码是渐进最优的。但现代通信系统对时延、带宽等愈发敏 感，分离设计对解码具有无限计算能力这一假设难以成立。带宽有限时，相对于信源信道联合编码，分离编 码已被证明是次优的。传统的联合信源信道编码需要复杂的编码方案，相较之下，数据驱动的深度学习技术 则带来了新的设计思路。适时地对相关研究成果进行总结，有助于进一步明确深度学习方法解决信源信道联 合编码问题的方式，为研究新的研究方向提供依据。首先介绍了基于深度学习的信源压缩方案和端对端收发 信机模型，随后分析不同信源类型下的两种联合编码设计思路，最后探讨了基于深度学习的信源信道联合编 码的潜在问题和未来的工作方向。