A Capacity Achieving and Low Complexity Multilevel Coding Scheme for ISI Channels
我们提出了一种计算效率高的多级编码方案，以实现使用二进制输入层的ISI信道的容量。发射机采用具有线性映射的多级编码。接收器使用多级解码，其中每一级执行单独的线性最小均方误差（LMMSE）均衡和解码。该方案的最优性是由于当信噪比足够低时，LMMSE均衡器在ISI信道中是信息无损的。计算复杂性低，并且与信道脉冲响应的长度和层的数量成线性比例。每层的解码器都会看到等效的AWGN信道，这使得编码变得简单。
2005-11-08 cs.IT math.IT
Design and Analysis of Massive Uncoupled Unsourced Random Access with Bayesian Joint Decoding
本文针对6G大规模机器类通信，提出一种无需奇偶校验比特的无耦合无源随机接入框架，并设计基于贝叶斯最优正交近似消息传递的低复杂度联合解码算法，通过码字检测与拼接恢复消息，提升频谱效率，仿真验证了方案有效性。
2024-05-06 cs.IT math.IT
Neural Network-Based Successive Interference Cancellation for Non-Linear Bandlimited Channels
针对非线性带限信道中联合检测与解码复杂度过高的问题，提出基于神经网络的执行成功干扰消除的均衡器，该方法能逼近最优信息速率，大幅提升频谱效率并显著降低复杂度。
2024-08-27 cs.IT eess.SP math.IT
Near-Capacity Detection and Decoding: Code Design for Dynamic User Loads in Gaussian Multiple Access Channels
本文认为，前向纠错（FEC）码设计接近的动态多址接入信道（MAC）的用户数量和各自的信号功率不断变化，类似于一个实际的无线蜂窝系统的情况下，容量。为了获得一个低复杂度的非正交多址接入（NOMA）方案，我们提出了一个串行级联的低密度奇偶校验（LDPC）码和重复码（REP），这种方式实现近高斯MAC（GMAC）容量性能，同时应付动态的MAC系统。通过匹配次优多用户检测器（MUD）的解析外信息传输（EXIT）函数和特定静态MAC系统的信道码，实现了LDPC码和REP码的联合优化，达到了接近GMAC的容量。我们表明，近容量的性能可以灵活地保持与相同的LDPC码的用户数和功率电平的变化无关。这种灵活性（或弹性）由REP码提供，充当“用户负载和功率均衡器”，显著简化了NOMA方案的实际实现，因为仅需要单个LDPC码来应对MAC系统的动态。
2019-07-19 cs.IT math.IT
Bayesian Compressive Sensing via Belief Propagation
压缩感知（CS）是一个新兴的领域，基于稀疏信号的线性投影的小集合包含足够的信息用于稳定的亚奈奎斯特信号采集的启示。当信号的统计特性可用时，贝叶斯推断可以补充基于线性规划或贪心算法的常规CS方法。我们使用置信传播（BP）解码，它表示的CS编码矩阵作为一个图形模型进行近似贝叶斯推理。通过稀疏编码矩阵减少图形模型的大小，获得快速计算。为了解码包含K个大系数的长度为N的信号，我们的CS-BP解码算法使用O（Klog（N））测量和O（Nlog^2（N））计算。最后，虽然我们专注于两状态混合高斯模型，CS-BP很容易适应其他信号模型。
2009-06-24 cs.IT math.IT
Unsupervised Linear and Nonlinear Channel Equalization and Decoding using Variational Autoencoders
Tel-Aviv University（特拉维夫大学）
介绍了一种新的盲信道均衡和译码方法，即变分推理方法，特别是变分自编码器（VAE）。首先，我们考虑重建的未编码的数据符号传输在一个嘈杂的线性符号间干扰（ISI）的信道，与一个未知的脉冲响应，而不使用导频符号。我们推导出一个近似的最大似然估计的信道参数和重建的传输数据。我们表现出显着和一致的改善，在出错率的重建符号，相比现有的盲均衡方法，如恒模，从而使更快的信道采集。VAE均衡器使用具有少量自由参数的卷积神经网络。这些结果被推广到未知参数的噪声非线性ISI信道的盲均衡。然后，我们考虑编码通信使用低密度奇偶校验（LDPC）码在噪声线性或非线性ISI信道上传输。目标是在不使用导频符号的情况下，根据与所发送的码字相对应的信道观测来重构所发送的消息。我们证明了改进的期望最大化（EM）算法，使用涡轮均衡。此外，不同于EM，我们的方法的计算复杂性不具有对信道冲激响应的大小的指数依赖性。
