Calculation of Mutual Information for Partially Coherent Gaussian Channels with Applications to Fiber Optics
基于极坐标将复值信道输入与其复值输出之间的互信息分解为四个部分：幅度项、相位项和两个混合项。对加性高斯白噪声（AWGN）信道中各种输入的数值结果表明，在高信噪比（SNR）下，幅度和相位项占主导地位的混合项。对于高斯输入的AWGN信道，推导了高信噪比下的解析表达式。的分解方法被施加到部分相干的信道和属性，这样的信道称为“频谱损失”的开发。光谱损耗发生在非线性光纤信道中，并且它可能是需要考虑的一种效应，以解释最近研究中提出的非线性光纤信道的容量的行为。
2011-04-08 cs.IT math.IT
Robust 1-bit Compressive Sensing with Partial Gaussian Circulant Matrices and Generative Priors
National University of Singapore（新加坡国立大学）；Tencent（腾讯）
在1比特压缩感知中，每个测量被量化为单个比特，即未知向量的线性函数的符号，目标是准确地恢复向量。虽然最流行的是假设标准高斯感测矩阵用于1比特压缩感测，但是使用结构化感测矩阵（诸如部分高斯循环矩阵）由于其更快的矩阵运算而具有显著的实际重要性。在本文中，我们提供了一个基于相关性的鲁棒1位压缩感知的优化算法与随机签署的部分高斯循环矩阵和生成模型的恢复保证。在适当的假设下，我们匹配了以前只知道对i.i.d.~高斯矩阵，需要更多的计算。我们利用一个实用的迭代算法，并进行了数值实验上的图像数据集，以证实我们的理论结果。
2021-08-08 cs.IT cs.LG math.IT
The Optimal Input Distribution for Partial Decode-and-Forward in the MIMO Relay Channel
研究了高斯多输入多输出（MIMO）中继信道下的部分解码转发（PDF）策略。与已知高斯信道输入是最优的解码转发（DF）策略或点对点（P2P）传输不同，使高斯MIMO中继信道的可实现PDF速率最大化的输入分布迄今为止仍然未知。对于某些特殊情况，例如，对于中继信道，其中最佳PDF策略简化为DF或P2P传输，可以推断高斯输入使PDF速率最大化。然而，就一般情况而言，这个问题到目前为止仍然没有解决。在这项工作中，我们通过证明高斯MIMO中继信道的最大可实现PDF速率始终通过高斯信道输入来实现来解决这个问题。我们的证明依赖于信道增强技术，这最初是由Weingarten等人引入的。推导出高斯MIMO广播信道的（私有消息）容量区域。通过将这种技术与原始分解方法相结合，我们首先建立联合高斯源和中继输入最大化对齐高斯MIMO中继信道的可实现PDF速率。随后，我们使用一个限制的参数，以扩展这一结果从对齐的一般高斯MIMO中继信道。
2014-09-30 cs.IT math.IT
Multiple Access Gaussian Channels with Arbitrary Inputs: Optimal Precoding and Power Allocation
在本文中，我们推导出新的封闭形式的梯度的互信息相对于任意参数的两用户多址接入信道（MAC）的表达式。推导出的关系式将互信息的导数和最小均方误差（MMSE）之间的基本关系推广到多用户系统。我们证明了互信息相对于信噪比（SNR）的导数等于MMSE加上由于干扰引起的协方差，量化的一个术语相对于多用户输入估计，信道和预编码矩阵的互相关。我们还推导出新的关系的梯度的条件和非条件互信息的MMSE。利用新的基本关系，我们研究的线性预编码和功率分配政策，最大化的互信息的两个用户MAC高斯信道的任意输入分布。我们表明，线性预编码器的最佳设计可以满足一个固定点方程作为一个函数的信道和特定的设置下的输入星座。我们还表明，在多用户设置中的非相互干扰引入一个术语的梯度的互信息的最佳传输策略，特别是最佳的预编码和功率分配的设计中起着根本性的作用，并解释了损失的数据率。因此，我们提供了一个新的解释的干扰相对于信道，功率和输入估计的主用户和用户。
2014-11-06 cs.IT math.IT
Closed-Form Gaussian Estimators for Multi-Source Partial Information Decomposition
