Distributed noise-shaping quantization: I. Beta duals of finite frames and near-optimal quantization of random measurements
本文介绍了一种新的算法,所谓的“分析问题”的量化有限框架表示提供了一个接近最佳的解决方案的情况下,随机测量。主要贡献包括一个通用的量化框架称为分布式噪声整形的发展,特别是,beta的帧,以及在确定性和概率设置的beta的性能分析。它示出,对于随机帧,使用β random的结果在接近最佳的准确重建相对于帧的冗余度和帧系数被量化的水平的数量。更具体地,对于$\mathbb{R}^k$中的$m$向量的任何帧$E$,除了可能来自$m$中指数小的高斯测量的子集之外,以及对于要用于对$\mathbb{R}^k$中的单位球进行编码的每个测量的任何数量的量化级别$L \geq 2$,存在算法量化方案和对偶帧,它们一起保证至多$\sqrt{k}L^{-(1-η)m/k}$的重构误差,其中,对于足够大的问题,$η$可以任意小。所提出的算法的其他特点包括低计算成本和并行实现。
2016-05-05 cs.IT math.IT
Optimal Asymmetric Binary Quantization for Estimation Under Symmetrically Distributed Noise
在这封信中考虑了基于噪声和二进制量化测量的位置参数估计。我们研究了不同对称单峰噪声分布的Cramer-Rao界作为量化器阈值的函数的行为。我们表明,在某些情况下,直观的选择阈值位置的对称性的问题,把阈值的真实参数值,可以导致局部最差的估计性能。
2013-10-25 cs.IT math.IT
Scalar Lattices and Probabilistic Shaping for Dithered Wyner-Ziv Quantization
针对高斯信源 WZ 问题,提出带模运算、抖动与概率成形的标量格量化,实现 WZ 率失真对,并经协方差谱逆注水扩展到矢量信源,短 polar 码仿真验证其性能。
2025-06-16 cs.IT math.IT
Universal Gaussian Quantization with Side Information using Polar Lattices
我们考虑高斯观测的边信息的通用量化,其中边信息是发送方观测的噪声版本,噪声方差未知的发送方。在本文中,我们提出了一个普遍的速率最佳和实用的量化方案的所有值的未知噪声方差。我们的方案使用了以前工作中的极格子,并基于底层辅助设备的结构分解进行,这样即使在一轮恢复失败时,各方也会同意一个比前一个更接近的共同“参考点”。我们还提出了有限块长度分析显示失真的次指数收敛和速率的指数收敛。我们的计划的整体复杂性是$O(N^2\log^2 N)$的任何目标失真和固定速率大于率失真界。
2023-02-23 cs.IT math.IT
n-Channel Asymmetric Multiple-Description Lattice Vector Quantization
我们提出了最佳熵约束的多描述格矢量量化器的解析表达式,在高分辨率的假设下,最大限度地减少给定的丢包概率的预期失真。我们考虑的非对称情况下,允许丢包概率和侧熵是不平等的,并找到最佳量化器的任何数量的描述在任何维度。我们表明,归一化的二阶矩的侧量化给出了一个$L$维球体独立的晶格的选择。此外,我们表明,最佳的比特分布之间的描述是不唯一的。事实上,在一定限度内,比特可以任意分布。
2005-08-02 cs.IT math.IT
Transform coder identification based on quantization footprints and lattice theory
变换编码通常用于具有存储器的离散源的有损压缩。输入信号被分成N维向量,并通过线性映射进行变换。然后,对变换系数进行量化和熵编码。在本文中,我们考虑的问题,确定变换矩阵以及量化步长。我们研究了具有挑战性的情况下,其中唯一可用的信息是一组P变换解码矢量。我们制定的问题,找到最大的行列式,包含所有观察到的向量的格子。我们提出了一个算法,能够找到最优解,我们正式研究其收敛性。我们的分析表明,当P >= N + d时,可以成功地识别变换和量化步长,其中d是一个小整数,并且失败的概率随着P-N的增加呈指数下降到零。
2012-11-16 cs.IT math.IT
Modulo Quantization Coding for Primitive Relay and Diamond Channels with Correlated Noises
