无记忆多路访问信道容量区域的神经计算
提出一种基于数据驱动的算法,利用最小化通道输出上的参考分布来估算未知通道法和连续输出字母表上通道容量上界的估算方法,并使用修改的互信息神经估计器来计算所需的条件通道和参考分布之间的散度最大化,在不同的无记忆通道上进行数字评估,证明了该方法估算的上界要么接近通道容量,要么接近最佳已知下界。
May, 2022
提出一种迭代计算分散无记忆信道容量的方法,包括对输入分布的附加约束;利用凸规划的对偶性,获得了容量的显式上下界。该方法的复杂度为 O(M ^ 2 N√(log N)/ε),其中 N 和 M 分别表示输入和输出字母表的大小;单次迭代的复杂度为 O(MN)。同时,针对有限连续输入和可数输出字母表的无记忆信道提出了近似计算容量的方法,在一些关于信道尾部的渐变速率的温和假设下可以实现(离散时间泊松信道属于该问题类),并给出了其在峰值功率输入约束下的上下界估计路段作为案例研究
Jul, 2014
利用神经分布转换器(NDT)模型对连续字母信道进行容量估计,从而推导出一种新的估计框架来逐步最大化目标函数中的分数,以便进行准确的估计。
Mar, 2020
本篇论文提出了基于 Monte Carlo 算法的二维源 / 信道模型信息速率计算方法,以允许的输入配置为限制的二进制输入信道为重点研究对象。通过采用基于树的 Gibbs 抽样和多层(多温度)重要性抽样算法,提出了计算 Monte Carlo 估计分区函数的方法。通过模拟结果的验证,证明了所提算法的可行性。
May, 2011
本文探索了在具有和不具有在发射机和 / 或接收机处的信道状态信息(CSI)的情况下,给定块长度和误码率的准静态多输入多输出(MIMO)衰落信道的最大可实现速率。主要发现是,尽管失效容量是一个渐进量,但它是慢衰落信道有限块长度基本极限的尖锐代理。特别是,在分析可行性的边界和实现边界的基础上,显示了通道色散为零,不管衰落实现是否在发射机和接收器上都可用,还是在其中之一或两者都不可用。
Nov, 2013
本文提出了大规模 MIMO 天线通道的确定性等效和评估容量实现输入协方差矩阵的算法。研究基于大维随机矩阵理论,在终端天线数量无限接近于无穷大的假设下做了相关推导。结果易于计算,精确性较高,并且不受多种衰落分布影响。
Sep, 2012
该研究探讨了离散无记忆信道上语义通信的基本限制,采用语义速率失真函数分析最小压缩率、观测失真、语义失真和信道容量之间的关系。对于未知语义源分布的情况,提出了一种基于神经网络的方法来学习语义源分布,同时设计了级联神经网络来估计语义速率失真函数。对于已知完美语义源分布的情况,提出了通用的 Blahut-Arimoto 算法来高效计算语义速率失真函数。最后,通过实验证实了该算法在理想高斯语义源和一些实际数据集的情况下的有效性。
Jan, 2024
本文探讨多用户二进制输入加性白噪声信道上的多址通信,运用随机扩展码分复用技术,对于一类对称分布涂抹系数,在大量用户情况下,我们证明了一个容量的上界,与 Tanaka 公式一致,同时还展示了多个相关量的浓度,包括相互信息,容量和自由能,该数学方法相当普适,可扩展至其他多用户场景。
Mar, 2008
本文考虑了高斯多输入多输出多接收方窃听信道的保密通信问题,并使用最小均方误差、互信息、费舍尔信息以及差分熵之间的关系推导出保密容量区域,证明了该信道的保密容量可用高斯信号的 Dirty-paper 编码实现。
Mar, 2009