論文の概要: Maximal-Capacity Discrete Memoryless Channel Identification
- arxiv url: http://arxiv.org/abs/2401.10204v1
- Date: Thu, 18 Jan 2024 18:44:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 15:38:29.634265
- Title: Maximal-Capacity Discrete Memoryless Channel Identification
- Title（参考訳）: 最大容量離散メモリレスチャネル識別
- Authors: Maximilian Egger, Rawad Bitar, Antonia Wachter-Zeh, Deniz G\"und\"uz
and Nir Weinberger
- Abstract要約: 複数のメモリレスチャネル(DMC)の中で、最も高いキャパシティを持つチャネルを特定することの問題点を考察する。
キャパシティ推定器を提案し、推定器誤差の厳密な信頼境界を導出する。
BestChanIDと呼ばれるギャップ除去アルゴリズムを提案する。
NaiveChanSel と MedianChanEl の2つのアルゴリズムが導入された。
- 参考スコア（独自算出の注目度）: 37.598696937684245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem of identifying the channel with the highest capacity among
several discrete memoryless channels (DMCs) is considered. The problem is cast
as a pure-exploration multi-armed bandit problem, which follows the practical
use of training sequences to sense the communication channel statistics. A
capacity estimator is proposed and tight confidence bounds on the estimator
error are derived. Based on this capacity estimator, a gap-elimination
algorithm termed BestChanID is proposed, which is oblivious to the
capacity-achieving input distribution and is guaranteed to output the DMC with
the largest capacity, with a desired confidence. Furthermore, two additional
algorithms NaiveChanSel and MedianChanEl, that output with certain confidence a
DMC with capacity close to the maximal, are introduced. Each of those
algorithms is beneficial in a different regime and can be used as a subroutine
in BestChanID. The sample complexity of all algorithms is analyzed as a
function of the desired confidence parameter, the number of channels, and the
channels' input and output alphabet sizes. The cost of best channel
identification is shown to scale quadratically with the alphabet size, and a
fundamental lower bound for the required number of channel senses to identify
the best channel with a certain confidence is derived.
- Abstract（参考訳）: 複数の離散メモリレスチャネル (DMC) の中で, 最大容量のチャネルを識別することの問題点を考察する。
この問題は純粋に探索的なマルチアームバンディット問題であり、通信チャネル統計を検知するためにトレーニングシーケンスを実践的に利用している。
容量推定器が提案され、推定器誤差の厳密な信頼境界が導出される。
このキャパシティ推定法に基づいて,最大容量のdmc出力を所望の信頼性で保証する,キャパシティ推定アルゴリズムであるbestchanidを提案する。
さらに、最大に近いキャパシティを持つDMCを一定の信頼性で出力する2つの追加アルゴリズムであるNaiveChanSelとMedianChanElを導入する。
これらのアルゴリズムはそれぞれ異なる方法で有効であり、BestChanIDのサブルーチンとして使用できる。
全てのアルゴリズムのサンプル複雑性は、所望の信頼度パラメータ、チャネル数、チャネルの入力と出力のアルファベットサイズの関数として分析される。
最良チャネル識別のコストはアルファベットサイズと2次的にスケールすることが示され、信頼度のある最良チャネルを識別するために必要なチャネル感覚の数に対する基礎的な下限が導出される。
関連論文リスト
- Resolvability of classical-quantum channels [54.825573549226924]
2つの設定で古典量子チャネルの可解性について検討し、最悪の入力から生成されたチャネル出力について検討し、固定独立かつ同一に分散された(d.d.)入力を形成する。
固定入出力設定では、既知の量子ソフト被覆結果から直部が従うが、最近の代替量子サノフ定理を利用して強い逆を解く。
論文 参考訳（メタデータ） (2024-10-22T05:18:43Z) - Channel Simulation: Finite Blocklengths and Broadcast Channels [13.561997774592667]
有限ブロック長系における共通ランダム性支援下でのチャネルシミュレーションについて検討する。
固定誤差耐性の最小シミュレーションコストについて,スムーズなチャネル最大値情報を線形プログラムのワンショット・コンバースとして同定する。
論文 参考訳（メタデータ） (2022-12-22T13:08:55Z) - Data-Driven Upper Bounds on Channel Capacity [4.974890682815778]
我々は、未知のアルファベット出力を持つメモリレスチャネルのキャパシティ上の上限を推定する問題を考える。
入力分布の最小化をチャネル出力の参照分布に置き換えた双対表現を利用する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-13T06:59:31Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - Discriminative Mutual Information Estimators for Channel Capacity
Learning [1.8275108630751837]
本稿では,任意の種類のメモリレスチャネルに対して,チャネル容量を自動的に学習する新しいフレームワークを提案する。
我々は、CORTICALと呼ばれる協調チャネルキャパシティ学習フレームワークに識別器を含める。
協調値関数の特定の選択がチャネルキャパシティ推定問題を解くことを証明した。
論文 参考訳（メタデータ） (2021-07-07T09:03:40Z) - Deep-Learning Based Blind Recognition of Channel Code Parameters over
Candidate Sets under AWGN and Multi-Path Fading Conditions [13.202747831999414]
本稿では、受信した符号化信号だけを解析することで、候補集合上のチャネルコードパラメータを復元する問題を考察する。
本稿では、任意の符号化方式のチャネルコードパラメータを識別できるディープラーニングベースのソリューションを提案する。
論文 参考訳（メタデータ） (2020-09-16T16:10:39Z) - Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。
我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
論文 参考訳（メタデータ） (2020-07-08T07:44:00Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z) - Capacity of Continuous Channels with Memory via Directed Information
Neural Estimator [15.372626012233736]
本研究では,チャネルをブラックボックスとして扱う新しいキャパシティ推定アルゴリズムを提案する。
このアルゴリズムは、(i)雑音変数をチャネル入力分布に形作るニューラル分布変換器(NDT)モデルと、(ii)現在のNDTモデルの通信速度を推定するニューラルDI推定器(DINE)の2つの主成分を有する。
論文 参考訳（メタデータ） (2020-03-09T14:53:56Z) - DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO
Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。
本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。
DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文 参考訳（メタデータ） (2020-02-08T18:31:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。