通过研究多用户通道中接收者可以获得相关源侧信息的源编码和信道编码，获得了多个多用户通道模型的最优分离条件。具体而言，考虑到多路访问通道、复合多路访问通道、干扰通道和带有相关源和相关接收侧信息的双向通道，并且仅在特定的源和侧信息结构下表明分离的最优源和信道编码。有趣的是，虽然源和信道编码的分离是最优的，但这些模型的最优分离源和信道编码不一定是底层源编码或信道编码问题的最优编码。换句话说，尽管源和信道编码的分离是最优的，但这些最优编码的性质受到联合设计准则的影响。

Jul, 2008

本文提出了一种用于编解码的离散自编码器模型，通过添加噪声来模拟信道以实现数据压缩和容错，得到了与现有方案相当的编码标准，并学习了下游任务（如分类）的有用鲁棒表征。最后，通过推理摊销，实现了一个快速的神经解码器，与迭代置信传播方法相比，速度提高了近一个数量级。

Nov, 2018

本文发现了最佳可达失真联合源信道码率的新的严格有限块长度界限，并证明联合源信道码设计在非渐近区域中带来了相当大的性能优势。

Sep, 2012

提出了一种基于扩散生成模型的分离叠加源的新方法，通过最大后验估计和多重水平的高斯平滑指导下的 α 后验来建立新的目标函数，应用于射频系统，旨在恢复编码比特，实验结果表明，相比于经典和现有学习方法，我们的方法可以将误码率降低 95％。

Jun, 2023

本论文探讨仅在接收端有可用信息时，在 L-block Rayleigh fading MIMO 信道上传输连续幅度源时的最优性能和期望端到端失真的最小化，通过分层源编码与渐进、叠加或混合数字 / 模拟传输消除带宽比率干扰，并结合多个自由度的信道对失真指数进行分析与优化。

Nov, 2007

本文通过特定的、基于熵的失真度量，研究了一类多终端源编码问题，并提供了两种情形下的可行码率失真区域，同时证明了我们的特定失真度量和（1）经典的 Slepian-Wolf 无损分布式源编码网络以及（2）仅恢复一个源的 Ahlswede-Körner-Wyner 编码中的源编码与辅助信息问题之间存在关系。

May, 2011

本研究研究了在噪声的多信道上使用深度联合源频道编码进行分布式图像传输。研究表明，在有限块长度制度下，我们引入了一种新型的联合图像压缩和传输方案，其中设备以非正交方式发送其压缩图像表示。在实验中，相比于使用现有深度联合源频道编码方法的正交传输，特别是在低带宽比下，我们展示了重构图像质量方面的显著改进。

Nov, 2022

本文考虑了在噪声信道上传输结构化数据（例如自然语言）的联合源编码和信道编码问题，提出了基于深度学习编码器和解码器以及将句子嵌入语义空间后进行联合编码的方法，旨在同时最小化端到端失真和字错误率。

Feb, 2018

探究了受干扰的衰落线路窃听信道，并研究了信息论模型下的并行窃听线路，并最终得出了在信道状态实现时源节点动态更改功率分配来实现保密容量的最优源功率分配。

Aug, 2007

通过使用多级可靠性接口，我们在无线网络中提出了一种将源和信道映射分别设计和顺序执行的半联合 JSCC 方法，该方法实现了语义通信并获得了深度学习驱动 JSCC 工作中观察到的许多优点。

Jul, 2024