The Capacity Region of the 3-User Gaussian Interference Channel with Mixed Strong-Very Strong Interference
我们考虑3用户高斯干扰信道，并提供了一个外边界上的容量区域。在某些条件下，我们称之为混合强-甚强干扰条件，这个外界是可达到的。这些条件对应于在每个接收器处，一个发射器正在引起强干扰并且另一个正在引起非常强的干扰的情况。因此，我们描述了3用户干扰信道的容量区域与混合强-非常强的干扰。
2010-10-23 cs.IT math.IT
The Capacity Region of the One-Sided Gaussian Interference Channel
在弱干扰条件下，建立了单边高斯干扰信道的容量域。为了刻画这一区域，首先给出了单边高斯干扰信道下Han-Kobayashi内界的一种新表示。接下来，引入了一个新的外边界上的容量区域的信道，这是紧在弱干扰制度。这是在弱干扰状态中干扰信道的任何变体的第一容量区域。
2015-09-18 cs.IT math.IT
Channel Conditions for the Optimality of Interference Decoding Schemes for K-user Gaussian Interference Channels
Han-Kobayashi（HK）方案实现了K用户干扰信道（IC）的最佳已知可实现速率区域。简单的HK方案是具有高斯信令、没有分时和没有专用-公共功率分割的HK方案。简单HK方案的类别包括将干扰视为噪声（TIN）方案和涉及在每个接收机处的各种级别的干扰解码和消除的方案。我们推导出条件下，简单的HK计划实现一般K用户高斯IC的总容量。这些结果推广了现有的和容量的TIN计划类的简单HK计划的结果。
2019-01-21 cs.IT math.IT
Linear Programming based Detectors for Two-Dimensional Intersymbol Interference Channels
我们提出并研究了基于线性规划的二维的【形】码间干扰信道检测器。二维的【形】符号间干扰信道的有趣实例是磁存储、光存储和Wyner的蜂窝网络模型。我们表明，在这样的通道中的最佳最大后验概率检测适合于一个自然的线性规划为基础的次优检测器。我们称之为成对线性规划检测器。我们的实验表明，成对线性规划检测器性能不佳。然后，我们提出了两种方法来加强我们的检测器。这些检测器是基于系统地增强成对线性规划。第一个，块线性规划检测器以{ \em穷举}方式将高阶势函数作为约束添加到成对线性规划检测器。实验表明，块线性规划检测器具有接近最优检测器的性能。然后，我们开发了另一个检测器，通过{ \em自适应}增加挫折循环的成对线性规划检测器。经验上，该检测器也具有接近最优的性能，并且比块线性规划检测器更简单。
2011-02-26 cs.IT math.IT
Secure Degrees of Freedom for Gaussian Channels with Interference: Structured Codes Outperform Gaussian Signaling
在这项工作中，我们证明了一个积极的安全自由度是可以实现的一大类高斯信道，只要信道不退化，信道是完全连接的。这类信道包括MAC窃听信道、具有机密消息的2用户干扰信道、具有外部窃听者的2用户干扰信道。迄今为止，这些信道的最佳已知可实现方案使用高斯信令。在这项工作中，我们表明，结构码优于高斯随机码在高信噪比时，信道增益是实数。
2009-05-15 cs.IT math.IT
A New Outer Bound and the Noisy-Interference Sum-Rate Capacity for Gaussian Interference Channels
提出了高斯干扰信道容量域的一个新的外界。该界结合并改进了现有的基因辅助方法，并给出了本文定义的噪声干扰的总速率容量。具体地说，它表明，如果信道系数和功率约束满足一个简单的条件，那么在每个接收机的单用户检测是速率和最优的，即，将干扰视为噪声不会导致性能损失。这是第一个具体的（有限的信号噪声比）容量的高斯干扰信道的弱到中等干扰的结果。此外，对于某些混合（弱和强）干扰的情况下，新的外部边界给出了容量区域的角点。
2007-12-13 cs.IT math.IT
Noisy-interference Sum-rate Capacity of Parallel Gaussian Interference Channels
并行高斯干扰信道的和速率容量是通过在子信道上独立传输并在每个子信道中将干扰视为噪声来实现的，如果信道系数和功率约束满足一定的条件。该条件要求干扰是弱的，这是通常在例如，数字用户线传输。最优功率分配的特点是使用的和速率容量作为功率约束的函数。
2009-03-03 cs.IT math.IT
Receive Diversity and Ergodic Performance of Interference Alignment on the MIMO Gaussian Interference Channel
