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
Capacity Bounds and Sum Rate Capacities of a CLass of Discrete Memoryless Interference Channels
本文研究了一类离散无记忆干扰信道的容量，其中干扰的定义类似于单侧弱干扰的高斯干扰信道。确定了这类信道的和速率容量。与高斯情况一样，通过让受到干扰的收发器对以使得其消息可以在非预期接收器处使用单用户检测解码的速率通信来实现总速率容量。它还建立了这类离散无记忆干扰信道是等效的容量区域某些退化的干扰信道。这允许使用相关联的降级广播信道的容量区域来构建容量外边界。同样的技术，然后使用确定的和速率容量的离散无记忆干扰信道的混合干扰的定义在文件中。利用得到的容量界和速率和容量，求解了几种新的离散无记忆干扰信道的容量。
2013-03-08 cs.IT math.IT
Noisy-Interference Sum-Rate Capacity for Vector Gaussian Interference Channels
在矢量高斯干扰信道中，将干扰视为噪声，得到了信道达到和速率容量的新的充分条件，推广了已有的结果。得到了多输入单输出和单输入多输出情形下的更简洁的条件。
2011-08-03 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
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
Interference Cancellation trough Interference Alignment for Downlink of Cognitive Cellular Networks
在这封信中，我们提出了通过干扰对齐在认知蜂窝网络的下行链路的干扰消除。干扰对齐有助于在主小区和辅小区之间共享空间资源，因此，它可以通过干扰消除提供更高的自由度。我们推导并描述了可实现的自由度。分析和计算了注水最优功率分配的可达和速率。
2014-11-24 cs.IT math.IT
Capacity Regions and Sum-Rate Capacities of Vector Gaussian Interference Channels
针对甚强干扰和对齐强干扰，建立了矢量或多输入多输出高斯干扰信道的容量域。此外，针对Z干扰、噪声干扰和混合（对齐的弱/中间和对齐的强）干扰建立了和速率容量。这些结果推广了标量高斯干扰信道的已知结果。
2009-07-02 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
The Capacity of the Interference Channel with a Cognitive Relay in Very Strong Interference
具有认知中继的干扰信道由具有两个源-目的地对的经典干扰信道和具有源的消息的先验知识并辅助源的传输的附加认知中继组成。我们推导出一个新的外边界为这个通道使用的参数最初设计的“更有能力”的广播信道，并显示在“非常强的干扰”制度，一类的渠道，如果两个目的地解码两个消息的最优性没有损失的建议的外边界的可扩展性。该结果类似于经典干扰信道和认知干扰信道的“非常强干扰”容量结果，并且是具有认知中继的一般干扰信道的第一容量已知容量结果。
2011-02-16 cs.IT math.IT
On the Achievability of Interference Alignment in the K-User Constant MIMO Interference Channel
研究了K用户MIMO干扰信道中的干扰对齐问题。针对发射天线数等于接收天线数（NT = NR = N）、发射机-接收机对数等于K = N + 1、所有干扰对齐复用增益均为1的情况，提出了一种新的构造性干扰对齐解的求解方法.该方法的核心包括解决一个特征值问题，其中包括所有干扰链路的信道矩阵。该过程提供了洞察信号向量空间对齐方案在有限维MIMO干扰信道中的可行性。
2009-04-28 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
Capacity Region of Layered Erasure One-sided Interference Channels without CSIT