2020-04-13 cs.IT cs.LG eess.SP
A Tensor-Train Framework for Bayesian Inference in High-Dimensional Systems: Applications to MIMO Detection and Channel Decoding
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；Qoherent；Technical University of Munich (TUM)（慕尼黑工业大学）
本文提出张量-列车框架用于高维离散输入加性噪声模型的高效近优贝叶斯推断，通过低秩表示实现紧凑存储和高效计算，应用于MIMO检测和二进制线性分组纠错码解码。
2026-04-07 cs.IT cs.LG math.IT
A Bayesian Receiver with Improved Complexity-Reliability Trade-off in Massive MIMO Systems
第五代（$5$ G）蜂窝网络对可靠性和处理延迟的严格要求给大规模多输入多输出（M-MIMO）接收机的设计带来了相当大的挑战。M-MIMO接收器的两个主要组件是检测器和解码器。为了改善可靠性和复杂性之间的权衡，贝叶斯概念已被认为是一种有前途的方法，增强了经典的检测器，例如最小均方误差检测器。本文提出了一种基于贝叶斯框架的迭代M-MIMO检测器，并行干扰消除方案和决策统计组合概念。然后，我们开发了一个高性能的M-MIMO接收机，结合所提出的检测器与低复杂度的极性码顺序解码。仿真结果表明，与其他低复杂度检测器相比，该检测器具有显著的性能增益。此外，所提出的具有顺序解码的M-MIMO接收器确保了与具有用于来自5G新无线电标准的极化码的堆栈连续消除解码的接收器相比低一个数量级的复杂度。
2021-10-27 cs.IT eess.SP math.IT
Efficient Iterative Decoding of LDPC in the Presence of Strong Phase Noise
在本文中，我们提出了一种新的有效的消息传递算法解码LDPC传输在信道中具有强相位噪声。该算法对信道和码联合后验的因子图表示进行近似贝叶斯推理。近似推理是基于一个改进的规范模型的和积算法的消息，和一种方法，用于聚类的消息，使用方向统计框架。建议的规范模型包括治疗相位滑移，可以限制跟踪算法的性能。我们展示了仿真结果和复杂性分析，该算法证明了其优越性，一些当前最先进的算法。
2012-04-12 cs.IT math.IT
Constant Weight Codes with Gabor Dictionaries and Bayesian Decoding for Massive Random Access
本文提出了一种基于稀疏叠加编码的大规模随机接入的一般框架。我们提供的代码设计的指导方针，并建议使用的恒定重量的代码结合基于Gabor框架的字典设计。解码器通过在考虑字典结构的AMP模块和利用所涉及的恒定权重代码的结构的第二推理模块之间迭代地交换软信息来应用近似消息传递（AMP）的扩展。我们将编码结构应用于（i）无源随机访问设置，其中所有用户使用公共字典，以及（ii）具有用户特定字典的“源”随机访问设置。当应用于衰落场景时，通信方案基本上非相干地操作，因为在发射机和接收机处都不需要信道状态信息。我们观察到，在制度的实际利益，所提出的方案相比，有利的最先进的计划，在（每用户）能量每比特的要求，以及活跃用户的数量，可以同时容纳在系统中。重要的是，这是用相当小的发送码字大小来实现的，潜在地产生较低的延迟和带宽占用，以及较低的实现复杂度。
2022-07-26 cs.IT eess.SP math.IT
Scaling Bayesian Bandit Encoding with Shared Learning