本文研究了当信噪比不渐近高时，K用户高斯MIMO干扰信道（MIMO-IC）上的干扰对齐问题。我们介绍了一个泛化IA，使接收分集内的无干扰子空间。我们概括的存在性标准的IA解决方案提出的Yetis等人。这种情况下，从而建立一个多用户分集复用权衡（DMT）的干扰信道。此外，我们推导出一个封闭形式的紧下界的遍历互信息可实现使用IA在高斯MIMO-IC与高斯i.i.d.当发射信号在IA定义的子空间内为白色时，在任意SNR下的信道系数。最后，作为前面的结果的应用程序，我们比较IA在DMT允许的各个操作点所实现的性能，最近推出的基于博弈论的分布式方法。
2010-06-23 cs.IT math.IT
Capacity of Symmetric K-User Gaussian Very Strong Interference Channels
本文研究了具有K个发射机和K个接收机的对称K用户高斯干扰信道。一个“非常强”的干扰制度，推导出此信道设置。“非常强”的干扰状态是其中干扰信道的容量区域与没有干扰的信道的容量区域相同的状态。在这种情况下，干扰可以被所有接收机完美地消除，而不会招致任何速率惩罚。还提出了用于示例对称K用户确定性干扰信道的“非常强”干扰条件。
2008-08-17 cs.IT math.IT
New Outer Bounds on the Capacity Region of Gaussian Interference Channels
最近的高斯干扰信道的容量区域上的外部边界被推广到$m$ -具有$m>2$和非对称功率和串扰系数的用户信道。再次示出的界限，给出高斯干扰信道的总速率容量与低功率和串扰系数。通过在每个接收机处使用单用户检测来实现容量，即，将干扰视为噪声不会导致性能损失。
2008-01-14 cs.IT math.IT
On the Sum Capacity of K-user Cascade Gaussian Z-Interference Channel
$K$ -用户级联高斯Z-干扰信道是一般$K$ -用户高斯干扰信道的子类，其中除了第一个用户之外的每个用户仅经历来自先前用户的干扰。在简单的Han-Kobayashi方案假设高斯输入和没有分时，它表明，最大和速率是由每个用户发送公共或私人信号。对于K=3，识别所实现的和速率等于或在和容量的0.5比特内的信道条件。
2011-06-13 cs.IT math.IT
A New Capacity Result for the Z-Gaussian Cognitive Interference Channel
基于多天线广播信道的容量，提出了一种新的高斯认知干扰信道的外界估计方法。然后，它表明，对于Z通道，即，当次接收机没有受到干扰而主接收机受到强干扰时，所提出的外边界不仅是已知边界中最紧的，而且对于足够强的干扰实际上是可实现的。后者是一种新的容量结果，从数值评估来看，似乎可以推广到更大的（即，非Z）类高斯信道。
2011-02-16 cs.IT math.IT
On Gaussian Multiple Access Channels with Interference: Achievable Rates and Upper Bounds
我们研究了两个干扰高斯2用户多址接入信道之间的相互作用。在混合强--极强干扰和个别很强干扰下，容量区域具有特征。此外，在非常强的干扰的较少限制的定义下推导出总容量。最后，一般上限的总和容量提供，这是近紧的弱交叉链接。
2011-03-13 cs.IT math.IT
Symmetric Two-User Gaussian Interference Channel with Common Messages
本文研究了具有公共信息的对称两用户高斯干扰信道。我们推导出一个上限的总和容量，并表明，上界是紧在低干扰制度，其中最佳的传输方案是发送没有共同的消息，每个接收机将干扰作为噪声。我们的研究结果表明，虽然共同的消息的可用性提供了一个合作的机会，发射机，在低干扰制度的共同消息的存在并不有助于增加总容量。
2014-01-20 cs.IT math.IT
At Every Corner: Determining Corner Points of Two-User Gaussian Interference Channels
利用几乎高斯随机向量、几乎无损随机向量和几乎线性相关随机向量的概念，确定了强干扰和弱干扰下两用户高斯干扰信道容量域的角点。特别是，“失踪”的角点问题的解决方式，不同于以前的作品，它避免了使用集成在一个连续的SNR值或Monge-Kantorovitch运输问题。
2017-02-21 cs.IT math.IT
Sum Capacity of Gaussian Interfering Multiple Access Channels in the Low Interference Regime
这篇论文因证明错误而被撤回。
2011-05-23 cs.IT math.IT
The Approximate Capacity of the Many-to-One and One-to-Many Gaussian Interference Channels
