本論文では、深層学習に基づく意味通信が主にアナログまたは半デジタル伝送に依存している現状を踏まえ、デジタル通信インフラとの互換性を高めるために、チャネル認識ベクトル量子化（CAVQ）を提案しています。従来のベクトル量子化方式では、コードブック最適化の際にチャネル状態情報が考慮されておらず、堅牢性が劣っていました。本研究では、CAVQを離散メモリーレスチャネルに基づく共同ソース・チャネルコーディング（JSCC）フレームワーク内で実現し、意味特徴を離散化して変調星座シンボルに直接マッピングします。CAVQはチャネル遷移確率を量子化プロセスに統合し、意味的に類似したコードワードを微妙に混同しやすいシンボルと整合します。実験結果により、提案手法がデジタルクリフ効果を効果的に軽減し、さまざまな変調方式において優れた再構築品質を達成することが示され、最新のデジタル意味通信手法を凌ぐ性能を発揮しています。