Edward S. Rogers Sr. Department of Electrical and Computer Engineering, University of Toronto(多伦多大学爱德华·S·罗杰斯电气与计算机工程系)
提出模量化编码方案,利用终端间共享的噪声分量,在相关高斯噪声下实现低复杂度高效传输,优于已知界限并接近容量。
2026-07-24 cs.IT math.IT
Noise-shaping Quantization Methods for Frame-based and Compressive Sampling Systems
噪声整形指的是一种模数转换方法,其中量化误差通过过采样和反馈被布置成大部分位于信号频谱之外。最近,它已被成功地应用于更一般的冗余线性采样和重建系统与帧以及非线性系统与压缩采样。本章回顾了这一主题的一些最新进展。
2015-02-20 cs.IT math.FA math.IT
n-Channel Asymmetric Entropy-Constrained Multiple-Description Lattice Vector Quantization
本文设计和分析了一种基于索引分配(IA)的多描述编码方案。我们使用熵约束格型矢量量化和限制注意简单的重建函数,这是由逆IA函数时,所有的描述被接收或以其他方式由所接收的描述的加权平均。我们考虑具有有限微分熵率和MSE保真度准则的光滑源。在以前的设计中,我们的构造是基于嵌套格,通过一个单一的IA功能相结合。结果在高分辨率条件下是精确的,并且当嵌套比趋于无穷大时是渐近的。对于任何n,设计是渐近最优的类IA为基础的计划。此外,在两个描述和有限格向量维数大于一的情况下,性能严格优于现有的设计。在三种描述的情况下,我们表明,在大的格向量维数的限制,点上的内界的Pradhan等人。此外,对于三个描述和有限的晶格矢量尺寸,我们表明,IA为基础的方法产生,在对称的情况下,一个较小的速率损失比最近提出的源分裂方法。
2010-11-30 cs.IT math.IT
Multiple-Description Coding by Dithered Delta-Sigma Quantization
我们解决多描述(MD)问题和Delta-Sigma量化之间的连接。Delta-Sigma量化中由于过采样而产生的固有冗余,以及由抖动晶格量化产生的简单线性加性噪声模型,使我们能够构建对称且时不变的MD编码方案。我们表明,使用的噪声整形滤波器使得它可以权衡中央失真的侧失真。当格型矢量量化器的维数和噪声整形滤波器的阶数接近无穷大时,抖动Delta-Sigma量化方案的熵率渐近地接近于无记忆高斯源和MSE保真度标准的对称双通道MD率失真函数,在任何边到中心失真比和任何分辨率下。在最优方案中,无限阶噪声成形滤波器必须是最小相位的,并且具有分段平坦的功率谱和单跳不连续性。所提出的设计的一个重要优点是,它是对称的速率和失真的建设,所以编码率的描述是相同的,因此没有必要的源分裂。
2009-07-15 cs.IT math.IT
On the Achievable Rate of Bandlimited Continuous-Time AWGN Channels with 1-Bit Output Quantization
我们考虑一个连续时间带限加性高斯白噪声信道与1位输出量化。在这样的信道上,信息由发送信号的过零点的时间距离承载。该组输入信号受信道带宽和平均功率约束的约束。我们推导出一个下界的能力,通过下界的互信息率为一组给定的波形与指数分布的过零距离,在那里我们专注于中高信噪比制度的行为。我们发现,在输入的随机性尺度与可用带宽适当的情况下,互信息率与恒定的信号噪声比的信道带宽线性增长。此外,对于给定的带宽,随着信噪比增长到无穷大,下限饱和。互信息率的下限与没有量化的加性高斯白噪声信道的容量之间的比率是一个常数,与信道输入的适当选择的随机性和给定的信噪比的信道带宽无关。我们补充这些发现与特定的信令方案的互信息率的上限。我们表明,这两个界限是在中高信噪比域接近。
2017-09-22 cs.IT math.IT
Estimation of Bandlimited Signals in Additive Gaussian Noise: a "Precision Indifference" Principle
研究了在加性独立高斯噪声影响下动态范围受限信号的采样、量化和估计问题。对于带限信号,由于加性独立高斯噪声的失真可以通过过采样(统计分集)来减少。在这项工作中,逐点期望均方误差被用作信号估计的失真度量。考虑量化器精度的两种极端情况:(i)无限精度(实标量);和(ii)一位量化(符号信息)。如果$N$是相对于奈奎斯特速率的过采样率,则失真的最佳规律是$O(1/N)$。我们表明,失真的$O(1/N)$可以实现的量化器精度无关,通过考虑上述两个极端的情况下的量化。因此,一个量化精度无差异原则被发现,其中的重建失真的法律,直到一个比例常数,是不受量化器的精度。