最近，Etkin，Tse和Wang发现两用户高斯干扰信道的容量区域在1比特/秒/赫兹之内。一个自然的目标是将这种方法应用到具有任意数量的用户的高斯干扰信道。我们朝着这个目标取得进展，找到的能力区域的多对一和一对多高斯干扰信道内的一个恒定的比特数。结果利用确定性模型来提供对高斯信道的洞察。确定性模型明确了信号尺度的维数。出现了一个中心主题：使用格码在信号尺度上对齐干扰信号。
2008-09-21 cs.IT math.IT
Achievable Rates for K-user Gaussian Interference Channels
本文的目的是研究可实现的速率为$K$用户高斯干扰信道的任何SNR使用格型和代数码的组合。格码首先用于将高斯干扰信道（G-IFC）转换为离散输入输出无噪声信道，随后开发代数码以在此新字母表上实现良好的速率。在这种情况下，一个数量称为效率，它反映了代数编码策略的有效性。本文首先解决了寻找高效代数码的问题。这些代码与构造A格的组合，然后用于实现非平凡的原始高斯干扰信道的速率。
2011-09-25 cs.IT math.IT
A Layered Lattice Coding Scheme for a Class of Three User Gaussian Interference Channels
本文研究了一类三用户高斯干扰信道。提出了一种新的分层格型编码方案作为传输策略。格码的使用允许在每个接收器处观察到的干扰的“对准”。分层点阵编码示出实现一个以上的自由度的一类干扰信道，也实现了比使用汉-小林编码方案获得的速率更好的速率。
2008-09-25 cs.IT math.IT
Transmission Schemes for Gaussian Interference Channels with Transmitter Processing Energy
这项工作考虑了高斯干扰信道的通信与处理能量成本，这明确地考虑到能量消耗的处理时，发射机是on.In处理能量成本的存在下，在传统的无成本的情况下，发送所有的时间不再是最优的。针对具有处理能量开销的两用户高斯干扰信道，假设发射机的开关状态不被用于信令，提出了几种不同复杂度的传输方案，并将它们的和速率与无干扰的上界进行了比较。此外，非常强的干扰制度下，干扰不会招致任何速率惩罚，被确定和示出为大于没有处理能量成本的情况下，某些情况下的利益。此外，扩展到一个三用户级联高斯Z干扰信道的处理能量成本，其中用户传输的信道设置的基础上的调度进行了研究。
2013-07-14 cs.IT math.IT
The Two User Gaussian Compound Interference Channel
本文引入了两用户有限状态复合高斯干扰信道，并将其容量域刻画在一比特以内。主要贡献包括新颖的内部和外部边界。内界是多级叠加编码，但各级的解码是机会性的，取决于信道状态。精灵辅助的外边界是由可实现方案的典型错误事件激发的。
2008-05-01 cs.IT math.IT
Primary Rate-Splitting Achieves Capacity for the Gaussian Cognitive Interference Channel
认知干扰信道对认知覆盖无线电系统进行建模，其中认知无线电偷听相邻节点的传输。这个频道的容量一般是未知的。对于高斯情况，容量在三种机制中是已知的，通常表示为“弱干扰”、“非常强的干扰”和“初级认知解码”。本文提供了一个新的容量结果，基于速率分裂的主要用户的消息到一个公共和私人的一部分，并概括了能力的结果在“非常强的干扰”和“主要解码认知”制度。这一结果表明，认知干扰信道的容量不仅取决于信道条件，但也与主用户的合作水平。
2012-04-10 cs.IT math.IT
On the Capacity of Gaussian Weak Interference Channels with Degraded Message sets
本文的动机是一个传感器网络上的相关领域，附近的传感器共享信息，从而可以帮助，而不是相互干扰。我们考虑一类特殊的两个用户高斯干扰信道（IFC），其中两个发射机之一都知道要传达给两个接收机的消息。当干扰弱于直接链路（所谓的弱IFC）时，为具有高斯输入和高斯噪声的信道提供了可扩展性和逆参数。一般来说，该区域充当弱IFC容量的外部边界，发射机之间没有共享知识。
2006-05-17 cs.IT math.IT
On the Gaussian Z-Interference Channel with Processing Energy Cost
这项工作考虑了一个高斯干扰信道的处理能量成本，其中明确考虑到处理时，每个发射机的能量消耗。与处理开销，突发传输在每个发射机一般变得更有利。假设开关状态不携带信息，对于两个用户的Z-干扰信道，新的制度非常强的干扰被确定，并示出与传统的相比被放大。当受干扰的接收机自己的发射机静默时进行监听，对于宽范围的交叉链路功率增益，可以实现或接近和速率的无干扰上限。
2011-11-22 cs.IT math.IT
On the Capacity of the K-User Cyclic Gaussian Interference Channel