本文研究了一种分层擦除干扰信道模型，它是利用确定性模型方法对具有衰落的高斯干扰信道的简化。特别地，分层擦除单侧干扰信道的容量区域是完全确定的，假设信道状态信息（CSI）是已知的接收机，但没有CSI在发射机（CSIT）。结果适用于任意衰落统计。Aggarwal、Sankar、Calderbank和Poor关于几种干扰配置下的容量域或总容量的先前结果被证明是本文所示容量域的特例。
2009-09-06 cs.IT math.IT
Joint Space Decomposition-and-Synthesis Theory for K-User MIMO Channels: Interference Alignment and DoF Region
研究了K用户MIMO干扰信道中干扰对齐的自由度问题。
2013-08-08 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
Low Complexity Opportunistic Interference Alignment in $K$-Transmitter MIMO Interference Channels
在本文中，我们提出了低复杂度的机会干扰对齐方法，在$K$发射机MIMO干扰信道，利用多用户分集。我们不假设在发射机处信道状态信息（CSI）的可用性。接收机需要反馈指示接收到的干扰子空间被对准的程度的模拟值。所提出的机会干扰对齐（OIA）实现了与传统OIA方案相当的和速率，但具有显著降低的计算复杂性。
2015-09-29 cs.IT math.IT
The Capacity of More Capable Cognitive Interference Channels
我们建立了一类离散无记忆认知干扰信道（DM-CIC）的容量区域，称为认知更有能力的信道，我们表明，叠加编码是最佳的编码技术。这是迄今为止DM-CIC的最大容量区域，因为现有容量结果明确显示为其子集。
2014-01-18 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
Ergodic Interference Alignment with Delayed Feedback
我们提出了新的遍历干扰对齐技术的$K$用户干扰信道延迟反馈。两个延迟反馈的情况下被认为是-延迟的信道信息在发射机（CIT）和延迟的输出反馈。证明了所提出的技术实现的总$2K/(K+2)$的自由度，这是高于通过追溯干扰对齐的延迟反馈的情况下。
2013-03-13 cs.IT math.IT
On the Capacity of a General Multiple-Access Channel and of a Cognitive Network in the Very Strong Interference Regime
1979年，Han确定了在发送节点之间具有任意消息分布的多址信道的容量，并且容量区域的表达式包含许多速率界限，并且随着消息的数量呈指数增长。我们推导出一个更紧凑的表达的容量区域中，该信道的速率界限的数量取决于在编码器的消息的分布。使用这个表达式，我们证明了一类一般的认知网络，我们表示为“非常强的干扰”制度的能力。在这种情况下，在所有接收机解码所有消息时没有速率损失，并且容量区域减少到复合多址信道的容量。该结果概括了干扰信道、认知干扰信道、具有认知中继的干扰信道和许多其他信道的“非常强的干扰”容量结果。
2012-02-05 cs.IT math.IT
Approximate Capacity of a Class of Partially Connected Interference Channels
我们推导出一类三用户部分连通干扰信道容量区域的内界和外界。我们专注于拓扑结构的影响，干扰对齐，干扰和噪声之间的相互作用。我们考虑的代表性信道是具有明显干扰对准增益的信道。对于这些通道，Z通道类型的外部边界紧密到与容量的恒定间隙内。我们提出了近最佳的可实现的方案的基础上率分裂和晶格对齐。
2017-02-13 cs.IT math.IT
Distributed Interference Alignment with Low Overhead
针对$K$ -用户SISO干扰信道，基于封闭式干扰对齐（IA）方案，提出了一种低开销的分布式干扰对齐（LOIA）方案，并考虑扩展到多天线情况。与Gomadam等人提出的迭代干扰对准（IIA）算法相比，开销大大减少。仿真结果表明，IIA算法是严格的次优相比，我们的LOIA算法在开销有限的情况下。
2011-06-28 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 of All Nine Models of Channel Output Feedback for the Two-user Interference Channel
