由香农分离定理可知,在不对时延和复杂度进行限制的前提下,分别优化信源编码和信道编码也能实现最优性能。以此为基础,现代通信系统大多采用如JPEG、JPEG2000、BPG等经过高度优化的信源编码算法,配合如LDPC,Turbo码,Polar码等接近最优的信道码,来逼近理论最优。近几年,随着深度学习的蓬勃发展,无线通信中的信源信道联合编码的研究取得了很大的成功。但是分离的编码方案受“悬崖效应”影响,基于深度学习的信源信道联合编码研究通常在特定的信噪比下对所设计的网络进行训练,对信噪比变化的自适应性不是很好,这阻碍了其在真实无线场景中的应用,也无法应用于多用户场景。因此,本课题设计并实现了一种具有信噪比自适应能力的无线图像编码传输方案,该方案关注解码器对不同信噪比的适应性,以自编码器结构为基础,通过增加导频信号作为解码端的输入,使解码器具有估计信道信噪比的能力,然后对传输的图像进行自适应解码。本文首先提出了自适应基础模型,随后在其基础上提出了自适应增强模型。在不同的信道模型下,不同的带宽压缩比下对提出的两种模型进行训练和评估,并和目前最好的基于深度学习的信源信道联合编码方法进行对比。实验结果显示,无论是自适应基础模型还是增强模型,其信噪比自适应能力都要优于现有方法,在多用户场景中有相当的应用潜力。此外,还探究了自适应模型解码端在信噪比估计存在误差时的鲁棒性,通过实验证明了自适应解码器对信噪比估计中的噪声具有较强的鲁棒性。