本文研究了$K$ -用户循环高斯干扰信道的容量域，其中$k$第用户只干扰网络中的$(k-1)$第用户（mod $K$）.受Etkin、Tse和Wang的工作的启发，他们导出了两用户高斯干扰信道的容量区域外界，并证明了简单的Han-Kobayashi功率分裂方案可以实现对于所有信道参数值在容量区域的一个比特内，本文表明，类似的策略也能达到$K$的容量区域，用户循环干扰信道在弱干扰状态下处于恒定间隙内。具体地说，首先推导出一个紧凑的表示的Han-Kobayashi可达速率区域使用Fourier-Motzkin消除，然后建立一个容量区域的外边界。结果表明，Etkin-Tse-Wang功率分裂策略给出了一个恒定的差距，最多两个比特（或每维1比特）在弱干扰制度。最后给出了强干扰条件下$K$ -用户循环高斯干扰信道的容量结果。
2012-05-19 cs.IT math.IT
On the Separability of Parallel Gaussian Interference Channels
本文研究了平行高斯干扰信道（PGIC）中的可分性。本文将Sung \emph{et al.}关于单侧PGIC（OPGIC）的可分性结果推广到双侧PGIC（TPGIC）.具体来说，对于强和混合TPGIC，我们证明了分离的必要和充分条件。为此，我们证明了对角协方差矩阵是强混合TPGIC的和率最优。
2009-05-11 cs.IT math.IT
Sum Capacity of MIMO Interference Channels in the Low Interference Regime
使用高斯输入并在接收机处将干扰视为噪声，最近已被证明是在低干扰状态（其中干扰水平低于某些阈值）下实现两用户单输入单输出（SISO）高斯干扰信道的总容量。在本文中，这样的低干扰制度的特点是多输入多输出（MIMO）高斯干扰信道。在直接和交叉信道增益矩阵上提供了条件，在该条件下，使用高斯输入并在接收机处将干扰视为噪声是实现和容量的条件。对于对称多输入单输出（MISO）和单输入多输出（SIMO）高斯干扰信道的特殊情况下，更明确的表达式为低干扰制度。特别地，表征低干扰状态的干扰电平的阈值与输入SNR以及直接和交叉信道增益向量之间的角度有关。它示出的低干扰制度可以是相当显着的MIMO干扰信道，与低干扰阈值至少一样大的直接和交叉信道增益矢量之间的角度的正弦的MISO和SIMO的情况。
2010-10-22 cs.IT math.IT
The Capacity of Mixed and One-Sided Gaussian Interference Channels
本文增加了对高斯干扰信道容量域的理解。为此，容量区域的单侧高斯干扰信道的第一个充分的特点。这是通过引入一个新的代表性的韩小林区域，并提供一个新的外边界上的能力区域，这是紧在弱干扰和强干扰制度。根据该容量结果，立即建立退化高斯干扰信道的容量区域。接下来，通过组合弱干扰状态和强干扰状态中的单侧干扰信道的容量区域，在各种干扰状态中引入干扰信道的容量区域上的新的外边界。然后证明了对应于混合干扰制度的外边界，其中一个接收器受到强干扰，而另一个接收器受到弱干扰，在这个制度的宽范围内是紧的。总的来说，新的容量结果证实了解码部分干扰并将其余部分视为噪声的最优性。要解码的最佳量从干扰信号的0到100%变化，这取决于用户速率的相对重要性（即，加权和速率中的权重比）、它们的传输功率以及弱干扰链路的增益。基于上述参数，明确地找到最佳值。
2015-09-21 cs.IT math.IT
Interference alignment-based sum capacity bounds for random dense Gaussian interference networks
我们考虑一个密集的$K$用户高斯干扰网络形成的成对的发射机和接收机放置在一个固定的空间区域中随机独立。在节点位置分布和信号衰减的自然条件下，我们证明了平均每用户容量$\csum/K$的概率收敛到$\half \ep \log(1 + 2 \SNR)$。可扩展性的结果直接从结果的基础上提出的干扰对齐计划在最近的工作Nazer等人。我们的主要贡献是通过一个上限，激励思想的“瓶颈容量”开发在最近的工作Jafar。通过控制发射机-接收机对的物理位置，我们可以匹配这些对中的大部分以形成所谓的$ε$瓶颈链路，从而控制总容量。
2009-07-29 cs.IT math.IT
Transmit Optimization with Improper Gaussian Signaling for Interference Channels
本文研究了在加性高斯白噪声（AWGN）干扰信道中，当采用不适当或循环非对称复高斯信号时的可达速率。对于高斯多输入多输出干扰信道（MIMO-IC），将干扰视为高斯噪声，证明了用户的可达速率可以表示为传统的正常或循环对称复高斯信号可达速率与用户的发送协方差矩阵之和，其是用户的发射协方差和伪协方差矩阵的函数。伪协方差矩阵中的附加自由度（其对于适当的高斯信令的情况通常被设置为零）提供了通过采用不适当的高斯信令来进一步提高高斯MIMO-IC的可实现速率的机会。为此，本文提出了广泛的线性预编码，有效地映射适当的信息承载信号不适当的发送信号在每个发射机的任何给定的一对发送协方差和伪协方差矩阵。特别地，针对两用户高斯单输入单输出干扰信道（SISO-IC）的情况，提出了一种基于非正常高斯信令的协方差和伪协方差联合优化算法，以实现Pareto最优速率。通过利用可达速率表达式的可分离结构，提出了一种基于协方差和伪协方差分离优化的算法，保证了比传统的正高斯信号更高的速率。