Washington University in St. Louis（华盛顿大学圣路易斯分校）
本文提出多源部分信息分解的闭式高斯估计器，通过条件独立性信息度量，提供多源冗余、独特信息及协同效应的闭式表达，验证了其在高斯基准中的有效性与计算效率。
2026-05-11 cs.IT math.IT
Minimum Rate For Partially Observable Linear System with Side Information: LQG Plant and Gaussian-Markov Source
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文针对带边信息的部分可观测线性系统，以LQG装置与高斯-马尔可夫源为对象，证明线性策略可优化条件定向信息下界，对应标量情况的优化问题为凸，结果推广了过往相关研究，数值仿真验证了边信息的作用。
2026-09-10 cs.IT cs.SY eess.SY
Gaussian BROJA Partial Information Decomposition in Closed Form
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文针对多元高斯设定下的BROJA部分信息分解问题，推导了闭式解，将高维高斯BROJA PID的计算速度提升超两个数量级，解决了连续高维变量下BROJA分解计算困难的问题。
2026-10-12 cs.IT math.IT stat.ML
On the Secrecy Rate Region of a Fading Multiple-Antenna Gaussian Broadcast Channel with Confidential Messages and Partial CSIT
本文研究了快衰落多天线高斯广播信道上的保密信息安全传输（FMGBC-CM），其中多天线发送端向两个用户发送独立的保密信息，且发送端只知道接收端的信道状态信息。我们首先使用FMGBC-CM的相同边缘属性来分类非平凡情况，即，那些没有降级到公共窃听渠道的。然后，我们通过求解信道输入协方差矩阵和膨胀因子来推导FMGBC-CM的可实现速率区域。由于复杂的速率区域公式，我们采取低信噪比分析来研究信道的特性。最后，数值例子表明，在信息论保密要求下，两个用户可以同时获得正速率。
2012-06-25 cs.IT math.IT
Maximizing the Partial Decode-and-Forward Rate in the Gaussian MIMO Relay Channel
众所周知，在高斯多输入多输出（MIMO）中继信道中，循环对称高斯信号是部分解码转发（PDF）编码方案的最优输入信号，但由于该优化问题是一个非凸问题，目前还没有找到最优协方差矩阵的方法，也没有计算最优PDF速率的方法。在本文中，我们表明，它是可能的，找到一个凸的问题，通过近似和原始分解的重新制定。我们推导出一个显式的解决方案的内部问题，以及一个显式的梯度的外部问题，使有效的切割平面方法可以应用于解决外部问题。由于这种可证明收敛的算法的精度可能会受到以前的近似，我们另外提出了一个修改后的算法，我们不能给一个收敛的保证，但它提供了严格的上限和下限的最佳原始速率最大化。在数值模拟中，这些边界在所有考虑的问题实例中变得紧密，表明所提出的方法在所有这些实例中都能找到全局最优解。
2019-11-13 cs.IT math.IT
On the Symmetric Gaussian Interference Channel with Partial Unidirectional Cooperation
考虑了一个两用户对称高斯干扰信道（IC），其中一个编码器与另一个编码器之间通过无噪声单向链路相连。具有恒定容量，附加链路提供编码器之间的部分协作。结果表明，有效的合作可以显着增加信道的总容量。这一事实是证明的基础上提出的下限和上限的和容量的比较。将数据划分为三个独立的消息，即私人的，共同的，和合作的，用于获得下界的传输策略享有一个简单的类型的韩小林计划与合作通信计划。一个基因辅助上限的开发，其中包括合作链路的能力。其他上限是基于认知无线电信道的总容量和割集界限。对于强干扰机制，可互操作性方案被简化为使用公共和/或协作消息，而不是私有消息。通过仔细的分析，它表明，这些界限之间的差距是在最多一个和两个比特每实维强和弱干扰制度，分别。此外，广义自由度的通道的特点。
2009-09-15 cs.IT math.IT