Ming Hsieh Department of Electrical and Computer Engineering Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院明李电气与计算机工程系）
本研究提出共享学习机制扩展贝叶斯老虎机编码器，通过离线共享性能模式与在线权重更新，在1008种配置中降低33.5%效用损失，并提升信道变化后的适应速度，支持共享与剪枝结合策略。
2026-09-09 cs.IT math.IT
Exact Joint MAP Decoding for Unknown Load and Message Counts in Orthogonal Unsourced Random Access
Imperial College London（帝国理工学院）；IHP – Leibniz Institute for High Performance Microelectronics（莱布尼茨高性能微电子研究所）
针对正交非源随机接入中未知负载与消息计数的联合恢复问题，提出精确联合MAP解码器，可在O(M+K_max log M)时间内估计负载与消息计数向量，在2dB下能显著降低无活动虚警概率与归一化计数误差。
2026-10-14 cs.IT math.IT
Joint CFO, Gridless Channel Estimation and Data Detection for Underwater Acoustic OFDM Systems
本文提出了一种基于无网格变分贝叶斯线性谱估计（VALSE）的迭代接收机JCCD-VALSE，它利用\emph{j}精确地估计出\emph{c}的载波频偏（CFO）和高分辨率的\emph{c}信道，并进行\emph{d}数据译码。基于模块化的思想，以高分辨率、低复杂度的无网格VALSE算法为出发点，设计了VALSE模块、最小均方误差（MMSE）模块和解码模块。在模块之间交换软信息，以逐步提高信道估计和数据解码精度。由于信道的多径时延被视为连续的参数，而不是在一个网格上，泄漏效应被避免。此外，该方法是一个更完整的贝叶斯方法，因为所有的滋扰参数，如噪声方差，先验分布的信道的参数，路径的数量自动估计。数值仿真和海测试数据表明，该方法的性能明显优于现有的基于网格的广义近似消息传递（GAMP）的\emph{j}点\emph{c}信道和\emph{d}数据解码方法（JCD-GAMP）.此外，它还验证了联合处理，包括CFO估计提供性能增益。
2021-07-15 cs.IT eess.SP math.IT
Information-Theoretic Limits of Strategic Communication
在这篇文章中，我们研究了策略信息在噪声信道中的传输。在沟通渠道完善的情况下，这一问题在经济学中得到了广泛的研究。与信息论不同，编码器和解码器都有不同的目标，并相应地选择他们的编码和解码策略。这种方法从根本上不同于传统的通信范式，传统的通信范式假设发射机有两种类型：要么它们有一个共同的目标，要么它们充当对手，例如干扰机，窃听器。我们制定了一个点对点的源信道编码问题的状态信息，其中的编码器和解码器选择各自的编码和解码策略，以最大限度地提高他们的长期效用函数。这个战略编码问题是在Wyner-Ziv的场景和Kamenica-Gentzkow的贝叶斯说服游戏之间的相互作用。我们刻画了一个单字母的解决方案，我们将它与以前的结果，通过使用凹化方法。这确认了即使解码过程不受监督（例如，当解码器是自主设备时）也发送编码数据比特的益处。我们的解决方案有两个有趣的特点：它可能是最佳的不使用所有的通道资源;信息内容影响编码过程，因为效用函数捕获源符号的偏好。
2018-07-13 cs.IT math.IT
Toward Uncertainty-Aware and Generalizable Neural Decoding for Quantum LDPC Codes
Department of Computer Science（计算机科学系）；North Carolina State University（北卡罗来纳州立大学）
该研究针对量子LDPC码解码精度与泛化性不足问题，提出QuBA解码器及SAGU训练框架，实验显示其逻辑错误率显著低于经典BP算法，性能优于或相当领域特定训练的QuBA。
2026-10-28 cs.IT cs.LG math.IT
Uncertainty-Aware and Reliable Neural MIMO Receivers via Modular Bayesian Deep Learning
