論文の概要: Structured Superposition of Autoencoders for UEP Codes at Intermediate Blocklengths
- arxiv url: http://arxiv.org/abs/2508.07487v1
- Date: Sun, 10 Aug 2025 21:09:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.878692
- Title: Structured Superposition of Autoencoders for UEP Codes at Intermediate Blocklengths
- Title（参考訳）: 中間ブロック長におけるUPP符号の自動エンコーダの構造的重ね合わせ
- Authors: Vukan Ninkovic, Dejan Vukobratovic,
- Abstract要約: オートエンコーダ(AE)ベースのコード設計は、学習された平等エラー保護(EEP)コーディングスキームの文脈で有望であることが示されている。
我々は,AEベースのUPEコードを,効率的なトレーニングを維持しつつ,より大きなブロック長に拡張する構造化AEベースのアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 2.915868985330569
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Unequal error protection (UEP) coding that enables differentiated reliability levels within a transmitted message is essential for modern communication systems. Autoencoder (AE)-based code designs have shown promise in the context of learned equal error protection (EEP) coding schemes. However, their application to UEP remains largely unexplored, particularly at intermediate blocklengths, due to the increasing complexity of AE-based models. Inspired by the proven effectiveness of superposition coding and successive interference cancellation (SIC) decoding in conventional UEP schemes, we propose a structured AE-based architecture that extends AE-based UEP codes to substantially larger blocklengths while maintaining efficient training. By structuring encoding and decoding into smaller AE subblocks, our method provides a flexible framework for fine-tuning UEP reliability levels while adapting to diverse system parameters. Numerical results show that the proposed approach improves over established achievability bounds of randomized superposition coding-based UEP schemes with SIC decoding, making the proposed structured AE-based UEP codes a scalable and efficient solution for next-generation networks.
- Abstract（参考訳）: 送信メッセージ内の信頼性レベルを区別できる不等エラー保護(UEP)コーディングは、現代の通信システムにおいて不可欠である。
オートエンコーダ(AE)ベースのコード設計は、学習された平等エラー保護(EEP)コーディングスキームの文脈で有望であることが示されている。
しかし、それらのUPPへの応用は、特にAEベースのモデルの複雑さが増大しているため、特に中間ブロック長において、ほとんど未解明のままである。
従来の UEP スキームにおける重ね合わせ符号化と逐次干渉キャンセル(SIC)復号化の有効性に着想を得て,AE ベースの UEP 符号をより大規模なブロック長に拡張し,効率的なトレーニングを維持しつつ,構造化された AE ベースのアーキテクチャを提案する。
符号化と復号化を小さなAEサブブロックに構成することにより,多様なシステムパラメータに適応しつつ,UPPの信頼性レベルを微調整する柔軟なフレームワークを提供する。
数値計算により,提案手法は,SICデコーディングを用いたランダム化された重ね合わせ符号型UPEスキームの達成可能性境界よりも向上し,構造化AEベースのUPE符号を次世代ネットワークのスケーラブルで効率的な解とすることを示した。
関連論文リスト
- Decoding for Punctured Convolutional and Turbo Codes: A Deep Learning Solution for Protocols Compliance [22.85778198575678]
本稿では,Long Short-Term Memory(LSTM)をベースとしたデコードアーキテクチャを提案する。
提案手法は、句読解畳み込み符号とターボ符号を統一する。
句読点埋め込み機構は、句読点パターンを直接ネットワークに統合し、様々なコードレートへのシームレスな適応を可能にする。
論文 参考訳（メタデータ） (2025-02-21T14:00:14Z) - Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳（メタデータ） (2025-02-12T18:54:10Z) - Error Correction Code Transformer: From Non-Unified to Unified [20.902351179839282]
従来のデコーダは、特定のデコードアルゴリズムに適した固定ハードウェア回路として設計されていた。
本稿では、複数の線形ブロックコードを扱うことができる、コードに依存しないトランスフォーマーベースのデコードアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-10-04T12:30:42Z) - Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding [62.25533750469467]
低密度パリティ・チェック (LDPC) コードは、他の種類のコードに対していくつかの利点がある。
提案手法は,既存の人気符号の復号性能を桁違いに向上させる。
論文 参考訳（メタデータ） (2024-06-09T12:08:56Z) - Deep Learning Assisted Multiuser MIMO Load Modulated Systems for
Enhanced Downlink mmWave Communications [68.96633803796003]
本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。
ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。
本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-08T08:54:56Z) - LAMBO: Large AI Model Empowered Edge Intelligence [71.56135386994119]
次世代エッジインテリジェンスは、オフロード技術を通じて様々なアプリケーションに恩恵をもたらすことが期待されている。
従来のオフロードアーキテクチャは、不均一な制約、部分的な認識、不確実な一般化、トラクタビリティの欠如など、いくつかの問題に直面している。
我々は、これらの問題を解決するための10億以上のパラメータを持つLarge AI Model-Based Offloading (LAMBO)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-29T07:25:42Z) - Rateless Autoencoder Codes: Trading off Decoding Delay and Reliability [90.17852645780945]
本稿では、ノイズの多いコードワードが完全に受信される前に、送信メッセージの復号に適した、新しいレートレスオートエンコーダ(AE)ベースのコード設計を提案する。
提案したレートレスAEは、復号遅延の低減のために信頼性をトレードオフすることが望ましいシナリオにおいて、従来のAE設計よりも大幅に優れていた。
論文 参考訳（メタデータ） (2023-01-28T15:47:14Z)
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。