在本文中，我们研究了不同的信道输出反馈结构对两用户干扰信道容量的影响。对于双用户干扰信道，反馈链路可以存在于9种规范架构（参见图2）中的接收器和发射器之间，范围从仅一个反馈链路到四个反馈链路。我们推导出精确的容量区域的对称确定性干扰信道和恒定间隙的容量区域的对称高斯干扰信道的所有9个架构。我们证明，对于线性确定性对称干扰信道，在弱干扰状态下，除了只有一个接收机反馈到自己的发射机的反馈模型之外，所有反馈模型都具有相同的容量区域。当只有一个接收机反馈到它自己的发射机时，在弱干扰状态下，容量区域是其余反馈模型的容量区域的严格子集。然而，在弱干扰状态下，所有反馈模型的总容量是相同的。此外，在强干扰状态下，具有至少一个接收器反馈到其自己的发射器的反馈的所有模型具有相同的和容量。对于高斯干扰信道，线性确定性模型的结果如下，其中容量被近似容量代替。
2013-01-25 cs.IT math.IT
Capacity Region of $K$-User Discrete Memoryless Interference Channels with a Mixed Strong-Very Strong Interference
在\cite{ChS}中建立了强-极强混合干扰下3用户高斯干扰信道的容量域。在\cite{ChS}中考虑的混合强-非常强干扰条件对应于在每个接收机处干扰信号之一强而另一个非常强的情况。在本文中，我们推导出$K$ -用户$(K\geq 3)$离散无记忆干扰信道（DMIC）的容量区域与混合强-非常强的干扰。这对应于在每个接收机处干扰信号之一强而其它$(K-2)$干扰信号非常强的情况。作为特殊情况，这包括具有混合强-非常强干扰的3用户DMIC。证明是专门的3用户GIC的情况下，因此，一个替代的简单推导的容量区域的3用户GIC与混合强-非常强的干扰。
2011-02-15 cs.IT math.IT
Interference Alignment on the Deterministic Channel and Application to Fully Connected AWGN Interference Networks
针对$K$用户干扰信道的确定性信道模型构造了干扰对齐示例。然后将确定性信道示例转换为高斯设置，创建具有单个天线节点、实的、非零的和恒定的信道系数并且没有传播延迟的完全连接的高斯$K$用户干扰网络的第一已知示例，其中实现了自由度外界。在基于传播延迟的干扰对准示例和确定性信道模型之间进行类比，确定性信道模型也允许2用户$X$信道的类似构造。
2007-11-16 cs.IT math.IT
Three-User Cognitive Interference Channel: Capacity Region with Strong Interference
研究了两个主用户和一个认知用户的三用户认知无线电网络的容量域。提出了一种三用户认知干扰信道（C-IFC），该信道中的一个发射机具有认知能力，并且以非因果的方式知道另外两个发射机的消息。首先，基于允许所有接收机以两种不同的顺序解码所有消息的方案，得到三用户C-IFC的容量区域的两个内界。接下来，推导出两组条件，在这两组条件下，所提出的模型的容量区域与三用户C-IFC的容量区域相一致，其中所有三个消息都需要在所有接收器。在这些条件下，被称为强干扰条件，所提出的三用户C-IFC的容量区域的特征。此外，高斯三用户C-IFC被认为是和容量结果推导出高斯的情况下。文中还提供了一些数值例子。
2012-06-19 cs.IT math.IT
Approaching the Capacity of Wireless Networks through Distributed Interference Alignment
最近的研究结果建立了干扰对齐的最优性，以接近高信噪比下干扰网络的香农容量。然而，干扰可以在有限数量的信令维度上对齐的程度仍然未知。干扰对准方案的另一个重要关注点是全局信道知识的要求。在这项工作中，我们提供了迭代算法的例子，利用无线网络的互易性，实现干扰对齐，只有本地信道的知识，在每个节点。这些算法还提供了理论上尚不可用的干涉对准的可行性的数值见解。
2008-03-26 cs.IT math.IT
The Practical Challenges of Interference Alignment