Quadratic Privacy-Signaling Games and the MMSE Information Bottleneck Problem for Gaussian Sources
我们研究了一个隐私信号博弈问题，在这个博弈中，一个有隐私问题的发送者观察到一对被建模为联合高斯的相关随机向量。发送方的目标是隐藏这些随机向量中的一个并传送另一个，而接收方的目标是准确地估计这两个随机向量。我们分析这些相互冲突的目标，在一个博弈论的框架与二次成本取决于承诺条件（发送者），我们认为纳什或Stackelberg（贝叶斯说服）均衡。我们证明了在所有可允许的策略中，一个支付占优的纳什均衡是由一组明确刻画的线性策略得到的。我们还表明，一个收益占主导地位的纳什均衡与斯塔克尔伯格均衡。我们制定我们的Stackelberg框架下的均方误差失真准则的信息瓶颈问题，其中的信息瓶颈设置有一个进一步的限制，只有一个随机变量在发送端观察。我们表明，这个MMSE高斯信息瓶颈问题承认一个线性的解决方案，这是明确的特点，在文件中。我们提供了明确的条件时，最优解，或均衡解的纳什设置，是信息或非信息。
2022-03-04 cs.IT math.IT math.OC
Exact partial information decompositions for Gaussian systems based on dependency constraints
部分信息分解（PID）[arXiv：1004.2515]提供了一个理论框架来表征和量化多变量信息共享的结构。最近提出了一种新的方法（Idep），用于计算离散空间上的双预测器PID。基于边缘依赖性约束来构建最大熵概率模型的网格，并且特定预测器具有的关于目标的唯一信息被定义为当该特定预测器-目标边缘依赖性受到约束时联合预测器-目标互信息的最小增加。在这里，我们将Idep方法应用于高斯系统，对于高斯系统，边际约束的最大熵模型是高斯图形模型。Idep PID的封闭形式的解决方案，推导出单变量和多变量高斯系统。数值和图形的说明，连同实践和理论比较的Idep PID与最小互信息PID（Immi）。[arXiv：1411.2832]特别地，证明了Immi方法通常比Idep方法产生更大的冗余和协同估计。在讨论的实际例子中，PID的补充使用偏差测试比较高斯图形模型。
2018-03-06 cond-mat.stat-mech cs.IT math.IT
Stochastic Stabilization of Partially Observed and Multi-Sensor Systems Driven by Gaussian Noise under Fixed-Rate Information Constraints
研究了在固定速率信息约束下，离散无噪信道上无界噪声驱动的不稳定多维部分观测单传感器和多传感器线性系的镇定问题.在大采样周期的限制下，在渐近紧的固定速率通信要求下实现稳定性。通过使用相似性变换，采样和随机时间漂移的条件下，我们得到的编码和控制策略，导致存在一个唯一的不变分布和有限的二阶矩的采样状态。我们使用的矢量稳定计划，其中所有模式的线性系访问一个紧凑的集合在一起无限频繁。我们证明了紧的充要条件一般多传感器的情况下，假设有关的约旦形式的结构，这样的系统。在没有这个假设的情况下，我们给出了稳定的充分条件。
2012-09-19 cs.IT math.IT math.OC
Gaussian Partial Information Decomposition: Bias Correction and Application to High-dimensional Data
针对多脑区神经元活动分析中PID计算难、统计偏差未充分探索的问题，提出多元高斯分布下的高效PID计算与有限样本偏差校正方法，可有效表征小鼠脑区间相互作用。
2023-07-20 cs.IT math.IT q-bio.NC
Partial Information Decomposition via Normalizing Flows in Latent Gaussian Distributions
Texas A&M University（德克萨斯大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出基于归一化流的高斯偏信息分解（GPID）方法，通过信息保持编码器处理非高斯数据，并设计梯度算法提升计算效率，在合成与多模态基准上验证了其准确性与实用性。
2025-10-06 cs.AI cs.CL cs.CV