2013-03-11 cs.IT math.IT
Gaussian Z-Interference Channel with a Relay Link: Achievability Region and Asymptotic Sum Capacity
本文研究了高斯Z干扰信道，从一个接收机到另一个接收机的数字中继链路具有速率限制。基于Han-Kobayashi公共-私有信息分离技术和几种不同的中继策略（包括压缩转发和部分解码转发策略）的组合，推导出了可扩展的速率区域。对于高斯Z-干扰信道，从无干扰接收机到受干扰接收机的数字链路，在强干扰状态下建立容量区域;在弱干扰状态下建立可实现速率区域。在弱干扰情况下，部分解码转发策略在高信噪比和高干扰噪声比极限下是渐近和容量实现的。在这种情况下，每个中继比特渐进地将总容量提高一个比特。对于高斯Z-干扰信道，从受干扰接收机到无干扰接收机的数字链路，在强干扰状态下建立容量区域;在中等强度和弱干扰状态下建立可实现速率区域。在中继链路速率较大的情况下，建立了系统容量的渐近和。在这种情况下，当干扰链路弱于某个阈值时，由于数字链路而导致的总容量改善被半比特限制，但是当干扰链路变得更强时，总容量改善变得无限制。
2012-04-25 cs.IT math.IT
On Multi-Cell Uplink-Downlink Duality with Treating Inter-Cell Interference as Noise
我们认为，在下行链路蜂窝网络建模为高斯干扰广播信道的小区间干扰作为噪声处理的信息理论的最优。建立一个新的上行链路-下行链路的对偶性，我们投在高斯干扰广播信道的问题，在高斯干扰多址接入信道，并描述了一个可实现的GDOF区域下的功率控制和治疗小区间干扰（高斯）噪声。然后，我们确定的条件下，这个可实现的GDoF区域是最佳的。
2019-01-17 cs.IT math.IT
The two-user Gaussian interference channel: a deterministic view
本文从自然确定性信道模型出发，研究了双用户高斯干扰信道。主要结果是，确定性信道均匀近似高斯信道，容量区域不同的一个通用常数。因此，在恒定误差内找到高斯信道的容量的问题被简化为找到更简单的确定性信道的容量的问题。因此，本文提供了一个替代推导最近的恒定间隙容量表征的Etkin，谢，王。此外，确定性模型提供了对高斯信道的重要见解。
2008-07-21 cs.IT math.IT
Approximate Capacity of Gaussian Interference-Relay Networks with Weak Cross Links
在本文中，我们研究了高斯中继干扰网络，其中中继（助手）节点是为了促进竞争的信息流在无线网络中。我们专注于一个两阶段的中继干扰网络，其中有弱的交叉链接，导致网络的行为像一个链的Z高斯信道。对于这些高斯ZZ和ZS网络，我们建立了速率区域的近似表征。利用基因辅助技术建立了容量区域的外边界，该技术产生的边界比传统的割集外边界更清晰。对于ZZ网络的内界，我们提出了一种新的干扰管理方案，称为干扰中和，这是使用结构格码实现的。该技术允许空中干扰去除，而无需发射机完全访问干扰信号。对于ZZ和ZS网络，我们建立了一个新的网络分解技术，（近似）实现的容量区域。我们使用从相应的线性确定性版本的问题的精确表征中获得的见解，以建立高斯网络的近似表征。
2010-05-03 cs.IT math.IT
Asymptotic Sum-Capacity of Random Gaussian Interference Networks Using Interference Alignment
我们考虑一个密集的n用户高斯干扰网络形成的成对的发射机和接收机放置在随机的欧几里德空间。在节点位置分布和信号衰减的自然条件下，证明了平均每用户容量C_Sigma/n依概率收敛于1/2 Elog（1 + 2SNR）。可扩展性的结果直接从结果的基础上提出的干扰对齐计划在最近的工作Nazer等人。我们的主要贡献来自通过相反的结果，动机的想法'瓶颈链接'在最近的工作Jafar开发。信息论的参数给出了这样的瓶颈链路的容量限制，概率计数参数显示有足够多的这样的链路，以紧密约束整个网络的总容量。
2010-06-02 cs.IT math.IT
Interference Avoidance Game in the Gaussian Interference Channel: Sub-Optimal and Optimal Schemes