干扰对齐（IA）是一种革命性的无线传输策略，可以减少干扰的影响。干扰对齐的思想是协调多个发射机，使得它们的相互干扰在接收机处对齐，从而促进简单的干扰消除技术。自IA的成立以来，研究人员已经调查了它的性能，并提出了改进，验证IA的能力，以实现最大的自由度自由度（和容量的近似值）在各种设置，开发算法确定对齐解决方案，并推广传输策略，放松需要完美的对齐，但产生更好的性能。本文概述了干扰对齐的概念，并对实际问题进行了评估，包括在实际传播环境中的性能、信道状态信息在发射机中的作用以及干扰对齐在大型网络中的实用性。
2012-06-21 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
The Capacity Region of a Class of Discrete Degraded Interference Channels
我们提供了一个单一的字母表征的容量区域的一类离散退化干扰信道（DDIC）。所考虑的DDIC类包括Benzel研究的离散加性退化干扰信道（DADIC）。我们发现，对于所研究的DDIC类，编码器合作并不增加容量区域，因此，DDIC类的容量区域与相应的降级广播信道的容量区域相同。
2006-10-06 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
Settling the feasibility of interference alignment for the MIMO interference channel: the symmetric square case
确定具有恒定信道系数的K用户MIMO干扰信道中的向量空间干扰对齐的可行性条件最近引起了很多关注，但仍然没有解决。本文的主要结果是限制在对称的正方形的情况下，所有的发射机和接收机有N个天线，每个用户的期望d发送尺寸。我们证明了对齐是可能的，当且仅当天线的数量满足N>= d（K+1）/2。我们还展示了一个必要条件，与任意系统参数的对准的可行性。一个代数几何方法是中央的结果。
2011-04-05 cs.IT math.IT
On Achievable Schemes of Interference Alignment with Double-Layered Symbol Extensions in Interference Channel
本文研究了$K$ -用户干扰信道。干扰对齐很可能应用于双层符号扩展，无论是对于H $ø$ st-Madsen-Nosratinia猜想中的恒定信道还是缓慢变化的信道。在我们的工作中，核心思想依赖于双层符号扩展，人工构造等效的时变信道，以提供关键的\textit{channel randomness or relativity}所需的常规Cadambe-Jafar方案在时变信道\cite{IA-DOF-Kuser-Interference}。
2012-11-18 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
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
Feasibility Conditions of Interference Alignment via Two Orthogonal Subcarriers
推导了视距信道干扰对齐的条件，以保证干扰对齐的可行性。这些条件涉及仅选择正交频分复用（OFDM）方案的两个子载波之间的间隔。最大自由度的实现，甚至上界的干扰对齐的总和率是任意接近。
2013-03-21 cs.IT math.IT
On the Sum Capacity of A Class of Cyclically Symmetric Deterministic Interference Channels
某些确定性干扰信道已被证明可以在渐近低噪声状态下精确地模拟高斯干扰信道。出于这种对应关系，我们研究了一个K用户对，循环对称，确定性干扰信道中，每个接收器的经验，只从其相邻的发射机（Wyner模型）的干扰。我们建立了一个大的信道参数的总和容量，从而推广了以前的结果为2对的情况下。
2009-01-26 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
Feedback Interference Alignment: Exact Alignment for Three Users in Two Time Slots
我们研究了三用户干扰信道，其中每个发射机具有来自其目标接收机的信号的本地反馈。我们表明，在重要的情况下，信道系数是静态的，精确的对齐可以实现两个时隙使用线性计划。这与不利用反馈的干扰信道形成对比，在干扰信道中，似乎需要无限数量的信道扩展或无限精度来进行精确对准。我们还证明，通过模拟，我们的计划显着优于分时，即使在有限的SNR。