本文提出模块化贝叶斯深度学习，将贝叶斯深度学习与混合模型驱动MIMO接收机架构结合，通过产生校准良好的均衡与解码模块来提升接收机整体准确性和校准性，尤其在数据稀缺时可靠的不确定性度量能直接改善接收机链性能。
2024-10-19 cs.IT eess.SP math.IT
Iterative Joint Parameters Estimation and Decoding in a Distributed Receiver for Satellite Applications and Relevant Cramer-Rao Bounds
本文提出了一种分布式接收机在受多普勒频移和多普勒速率影响的信道上进行联合信道参数（载波相位、多普勒频移和多普勒速率）迭代估计和译码的算法。该算法通过将和积算法（SPA）应用于表示给定信道输出的信息符号和信道参数的联合后验分布的因子图而导出。在本文中，我们提出了两种方法来处理棘手的消息的和积算法。在第一种方法中，我们使用粒子滤波与顺序重要性采样（SIS）的未知参数的估计。我们还提出了一种方法，用于微调粒子，以提高收敛性。在第二种方法中，我们近似我们的模型与随机行走相位模型，其次是相位跟踪算法和多项式回归算法来估计未知参数。我们推导出联合载波相位，多普勒频移和多普勒速率估计的加权贝叶斯克拉美-罗界（WBCRBs），它考虑到估计参数的先验分布，是所有考虑的信噪比（SNR）值的准确下界。数值结果（比特出错率（BER）和参数估计的均方误差（MSE））表明，随机游走模型的相位跟踪略优于粒子滤波。然而，粒子滤波具有比基于随机游走模型的方法更低的计算成本。
2022-01-23 cs.IT eess.SP math.IT
Joint Source-Channel Coding and Bayesian Message Passing Detection for Grant-Free Radio Access in IoT
考虑一个物联网（IoT）系统，它通过共享相同带宽的多个传感器来监视多个多值事件。每个传感器测量与一个或多个事件相关的数据，并在相应事件处于活动状态时使用免授权随机访问与基站的融合中心进行通信。基站旨在检测活动事件，并且针对每个活动事件，确定描述每个活动事件的状态的标量值。基于分离源信道（SSC）编码的传统解决方案将为每个传感器使用分离的码本，并且在基站处解码传感器的发送分组，以便随后执行事件检测。相比之下，本文考虑了一种潜在的更有效的解决方案，通过基于类型的多址接入（TBMA）的非正交推广的联合信源信道（JSC）编码的基础上。因此，测量相同事件的所有传感器共享相同码本（具有非正交码字），并且基站直接检测事件的值，而无需首先对每个传感器执行单独解码。提出了一种新的贝叶斯消息传递检测方案的TBMA为基础的协议，其性能相比，传统的解决方案。
2019-10-25 cs.IT eess.SP math.IT
Closed-Loop Bayesian Bandit Encoder with GRAND Receiver for a Bursty Interference Channel
Ming Hsieh Department of Electrical and Computer Engineering（明希学校电气与计算机工程系）；Viterbi School of Engineering, University of Southern California（维特比工程学院，南加州大学）
研究在有未知干扰源的信道上，随机线性码与跨码字交织码的分组级选择。采用GRAND接收机及贝叶斯估计器，通过折扣汤普森采样器选传输模式，经实验得出不同阶段模式偏好及模型优势，还给出误块率降低等成果。
2026-07-31 cs.IT cs.LG eess.SP
On the Structure of the Optimal Detector for Sub-THz Multi-Hop Relays with Unknown Prior: Over-the-Air Diffusion
Faculty of Engineering and Natural Sciences, Sabanci University（萨班哲大学工程与自然科学学院）
本文提出了一种基于DDIMs的最优检测器框架，将子太赫兹多跳中继视为方差保持的扩散过程，通过端到端统计量实现近最优解码，无需中间节点CSI。
2026-01-03 cs.IT eess.SP math.IT