2012-11-28 cs.IT math.IT
Vector Quantization with Error Uniformly Distributed over an Arbitrary Set
本文针对格型矢量量化误差仅在基本胞腔上均匀的问题,构造了误差可在 n 维球或任意指定集合上均匀分布的周期矢量量化器,并给出量化信号熵的上下界及随机量化应用。
2024-01-24 cs.IT math.IT
n-Channel Entropy-Constrained Multiple-Description Lattice Vector Quantization
在本文中,我们推导出分析表达式的中心和侧量化器,在高分辨率的假设下,最大限度地减少预期失真的对称多描述格型矢量量化(MD-LVQ)系统的熵约束的侧描述给定的丢包概率。我们考虑一个特殊的情况下,一般的n-通道对称多描述问题,只有一个单一的参数控制的冗余之间的权衡中心和侧失真。先前的工作对双通道MD-LVQ表明,侧量化器的失真可以表示通过一个球体的归一化二阶矩。我们在这里表明,这也是三通道MD-LVQ的情况。此外,我们推测,这是正确的一般n通道MD-LVQ。对于给定的源,目标速率和分组丢失概率,我们找到最佳数量的描述,并构建MD-LVQ系统,最大限度地减少预期的失真。我们通过数值模拟验证了理论表达式,并在实际设置中显示,通过使用三通道MD-LVQ,可以在最先进的两通道MD-LVQ上实现显着的性能改善。
2006-02-09 cs.IT math.IT
Bussgang revisited: effect of quantization on signal to distortion plus noise ratio with non-Gaussian signals
本文扩展Bussgang定理至非高斯信号,证明信干噪比相关定理并修正既有公式,揭示量化对O-RAN物理层性能的影响,为高斯与非高斯分布提供理论与仿真验证。
2024-08-23 cs.IT eess.SP math.IT
High-Rate Nested-Lattice Quantized Matrix Multiplication with Small Lookup Tables
针对现有基于查找表的嵌套格量化矩阵乘法仅支持低码率的问题,提出分层嵌套格量化框架,通过分层量化缩小查找表规模,实现高速率量化且损耗可忽略。
2025-05-19 cs.IT math.IT
Optimized Backhaul Compression for Uplink Cloud Radio Access Network
本文研究了云无线接入网络(C-RAN)的上行链路,其中小区站点连接到基于云计算的中央处理器(CP),具有有限容量的无噪声回程链路。我们采用了一个简单的压缩和转发方案,其中基站(BS)的接收信号的量化和发送的量化信号的CP使用分布式Wyner-Ziv编码或单用户压缩。CP首先对量化码字进行解码,然后对用户消息进行解码,就好像远程用户和云中心形成了虚拟多址接入信道(VMAC)。本文阐述了优化的量化噪声水平的问题,加权和速率最大化下的回程容量限制。我们提出了一种交替凸优化方法,有效地找到一个局部最优解的问题,更重要的是,建立设置的量化噪声水平成比例的背景噪声水平是接近最佳的和速率最大化时的信号与量化噪声比(SQNR)是高的。此外,利用Wyner-Ziv编码,示出了近似量化噪声水平,以将上行链路C-RAN模型的总容量实现在恒定间隙内。在单用户压缩的情况下,在对角主导信道条件下获得了类似的恒定间隙结果。这些结果导致一个有效的算法分配回程容量在C-RAN。所提出的方案的性能进行评估,为实际的多小区和异构网络。结果表明,多小区处理优化量化噪声水平的BS可以显着提高无线蜂窝网络的性能。
2014-08-17 cs.IT math.IT
Towards Digital Halftoning on Closed Manifolds--An Error Diffusion Scheme for the $2D$ Torus based on Sigma-Delta Quantization along the Rank-one Lattice
Technische Universität Darmstadt(达姆施塔特工业大学);Technical University of Munich(慕尼黑工业大学)
针对闭流形数字半调中的边界伪影问题,提出沿秩一格点的Sigma-Delta量化误差扩散方案,将多不匹配转为单一终态贡献,实现精确重构并改善误差界。
2026-09-16 cs.IT math.IT
Analysis of Quantization Noise Suppression Gains in Digital Phased Arrays