2012-10-01 cs.IT math.IT
Retrospective Interference Alignment
我们探讨了交错块衰落模型和延迟CSIT模型下盲干扰对齐的异同。特别是，我们探索了当发射机分布时使用延迟CSIT实现干扰对准的可能性。我们的主要贡献是干扰对齐方案，称为回顾性干扰对齐在这项工作中，这是专门设置与分布式发射机。利用该方案，我们证明了在发射机处仅具有延迟信道状态信息的2用户X信道可以实现8/7 DoF，而具有3个用户的干扰信道能够实现9/8 DoF。我们还考虑了另一种设置，其中延迟通道输出反馈可用于发射机。在该设置中，X信道和3用户干扰信道被示出为分别实现4/3和6/5DoF。
2010-09-18 cs.IT math.IT
The Capacity Region of the Cognitive Z-interference Channel with One Noiseless Component
我们研究了离散无记忆Z干扰信道（ZIC），其中遭受干扰的发射机对是认知的。我们首先提供了这个通道的容量的上限和下限。然后，我们表明，当不面临干扰的发射机-接收机对的信道是无噪声的，这两个界限重合，因此产生的容量区域。所得到的结果意味着，与高斯认知ZIC中不同，在所考虑的信道中，需要在非认知发射机处进行叠加编码以及在认知发射机处进行Gel'fand-Pinsker编码，以最小化干扰的影响。作为所得到的容量区域的副产品，我们得到了一个广义Gel'fand-Pinsker问题的容量结果。
2008-12-02 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
Capacity Regions and Bounds for a Class of Z-interference Channels
我们定义了一类Z-干扰信道，我们获得了一个新的上限的容量区域。该约束利用了由Korner和Marton首次引入的技术。该类中的信道具有这样的性质：对于遭受干扰的发射机-接收机对，接收机处的条件输出熵相对于所发射的码字是不变的。我们比较新的容量区域上限与韩/小林可实现的速率区域的干扰信道。这种比较表明，我们的界限在某些情况下是紧的，从而产生特定的点的容量区域以及某些Z干扰信道的总容量。特别地，该结果可以用作获得高斯Z干扰信道的和容量的替代方法。然后，我们对我们的信道类别施加额外的限制：遭受干扰的发射器-接收器对实现其最大输出熵，具有单个输入分布，而不管干扰分布如何。对于这些通道，我们表明，我们的新的容量区域上限与韩/小林可实现的速率区域，因此，这是实现容量。特别是，对于这些通道的叠加编码与部分解码示出为最佳的和一个单字母表征的容量区域。
2008-08-06 cs.IT math.IT
On the Symmetric Feedback Capacity of the K-user Cyclic Z-Interference Channel
K用户循环Z干扰信道对第k个发射机以循环方式仅对第（k-1）个接收机造成干扰的情况进行建模，例如，第一发射机仅对第K个接收机造成干扰。针对高斯循环Z干扰信道，研究了无噪声反馈对信道容量的影响。为此，对称反馈能力的线性移位确定性循环Z-干扰信道（LD-CZIC）的特点是完全为所有的干扰制度。使用的线性确定性信道模型的见解，高斯循环Z干扰信道的对称反馈容量的特点是在一个恒定的比特数。作为一个副产品的恒定间隙的结果，对称广义自由度反馈的高斯循环Z-干扰信道的特点。这些结果突出了线性和高斯信道模型的对称反馈容量是K的一般函数，用户的数量。此外，由于反馈而获得的容量增益随着K的增加而减小。
2012-12-21 cs.IT math.IT
On the Capacity Region and the Generalized Degrees of Freedom Region for the MIMO Interference Channel with Feedback
在本文中，我们研究了反馈对两个用户MIMO干扰信道的影响。具有反馈的MIMO干扰信道的容量区域的特征在于在恒定比特数内，其中该常数与信道矩阵无关。此外，它示出的MIMO干扰信道的反馈和它的互易干扰信道的容量区域是在一个恒定的比特数。最后，给出了带反馈MIMO干扰信道的广义自由度域的特征。
2013-09-14 cs.IT math.IT
On Achievable Schemes of Interference Alignment in Constant Channels via Finite Amplify-and-Forward Relays
