院士领航

该版面旨在为读者们带来由各个领域内院士们主持编辑的特刊，汇聚前沿学术研究，传递更多领域的最新发现与综述探讨。希望能为年轻学者提供学术交流平台及最新的科研成果。

特刊信息

本期将为大家带来由北京邮电大学张平院士，携手崔曙光院士，王江舟院士，陈翔教授，许晓东教授和马楠教授，共同担任客座编辑出版的特刊“语义通信和智简网络”。 

本特刊将于2025年1月31日截止投稿，当前共收录8篇高质量学术论文，累计被引用12次，浏览13,893次。该特刊涵盖了语义通信和智简网络领域的多个子方向，欢迎投稿！

Semantic Communications and Intellicise Networks: A Themed Issue in Honor of Prof. Ping Zhang

语义通信和智简网络

了解特刊详情：https://www.mdpi.com/si/147150

客编寄语

语义通信和智简网络作为现代通信技术领域的两个重要概念，共同推动着通信技术的快速发展。语义通信注重信息的理解和处理，提高通信的可靠性和准确性；而智简网络则通过智能化技术提升网络的性能和效率；两者的结合可以构建一种更加智能、高效且可靠的通信系统，因此，有关语义通信和智简网络的研究在通信领域具有广泛的应用前景和潜力。

张平 院士

中国工程院院士，北京邮电大学教授、博士生导师、网络与交换技术全国重点实验室主任，鹏城实验室宽带通信部主任，中关村泛联移动通信技术创新应用研究院院长，《通信学报》主编，IEEE Fellow等。长期致力于移动通信理论研究和技术创新，担任IMT-2020 (5G) 专家组成员、IMT-2030 (6G) 推进组咨询委员会委员，先后获国家科学技术进步奖特等奖等多项奖励，为我国自主技术成为国际主流做出了基础性的贡献。目前研究兴趣聚焦在语义通信和语用达意网络。

精选文章

1.Architecture for Self-Evolution of 6G Core Network Based on Intelligent Decision Making

基于智能决策的6G核心网自进化体系结构

https://doi.org/10.3390/electronics12153255

文章概览

本文提出了一种6G核心网的自进化架构，旨在通过智能决策来适应多样化和不断变化的场景。主要的贡献包括阐明6G核心网络自进化的核心思想和机制，设计管道，并引入基于强化学习的自进化代理及其相关算法。通过实验模拟验证了自进化算法的有效性，证明了它能够赋予智能体决策能力，并确保良好的环境适应性。

2.Deep Joint Source-Channel Coding for Wireless Image Transmission with Adaptive Models

基于自适应模型的无线图像传输深度联合源信道编码

https://doi.org/10.3390/electronics12224637

文章概览

本文提出了一种新的、语义驱动的端到端图像转换方法，称为AMJSCC。并提出了语义自适应模型选择 (SAMS) 模块，以减少模型传播带来的通信消耗，能够根据模型性能、信道情况和传输目标的不同要求灵活选择模型。其次，本文采用自适应增强模型对从基础层获得的残差信息进行重传，进一步提高图像恢复质量。实验结果表明，与深度JSCC方法相比，AMJSCC方法的SSIM性能提高了16.5%，PSNR性能提高了17.3%。同时，文章中提出的AMJSCC方法具有较宽的计算能力使用区间，最小模型所需计算能力仅为最大模型的0.14倍。值得注意的是，AMJSCC方法比深度JSCC方法消耗更多的计算能力，以换取更高的图像恢复质量。综上所述，本文提出的语义通信框架能够适应信道条件和系统计算能力，在节省网络计算复杂度的同时实现高度稳定的图像传输质量。

Electronics 期刊介绍：https://www.mdpi.com/journal/electronics

主编：Flavio Canavero, Politecnico di Torino, Italy

期刊致力于快速发表与广泛电子领域相关的最新技术突破以及前沿发展，设立了16个学科栏目，为聚焦更多的专业领域及涉及最先进技术的高质量研究的专家提供一个交流平台。期刊涵盖的研究领域包括但不限于：电子材料、微电子学、光电子学、工业电子、电力电子、生物电子、微波和无线通信、计算机科学与工程、系统与控制工程、电路和信号处理、半导体器件、人工智能、电动和自动驾驶汽车、量子电子等。

2023 Impact Factor：2.6

2023 CiteScore：5.3

Time to First Decision：16.4 Days

Acceptance to Publication：2.4 Days