本发明涉及无线通信，具体涉及一种具备压缩传输和隐私保护的图像自适应语义通信方法。
背景技术：
1、随着机器学习和计算机硬件的蓬勃发展，增强现实、远程医疗、无人驾驶等智能应用纷纷涌现，这使得内生智能成为未来6g网络的重要组成部分。语义通信作为一种面向任务的新智能通信范式，引起了人们的广泛关注。语义通信能够从语义的角度对传输数据进行压缩，提取数据的含义，并过滤掉非必要的、不相关的信息，确保了通信的高效性。此外，语义通信能够很好适应恶劣的通信环境，在较低信噪比的条件下依然具有鲁棒性，是一种具备高可靠性的通信方式。
2、语义特征是语义通信中的关键信息，是被观察信息的隐藏特征。考虑到语义信息和被观察信息之间的联合分布过于复杂，通常需要利用背景知识库对神经网络进行训练才能得到。然而在现实场景中，待传输信息的分布很可能与训练神经网络的背景知识不同，这很可能导致系统性能骤降，影响任务的完成。使用发送端的数据分布重新训练神经网络不仅会带来昂贵的额外开销，还会泄露发送端的数据隐私，不利于实际应用。
技术实现思路
1、本发明目的：在于提供一种具备压缩传输和隐私保护的图像自适应语义通信方法，通过建立数据自适应网络使得语义通信系统具备适应不同分布数据的能力。
2、为实现以上功能，本发明设计一种具备压缩传输和隐私保护的图像自适应语义通信方法，执行如下步骤s1-步骤s6，构建并训练图像自适应语义通信系统，应用图像自适应语义通信系统，完成图像传输任务：
3、步骤s1：建立用于图像传输的语义通信系统，语义通信系统包括语义发送端、语义接收端、无线信道；
4、步骤s2：根据语义通信系统的结构，基于均方误差，构建用于语义通信系统训练的损失函数；
5、步骤s3：基于一对生成器和一对鉴别器，构建圆对称回路结构的数据自适应网络，用于学习存储于本地的背景知识训练图像和传输的实际图像之间的映射关系；
6、步骤s4：基于生成器和鉴别器的对抗损失，以及圆对称回路结构的循环一致性损失，构建数据自适应网络的损失函数；
7、步骤s5：将语义通信系统和数据自适应网络合并，建立图像自适应语义通信系统；
8、步骤s6：分两段训练图像自适应语义通信系统，使其具备适应不同分布数据的能力，应用训练好的图像自适应语义通信系统，完成图像传输任务。
9、有益效果：相对于现有技术，本发明的优点包括：
10、本发明设计了一种具备压缩传输和隐私保护的图像自适应语义通信方法，针对语义通信中传输图像的数据分布与背景知识数据不匹配的研究现状，本发明提出一种图像数据自适应的语义通信方法。本发明通过构建数据自适应网络使得不需要重新训练整个系统便能适应不同分布的传输数据，既缓解数据分布不匹配导致的不利影响，又降低了网络训练开销。同时，数据自适应网络的训练只需要在发送端本地进行，不会有隐私泄露问题。
1.一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，执行如下步骤s1-步骤s6，构建并训练图像自适应语义通信系统，应用图像自适应语义通信系统，完成图像传输任务：
2.根据权利要求1所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，步骤s1中所述的语义通信系统包括语义发送端、语义接收端、无线信道；语义发送端包括语义编码器和联合信源信道编码器，语义接收端包括联合信源信道解码器以及语义解码器；
3.根据权利要求2所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，步骤s1中语义通信系统对输入图像的处理过程如下：
4.根据权利要求1所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，步骤s2中所述的用于语义通信系统训练的损失函数如下式：
5.根据权利要求1所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，步骤s3的具体步骤如下：
6.根据权利要求5所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，步骤s4中所述的数据自适应网络的损失函数包括对抗损失和循环一致性损失两部分，其中对于映射函数gx:γy→γx及其相应的鉴别器dx，对应的对抗损失函数如下式：
7.根据权利要求1所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，将数据自适应网络添加至语义编码器之前，其中仅有生成器gx参与数据转换，将传输的实际图像转化为背景知识训练图像的形式。
8.根据权利要求1所述的一种具备压缩传输和隐私保护的图像自适应语义通信方法，其特征在于，步骤s6中对图像自适应语义通信系统的训练步骤如下：