本文研究了高斯干扰信道中采用频率分配的分布式干扰避免问题。将公共信道划分为多个子信道，每个用户选择干扰较小的子信道作为发送信道。本文提出的干扰回避机制可以建模为一个竞争博弈模型。并采用一种完全自治的分布式迭代算法--Tdistributed interference avoidance algorithm（DIA）来求解博弈的纳什均衡T（NE）。由于DIA算法具有自寻优特性，因此是一种次优算法。因此，通过引入一个最优补偿的竞争博弈模型，我们成功地开发了一个基于补偿的博弈模型来近似最优干扰避免问题。此外，一个最佳的算法称为迭代最佳干扰避免算法（IOIA）的建议，以达到最优的干扰避免方案。我们分析了这两种算法的实现复杂度。我们还证明了所提出的算法的收敛性。性能上界和下界也推导出所提出的算法。仿真结果表明，在干扰避免机制下，IOIA确实达到了最优。
2010-03-22 cs.IT math.IT
K-user Interference Channels: General Outer Bound and Sum-capacity for Certain Gaussian Channels
本文导出了一般无记忆干扰信道容量域的一个外界。推导如下从一个概括的技术开发的克莱默和Etkin等人的高斯双用户信道。导出的边界是对任何无记忆通道有效的第一个已知的外部边界。在高斯噪声中，信道的类别，建议的界给出了总速率容量的确定，包括退化的信道和一类Z-信道。
2011-02-16 cs.IT math.IT
On the Sum Capacity of Many-to-one and One-to-many Gaussian Interference Channels
我们得到新的和容量的高斯多对一和一对多的干扰信道的信道参数制度，其中的总和容量是已知的，只有一个恒定的差距。简单的Han-Kobayashi（HK）方案，即，HK计划高斯信令，没有时间共享，没有公共私人功率分裂，实现总和容量的信道条件下，获得新的结果。为了获得和容量的结果，我们表明，基因辅助上界匹配的简单HK计划在一定的信道条件下可实现的和速率。
2017-05-03 cs.IT math.IT
Gaussian Interference Channel with Intermittent Feedback
我们研究如何利用间歇反馈的干扰管理，通过研究两个用户的高斯干扰信道（IC）。我们近似表征（在一个普遍的常数）的高斯IC间歇反馈的容量区域。我们准确地描述了线性确定性版本的问题的容量区域，这使我们深入了解高斯问题。我们发现，该特性只取决于前向信道参数和边缘概率分布的每个反馈链路。结果表明，在高斯干扰信道中，可以利用无源不可靠反馈提供乘性容量增益。我们发现，当反馈链路是积极的，具有足够大的概率，完美的反馈和容量内实现一个恒定的差距。与其他方案相比，干扰信道的反馈，我们实现的方案利用量化映射和转发中继通过反馈获得的信息，执行前向解码，并且不使用结构化码。我们还开发了新的外边界，使我们能够获得（近似）表征的容量区域。
2015-08-30 cs.IT math.IT
On the Optimality of Treating Interference as Noise for $K$ user Parallel Gaussian Interference Networks
Geng等人最近已经表明，在$K$用户高斯干扰网络中，如果对于每个用户，期望信号强度不小于来自该用户的最强干扰和对该用户的最强干扰的强度之和，则（所有信号强度均以dB刻度测量），则功率控制和将干扰视为噪声（TIN）足以实现整个广义自由度（GDoF）区域。出于Avestimehr等人的确定性模型（ADT确定性模型）特别适合探索TIN的最优性的直觉，Geng等人的结果首先在ADT确定性模型下重新访问，并被证明可以直接转换高斯和确定性设置。接下来，我们专注于这些结果的扩展到并行干扰网络，从总和容量/总和GDoF的角度来看。为此，我们解释了显式表征的总和容量/总和GDoF的TIN最优网络（没有并行通道）作为一个最小加权匹配问题，在组合优化，并获得一个简单的表征方面的分区的干扰网络顶点不相交的循环。借助于循环划分的见解，$K$用户并行干扰网络的TIN的总容量最优性的特征在于ADT确定性模型，最终导致相应的高斯设置的GDOF结果。在这两种情况下，在轻微的可逆性条件下，TIN的最优性以可分离的方式扩展到并行网络。
2014-01-13 cs.IT math.IT
MIMO Z-Interference Channels: Capacity Under Strong and Noisy Interference
针对多输入多输出高斯Z干扰信道，分别建立了强干扰和对齐强干扰情况下的信道容量域。这种信道的总速率容量是在噪声干扰下建立的。这些结果推广了标量高斯Z干扰信道的已知结果。
2009-11-24 cs.IT math.IT
On the Capacity of the $K$-User Cyclic Gaussian Interference Channel