本文分析数字相控阵中量化噪声抑制增益,证明其可降低ADC分辨率,如8-16天线时可减少1-2位,为毫米波通信提供新视角。
2024-11-11 cs.IT eess.SP math.IT
Rejection-Sampled Universal Quantization for Smaller Quantization Errors
The Chinese University of Hong Kong(香港中文大学);The City University of Hong Kong(香港城市大学)
本文提出基于拒绝采样的通用量化器,在高分辨率下对多个维度减小最大误差和均方误差,并实现误差均匀分布,同时刻画了加性噪声信道单次模拟的高信噪比极限。
2025-10-28 cs.IT eess.SP math.IT
Sigma-Delta and Distributed Noise-Shaping Quantization Methods for Random Fourier Features
University of California San Diego(加州大学圣地亚哥分校)
我们建议使用低位深Σ-Δ和分布式噪声整形方法来量化与移位不变内核相关的随机傅立叶特征(RFFs)。我们证明,我们的量化RFFs -即使在$1$位量化的情况下-允许一个高精度的近似的底层内核,和近似误差衰减至少多项式快的RFFs的尺寸增加。我们还表明,量化的RFFs可以进一步压缩,产生一个很好的权衡内存使用和精度之间。也就是说,近似误差现在作为所使用的比特的函数呈指数衰减。此外,我们经验表明,通过测试我们的方法在几个机器学习任务上的性能,我们的方法相比,在这种情况下,其他国家的最先进的量化方法。
2022-04-13 cs.IT cs.LG math.IT
Quantization for uniform distributions on equilateral triangles
我们用一个支撑在$n$点上的测度来逼近等边三角形上的一致测度。我们发现的最佳点集($n$ -手段)和相应的近似(量化)误差$n\leq4$,给出数值优化结果$n\leq 21$,和$n\to\infty$的量化误差的约束。由于等边三角形与三角形格的联系,它具有特别有效的量子化。我们的方法可以应用于一般的具有分段光滑边界的集合上的均匀分布。
2017-02-14 cs.IT math.IT
On the reconstruction of bandlimited signals from random samples quantized via noise-shaping
Indian Institute of Technology Madras(印度马德拉斯理工学院);Technical University of Munich(慕尼黑工业大学)
研究探讨了噪声整形量化技术与带限函数随机样本的兼容性,通过噪声整形量化技术可以从随机样本中高概率重建带限信号,且在样本点完全随机的情况下实现了统一的衰减特性。
2026-05-20 cs.IT math.IT
Optimal Index Assignment for Multiple Description Scalar Quantization
我们提供了一种方法来设计一个最佳的标量K描述编码的索引分配。该方法源于平移标量晶格的构造,其通过利用所谓的交错增益来提供性能优势。有趣的是,最佳索引分配的生成是基于K-1维空间中的格。K-1维格的使用有利于分析洞察的性能,并消除了对贪婪优化的索引分配的需要。证明了最优索引分配不是唯一的。这说明了两个描述的情况下,其中周期性的索引分配是从可能的最佳分配,并详细描述。新的索引分配被应用到设计的K-描述量化器,这是优于参考K-描述量化器在高速率。由于交错增益的性能优势随着描述之间的冗余度的增加而增加。
2011-09-12 cs.IT math.IT
Capacity of the Discrete-Time AWGN Channel Under Output Quantization
我们研究了在离散时间加性高斯白噪声(AWGN)信道上,当信道输出使用少量比特进行量化时,通信的限制。我们首先提供了一个证明我们最近的猜想在这种情况下的离散输入分布的最优性。具体地,我们表明,对于任何给定的输出量化器选择与K量化箱(即,log 2K比特的精度),在平均功率约束下,输入分布不需要具有任何多于K + 1个质量点来实现信道容量。切割平面算法被用来计算这个能力,并产生最佳的输入分布。数值优化的量化器的选择,然后进行(2位和3位对称量化),我们得到的结果表明,由于低精度输出量化,这是小的,在低信噪比(SNR)的损失,可以是相当可以接受的,即使是中等到高的SNR值。例如,在高达20 dB的SNR下,2-3比特量化实现了使用无限精度量化可实现的容量的80-90%。