本文阐述了在恒定信道中通过有限放大转发（AF）中继实现干扰对齐的方案。考虑$K$源与$K$目的地通信，除了中继连接之外没有直接链路。继电器的总数是有限的。目标是实现所有用户对的干扰对齐，以获得其无干扰自由度的一半。一般来说，采用两种策略：在边缘编码和在中间编码，其中继电器表现出不同的角色。的贡献是，两个基本的和关键的元素被捕获，使在这个网络中的干扰对齐：信道随机性或相关性;子空间维度抑制。
2012-11-18 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
An Information-Spectrum Approach to the Capacity Region of General Interference Channel
本文关注的是一般干扰信道的特点是一个序列的过渡（条件）概率。本文给出了两对用户干扰信道容量域的一般公式。该公式表明，容量区域是一族矩形的并，其中每个矩形由一对谱信息互信息率确定。虽然所提出的公式通常很难计算，它提供了我们有用的见解干扰信道。例如，该公式表明，最简单的内界（通过将干扰视为噪声获得）可以通过考虑干扰过程的结构来改进。这是通过计算嵌入卷积码的高斯干扰信道的互信息率来验证的。
2012-02-02 cs.IT math.IT
New Results on the Capacity of the Gaussian Cognitive Interference Channel
两个用户的高斯认知干扰信道的容量，其中一个发射机具有两个消息的知识的经典干扰信道的变化，是已知的几个参数制度，但仍然是未知的一般。在本文中，我们考虑以下可实现的方案：认知发射机预编码其消息对在其预期的接收机由主用户创建的干扰，和认知接收机只解码其预期的消息，类似于“弱干扰”的最佳方案;主解码器解码这两个消息，类似于“非常强的干扰”的最佳方案。虽然认知消息是相对于主消息进行预编码的，但是通过对其进行解码，主接收器获得关于其自身消息的信息，从而提高其速率。我们表明：（1）该方案实现了我们所说的“初级认知解码”机制的容量，即，不包括在已知容量的“非常强的干扰”状态中的“强干扰”状态的子集;（2）对于大得多的参数集，该方案在1比特/s/Hz或因子2的容量内，从而改进了最佳已知的恒定间隙结果;（3）基于对近似容量结果的分析，我们提供了对认知编码器处的干扰预编码与主接收器处的干扰解码之间的权衡的见解。
2010-07-09 cs.IT math.IT
Fractional Interference Alignment: An Interference Alignment Scheme for Finite Alphabet Signals
干扰对准（IA）是一种传输方案，其实现每个用户每个发射天线的1/2自由度（DoF）。由于传统IA假设高斯信令，因此对该方案施加的约束基于线性接收机。然而，当发射机采用有限字母（FA）信令时，传统的IA预编码器和线性接收机都不是最佳结构。因此，一种新的分数干扰对齐（FIA）计划时，FA信号的使用，其中的对齐约束是基于非线性，最小距离（MD）检测器。由于自由度仅定义为信噪比趋于无穷大，我们引入了一个新的度量称为SpAC（每发送每个信道使用的符号数）用于分析FIA方案。最大SpAC为1，并且FIA实现范围[0，1]中的任何SpAC值。这项工作的主要动机是，数值模拟与FA信号和MD检测器固定SpAC（=1/2，如IA）在一组优化问题，如最小化误比特率或最大化的互信息，实现了显着更好的出错率性能相比，现有的算法，最大限度地减少均方误差或最大化信号与干扰加噪声比。
2014-02-11 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
Interference Alignment Improves the Capacity of OFDM Systems
多用户正交频分复用（OFDM）和多输出多输出（MIMO）技术被广泛采用，以提高系统吞吐量和对抗无线信道的不利影响。最近，提出了干扰对准以利用干扰来实现多个信号的并发传输。在本文中，我们研究如何结合这些技术，以进一步提高系统的吞吐量。我们首先揭示了在对角信道中使用干扰对齐所带来的独特特性和挑战。然后，我们推导出的多用户（MIMO）的OFDM/干扰对齐系统的实际约束下的性能界，并展示了如何实现这个界的分解方法。仿真结果验证了该方案的优越性能。
2014-12-09 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