本文研究了$K$ -用户循环高斯干扰信道的容量域，其中$k$第用户只干扰网络中的$(k-1)$第用户（mod $K$）.受到Etkin、Tse和Wang的工作的启发，他们导出了两用户高斯干扰信道的容量区域外界，并证明了一个简单的Han-Kobayashi功率分配方案对于所有信道参数值都可以在容量区域的一个比特内实现，本文表明，类似的策略也达到了$K$的容量区域，用户循环干扰信道在弱干扰状态下处于恒定间隙内。针对$K$ -用户循环高斯干扰信道，首先利用Fourier-Motzkin消去法推导出Han-Kobayashi可达速率域的一个紧凑表示，然后建立容量域的外界.结果表明，Etkin-Tse-Wang功率分配策略在弱干扰状态下给出了至多2比特的恒定间隙。对于特殊的3个用户的情况下，这个差距可以锐化为1 1/2位的几个不同的策略的时间共享。最后给出了强干扰条件下$K$ -用户循环高斯干扰信道的容量结果。在此基础上，进一步研究了对称循环干扰信道的广义自由度。结果表明，无论网络中有多少用户，对称容量的GDoF与经典的两用户干扰信道的GDoF相同。
2012-08-31 cs.IT math.IT
Sum Capacity of K User Gaussian Degraded Interference Channels
本文研究了K用户高斯干扰信道的Genie-MAC（多址接入信道）外界族。这个家庭的灵感来自现有的基因辅助边界机制，但不同于目前的方法，在其优化问题的制定和应用。这些边界背后的基本思想是创建一组精灵接收器，形成多个接入信道，可以解码原始干扰信道的消息的子集。每个精灵接收机的MAC总和容量提供了该子集的速率总和的外边界。Genie-MAC的外边界被用来获得新的和容量的结果。特别地，本文推导了K用户高斯退化干扰信道的封闭形式的和容量。示出的总和容量实现方案是一个连续的干扰消除方案。该结果将两用户信道的已知结果推广到K用户信道。
2010-06-28 cs.IT math.IT
Security in The Gaussian Interference Channel: Weak and Moderately Weak Interference Regimes
我们考虑一个安全的通信场景，通过两个用户的高斯干扰信道：每个发射机（用户）有一个机密的消息，可靠地发送到其预期的接收器，同时保持它的秘密从其他接收器。先前的工作调查了两种不同的方法，这种情况下的性能; i.i.d.高斯随机码与结构码的实对齐。虽然后者实现了最优的安全自由度（s.d.o.f.）总和，但是将其扩展到有限SNR范围是具有挑战性的。在本文中，我们提出了一个新的可扩展性计划的弱和中等弱的干扰制度，其中的可靠性以及传输的消息的机密性保持在任何有限的SNR值。我们的方案使用格结构，结构化的干扰码字，并在编码和解码的非对称计算和转发策略的格对齐。我们表明，我们的下限和安全率的规模与log（SNR）线性，因此，它优于i.i.d.高斯随机码此外，我们证明了我们的可实现的结果是渐近最优的。最后，我们提供了一个讨论我们的计划K>2用户的扩展。
2016-04-25 cs.IT math.IT
On the Performance of Low Density Parity Check Codes for Gaussian Interference Channels
在本文中，两个用户的高斯干扰信道（GIC）的目的是开发可实现的（显式）信道编码。具体而言，低密度奇偶检验（LDPC）码采用这些信道上使用，和他们的好处进行了研究。考虑了干扰水平的不同情况。特别是，对于强干扰信道的例子与二进制相移键控（BPSK），它表明，比单用户码提供的分时的速率是可以实现的。用正交频移键控（QPSK）也观察到了有希望的结果。在一般干扰下，采用基于Han-Kobayashi编码的方案，将信息分成公共和私有部分，并在接收机处利用适当的迭代解码器。在两个发射机使用QPSK调制，它示出，获得的速率点高于那些可实现的分时。
2013-10-30 cs.IT math.IT
A Geometrical Description of the SINR Region of the Gaussian Interference Channel: the two and three-user case
本文讨论的问题，计算可达到的速率为两个（和三个）用户共享一个相同的频带没有协调，从而相互干扰。因此，它主要涉及认知无线电研究领域，因为我们寻找可实现的频谱使用效率的提高。它还与高斯干扰信道（GIC）的容量区域的长期存在的问题密切相关，因为没有用户协调的假设（以及所有信号和干扰都是高斯的基本假设）。我们给出了几何描述的SINR区域的两个用户和三个用户的信道。这种几何方法提供了一个封闭形式的表达的容量区域的两个用户的干扰信道和一个有见地的已知的最佳功率分配方案。
2008-09-18 cs.IT math.IT
On the Capacity of Multiple-Access-Z-Interference Channels
研究了多址接入信道（MAC）对单用户信道产生干扰时网络的容量。在离散情况下，建立了基于叠加编码和联合译码的可达码率域。在干扰很强的情况下，得到了离散无记忆信道和高斯信道的容量域。对于强干扰情况，建立了离散无记忆信道的容量区域;对于高斯信道，在容量区域的边界上得到了一条直线。此外，高斯信道的容量区域被确定的情况下，当一个干扰链路是强的，和其他非常强。对于混合干扰高斯信道的一个子类，确定了容量区域的边界点。最后，在弱干扰高斯信道下，得到了不同信道系数和功率约束条件下的总容量。
2012-09-05 cs.IT math.IT