2008-05-15 cs.IT math.IT
A Scaling Law for Bandwidth Under Quantization
ETH Zurich(苏黎世联邦理工学院);Swiss Epilepsy Center, Clinic Lengg(瑞士癫痫中心伦格诊所)
本文推导出量化下带宽与ADC位深度的缩放定律,揭示了1/f^α信号中有效截止频率与位深度的关系,并通过实验验证了该定律的准确性。
2026-02-26 cs.IT eess.SP math.IT
Quantization Analysis and Robust Design for Distributed Graph Filters
分布式图滤波器已在无线传感器网络(WSNs)中找到应用,以解决分布式任务,如共识,信号去噪和重建。然而,当在WSN上使用时,图过滤器应该处理网络有限的能量、处理和通信能力。量化在改善后者方面起着基础性的作用,但它对分布式图过滤的影响却知之甚少。由于噪声和干扰,无线传感器网络也容易出现随机链路丢失。滤波器输出受到量化误差和拓扑随机性误差的影响,如果在滤波器设计阶段没有适当地考虑到这两个误差,则可能导致通过滤波迭代的累积误差并且显著地降低性能。在本文中,我们分析了量化如何影响分布式图过滤的时不变和时变图。我们带来了两个最常见的图形滤波器的量化效果的见解:有限脉冲响应(FIR)和自回归移动平均(ARMA)图形滤波器。当量化步长固定或在滤波迭代中动态变化时,我们设计了滤波器性能的理论性能保证。对于FIR滤波器,我们表明,一个动态的量化步长导致更多的控制比固定步长量化的量化噪声。对于ARMA图滤波器,我们表明,减少量化步长的迭代减少量化噪声为零,在稳态。此外,我们提出了鲁棒的滤波器设计策略,最大限度地减少时不变和时变网络的量化噪声。合成和两个真实的数据集的数值实验证实了我们的研究结果,并显示不同的权衡量化位,滤波器的顺序,和鲁棒性拓扑随机性。
2020-04-14 cs.IT cs.SY eess.SP
GDNSQ: Gradual Differentiable Noise Scale Quantization for Low-bit Neural Networks
Ainekko Co.(Ainekko公司)
针对低比特神经网络量化瓶颈问题,提出GDNSQ方法,将微调转化为约束优化问题,采用带可学习参数的全微分STE与外点罚函数,在极端W1A1设置下保持竞争精度与STE效率。
2025-11-11 cs.IT cs.LG cs.NA
Approaching Rate-Distortion Limits in Neural Compression with Lattice Transform Coding
Department of Electrical and Systems Engineering, University of Pennsylvania(电气与系统工程系,宾夕法尼亚大学)
本文提出格变换编码(LTC),通过在潜在空间中用格量化替代标量量化,以合理复杂度近似恢复最优向量量化,从而改进标准神经压缩器,逼近率失真极限。
2025-07-13 cs.IT cs.LG eess.SP
Lattices for Physical-layer Secrecy: A Computational Perspective
在本文中,我们利用量子化在一般格上的硬度作为发展的物理层保密系统的基础。假设由合法接收器和窃听者观察到的信道状态是不同的,这种不对称性被用来开发类似于McEliece密码系统的密码系统,该密码系统被设计为在物理层实现。我们确保合法的接收器观察到一个特定的晶格,在该晶格上,已知解码在多项式时间内是可能的。而窃听者观察到在其上解码将证明具有在一般格上的格量化的复杂性的格
2011-09-28 cs.CR cs.IT math.IT
The Voronoi Spherical CDF for Lattices and Linear Codes: New Bounds for Quantization and Coding
Hebrew University of Jerusalem(耶路撒冷希伯来大学)
本文提出Voronoi球CDF用于格和线性码,推导出新的非渐近上界,改进了量化和编码的性能分析。
2026-02-27 cs.IT math.IT math.NT
On the Capacity-Achieving Input of the Gaussian Channel with Polar Quantization