Capacity Bounds for the Gaussian Interference Channel
研究了两用户高斯干扰信道的容量域。三类渠道被认为是：弱，单侧，混合高斯IC。对于弱高斯IC，一个新的外边界上的容量区域，获得优于以前已知的外边界。在一定的信道参数范围内的总容量推导。对于这个范围，证明了使用高斯码本和将干扰作为噪声处理是最佳的。结果表明，当使用高斯码本，完整的Han-Kobayashi可实现的速率区域可以通过使用朴素的Han-Kobayashi可实现的方案在三个频带（相当于，三个子空间）。对于单侧高斯IC，给出了Sato外界的另一种证明。我们推导出完整的韩小林可实现的速率区域时，高斯码本利用。对于混合高斯IC，获得了一个新的外界，优于以前已知的外界。对于这种情况下，推导出整个信道参数范围的总容量。证明了在一定的信道参数范围内，采用高斯码本的全Han-Kobayashi可达速率域等价于单边高斯码本的可达速率域。
2008-01-08 cs.IT math.IT
Outage analysis of Block-Fading Gaussian Interference Channels
本文通过分集复用折衷，研究了高信噪比条件下双信源块衰落单天线高斯干扰信道的渐近行为。我们考虑一个一般的设置，用户和平均信道增益不限于对称。我们的结果不仅仅是对称网络的先前结果的扩展，因为我们的设置涵盖了在对称假设下不可能的场景，例如“混合”干扰的情况，即，当不同的源与它们的预期接收器具有不同的距离时。我们得到的多样性的上限和下限。我们表明，对于一个相当大的一组信道参数的两个界限重合。
2009-08-03 cs.IT math.IT
On LDPC Codes for Gaussian Interference Channels
本文针对两用户高斯干扰信道（GIC），以设计低密度奇偶校验（LDPC）码为目标，研究了Han-Kobayashi（HK）编译码策略。提出了一种通过跟踪平均互信息来实现随机扰动的码优化算法。针对强干扰信道和弱干扰信道，采用二进制相移键控（BPSK）进行了度分布优化和收敛门限计算。在强干扰下，可以观察到优化码接近容量边界工作。对于弱干扰的情况下，它表明，通过新设计的代码，一个非平凡的速率对是可以实现的，这是不可能实现的单用户码与分时。设计的LDPC码的性能也研究了有限的块长度，通过模拟特定的代码挑选从优化的度分布。
2014-05-24 cs.IT math.IT
Universal Decoding for Gaussian Intersymbol Interference Channels
针对码间干扰高斯信道，提出了一种通用的译码方法。建议的解码器的普遍性是在意义上的独立的各种信道参数，并在同一时间，达到相同的随机编码误差指数的最佳最大似然（ML）解码器，它利用这些未知参数的全部知识。建议的解码规则可以被看作是一个通用的最大互信息（MMI）解码器的频域版本。相反，以前建议的ISI信道的通用解码器，我们建议的解码度量可以很容易地进行评估。
2014-03-15 cs.IT math.IT
Generalized Degrees of Freedom of the Symmetric Gaussian $K$ User Interference Channel
我们的特点的$K$用户对称高斯干扰信道的广义自由度，其中所有期望的链接具有相同的信号-噪声比（SNR）和所有不期望的链接进行干扰具有相同的干扰-噪声比，${INR}={SNR}^α$。我们发现，每个用户，$d(α)$，广义自由度的数量不依赖于用户的数量，使表征是相同的2个用户干扰信道，除了在$α=1$的奇异性，其中$d(1)=\frac{1}{K}$。可实现的方案使用具有嵌套网格结构的多级编码，这使得即使干扰信号携带的消息不可解码，也可以在接收器处解码干扰信号的总和。
2008-04-28 cs.IT math.IT
On the Sum Capacity of the Gaussian X Channel in the Mixed Interference Regime
在本文中，我们分析了高斯X信道的混合干扰制度。在这种制度下，多址传输到一个接收器被示出为接近最佳的总和速率。三个上限推导出的混合干扰制度的总容量，并确定这些界限中的每一个占主导地位的其他子区域。genie辅助和容量上界也表明，总容量和多址传输方案的总速率之间的差距是很小的混合干扰区域的一个重要部分。对于任何δ> 0，确定到接收器之一的多址传输在总容量的δ内的区域。
2015-05-23 cs.IT math.IT
Approximate Nash Region of the Gaussian Interference Channel with Noisy Output Feedback
本文对所有$η\geqslant 1$，给出了带噪声信道输出反馈的两用户高斯干扰信道的可达纳什均衡（$η$）域。在每个发射机-接收机对选择其自己的发射-接收配置以便最大化其自己的单独信息传输速率的情况下获得该结果。在一个$η$ -NE上，任何一对的任何单边偏差都不会使相应的单个速率增加超过每个信道使用的$η$比特。
2018-09-19 cs.IT math.IT