极化接收机架构是一种接收机设计,它捕获信号的包络和相位信息,而不是其同相和正交分量。一些研究已经证明了极坐标接收机对相位噪声和其他非线性的鲁棒性。然而,在文献中还没有研究过具有有限精度量化器的极性接收机的信息理论极限。这项工作的主要贡献是确定的最佳信令策略的加性高斯白噪声(AWGN)信道与极性量化的输出。更确切地说,我们表明,实现容量的调制方案具有幅度相移键控(APSK)结构。使用这个结果,在输出端具有极性量化的AWGN信道的容量通过数值优化幅度的概率质量函数来建立。最后给出了采用$b_1$比特相位量化器和优化的单比特幅度量化器的极化量化AWGN信道的容量。我们的数值研究结果表明,存在的信噪比(SNR)阈值,高于最佳APSK方案的幅度电平的数量和它们各自的概率突然改变。此外,实现容量的输入随SNR增加而演变的方式取决于相位量化比特的数量。
2022-07-06 cs.IT eess.SP math.IT
Universally Quantized Neural Compression
Google Research(谷歌研究院)
学习编码器进行有损压缩的一种流行方法是在训练期间使用加性均匀噪声作为测试时间量化的可微近似。我们证明了一个均匀的噪声通道也可以在测试时使用通用量化(Ziv,1985)。这使我们能够消除训练和测试阶段之间的不匹配,同时保持完全可微的损失函数。实现均匀噪声信道是一个特殊的情况下,更一般的问题,沟通的样本,我们证明是计算困难,如果我们不做假设,其分布。然而,统一的特殊情况下,是有效的,以及易于实现,因此从实践的角度来看,极大的兴趣。最后,我们表明,量化可以得到作为一个限制的情况下,软量化器适用于均匀的噪声信道,桥接压缩和不量化。
2020-10-21 cs.CV cs.IT cs.LG
Lattice Functions for the Analysis of Analog-to-Digital Conversion
模数(A/D)转换器是模拟信号和数字离散时间信号处理域之间的公共接口。实质上,该域同时包含幅度和时间的量化,即幅度量化和均匀时间采样。因此,我们认为A/D转换作为一个采样过程中的时间和幅度域的基础上观察到的基本连续时间信号表示的数字序列可以被采样在一个格子-即在点限制躺在一个统一的网格在时间和幅度。我们把它们称为格函数。这与基于经典采样定理和量化误差分析的传统方法形成对比。后者主要是借助概率模型或确定性模型来解决的,这些模型要么局限于非常特殊的情景,要么考虑到最坏情况的假设。在本文中,我们提供了一个确定性的理论分析和框架的功能,在数字离散时间处理。我们表明,格函数具有丰富的分析结构的背景下,积分值整函数的指数型。我们得到了这类函数的集合和谱性质。这使我们能够证明在一个确定性的方式和一般的带限函数的基本下限的最大频率分量引入的量化是独立的量化器的分辨率。
2019-03-28 cs.IT eess.SP math.CV
Effects of Quantization on the Multiple-Round Secret-Key Capacity
我们认为强秘密密钥(SK)协议问题的卫星通信设置,其中一个卫星选择一个共同的二进制相移键控调制输入的三个统计独立的加性高斯白噪声测量信道,其输出分别由两个合法的收发机(爱丽丝和鲍勃)和窃听者(夏娃)观察。合法的收发器可以访问经过认证的、无噪声的、双向的公共通信链路,因此它们可以交换多轮公共消息,以商定隐藏在Eve面前的SK。在不损失基本一般性的情况下,Alice和Bob的测量信道的噪声方差都固定为值$Q>1$,而Eve的测量信道上的噪声具有单位方差,因此$Q$表示信道质量比。我们表明,当合法的收发器应用一个一位的均匀量化器,他们的噪声观测之前SK协议,SK容量减少至少二次在$Q$。
2021-08-29 cs.CR cs.IT eess.SP
NestQuant: Nested Lattice Quantization for Matrix Products and LLMs
MIT(麻省理工学院);Hebrew University of Jerusalem(耶路撒冷希伯来大学)
本文提出基于自相似嵌套格与 Gosset 格的 NestQuant 训练后量化方法,可即插即用地量化 LLM 权重、激活和 KV-cache,并在 4 bit 设置及最高 70B 模型上显著降低困惑度损失。
2025-07-26 cs.AI cs.IT cs.LG
Robust one-bit compressed sensing with partial circulant matrices
我们提出了一个现实的情况下,一位压缩感知问题的最佳样本复杂度估计:该程序使用结构化矩阵(随机子采样循环矩阵),是强大的模拟预量化噪声以及对抗性的比特腐败的量化过程。我们的研究结果意味着,量化是不是一个统计上昂贵的过程中存在的非平凡的模拟噪声:恢复需要相同的样本大小,一个将需要有高斯测量矩阵和噪声模拟测量数据。
2018-12-17 cs.IT eess.SP math.IT