Constellation Shared Multiple Access -- A NOMA scheme for increased user capacity in 5G MMTC
虽然传统的循环前缀正交频分多址被保留为用于5G增强移动宽带的优选多址方案,但是研究现在集中在用于大规模机器类型通信(mMTC)和超可靠低延迟通信的多址方案上。它们限制了与mMTC的主要要求相反的同时用户设备的数量。另一方面,到目前为止作为可能的解决方案已经提出的各种非正交多址方案需要复杂的连续干扰消除接收机。因此,这里提出了一种称为星座共享多址的简化方案,该方案大大增加了LTE或5G新无线电中单个资源块(RB)内要服务的同时用户的数量,从而有助于mMTC的大规模连接需求。这通过在星座域中区分用户来实现。此外,与5G eMBB兼容的简单架构使其成为5G mMTC多址接入的有力竞争者。
2022-06-02 cs.IT cs.SY eess.SY
Introducing a differentiable measure of pointwise shared information
多元互信息的部分信息分解(PID)描述了一组源变量包含关于目标变量的信息的不同方式。Williams和Beer的开创性工作表明,如果不做额外的假设,这种分解就不能从经典的信息论中确定,并且已经提出了几个候选度量,通常借鉴了决策理论等相关领域的原理。这些措施都是不可微的相对于潜在的概率质量函数。在这里,我们提出了一种新的措施,满足这一属性,出现完全从信息理论的原则,并具有本地互信息的形式。我们展示了如何从概率质量排除的角度来理解该措施,这是Fano的互信息原始定义的基础原则。由于我们的措施是很好地定义为个人实现的随机变量,它本身,例如在人工神经网络的本地学习。我们还表明,它有一个有意义的莫比乌斯反演的冗余格,并遵守目标链规则。我们给出了一个操作的解释措施的基础上,代理人应该采取的决定,如果只提供共享信息。
2021-03-30 cs.IT math.IT
Deep Neural Network-Based Blind Multiple User Detection for Grant-free Multi-User Shared Access
引入多用户共享接入(MUSA)作为高级码域非正交复扩频序列以支持大量机器类型通信(MTC)设备。在本文中,我们针对免授权MUSA系统提出了一种新型的基于深度神经网络(DNN)的多用户检测(MUD)。基于DNN的MUD模型通过几个隐藏节点、神经元激活单元和拟合损失函数来确定模型训练阶段期间的感测矩阵、随机分布噪声和设备间干扰的结构。彻底学习的DNN模型能够区分接收信号的活动设备,而无需设备稀疏水平和信道状态信息的任何先验知识。我们的数值评估表明,与传统方法相比,随着有源设备百分比的增加,DNN-MUD实现了显着增加的检测概率。
2021-06-21 cs.IT eess.SP math.IT
Secret Sharing and Shared Information
秘密共享是一种密码学学科,其目标是在一组参与者中分发关于秘密的信息,使得只有特定的授权参与者组合才能重建秘密。因此,秘密共享方案是变量系统,其中非常清楚地指定哪些子集具有关于秘密的信息。因此,它们为信息分解提供了完美的模型系统。然而,遵循这种直觉太远会导致信息分解与负的部分信息项,这是难以解释的。一个可能的解释是,威廉姆斯和比尔提出的部分信息格是不完整的,必须扩展到包含对应于高阶冗余项。这些结果提出了信息分解,遵循部分信息框架的界限,他们暗示的部分信息格需要改进。
2017-11-10 cs.IT math.IT
Quantifying unique information
我们提出了新的共享信息,唯一信息和协同信息的措施,可以用来分解的多个信息的一对随机变量$(Y,Z)$与第三个随机变量$X$。我们的措施是由独特的信息,这表明,共享信息和独特的信息应该只依赖于对边缘分布的$(X,Y)$和$(X,Z)$的操作思想的动机。虽然这种不变性以前没有研究过,它是满足其他建议的措施共享信息。不变性性质并不唯一地确定我们的新测度,但它意味着我们定义的函数是满足相同不变性性质的任何其他测度的界限。我们研究我们的措施的属性,并将它们与其他候选措施进行比较。
2014-01-16 cs.IT math.IT
Resource Allocation for Outdoor-to-Indoor Multicarrier Transmission with Shared UE-side Distributed Antenna Systems
在本文中,我们研究的资源分配算法设计下行链路多载波传输与共享用户设备(UE)侧的分布式天线系统(SUDAS),利用授权和未授权的频带,以提高系统的吞吐量。联合UE选择和收发器处理矩阵设计被公式化为用于最大化端到端系统吞吐量(比特/秒)的非凸优化问题。为了获得一个易于处理的资源分配算法,我们首先表明,最佳的发射机预编码和接收机后处理矩阵联合对角化的端到端的通信信道。随后,优化问题被转换为多个并行通道的标量优化问题,这是通过使用渐近最优迭代算法来解决。仿真结果表明,所提出的资源分配算法的SUDAS实现了良好的系统性能,并提供了空间复用增益的单天线UE。
2015-01-09 cs.IT math.IT
Optimal Beamforming for MIMO Shared Relaying in Downlink Cellular Networks with ARQ
在本文中,我们研究了自动重传请求(ARQ)和半双工解码和转发共享中继的蜂窝网络的下行链路的性能。在该系统中,两个多输入多输出(MIMO)基站服务于两个单天线用户。MIMO共享中继将丢失的分组重传给目标用户。首先,我们研究了基站直接重传的系统,导出了系统中断概率的封闭表达式,证明了直接重传可以克服衰落,但不能克服干扰。在此之后,我们调用共享中继和设计的中继波束成形矩阵,使信号干扰噪声比(SINR)的改善,在中继功率约束的用户。当只有一个用户的传输失败的情况下,我们推导出一个封闭的形式解决方案的中继波束形成器。另一方面,当两个传输失败时,我们提出的波束形成问题作为一个序列的非凸可行性问题。我们使用半定松弛(SDR)将每个可行性问题转化为凸优化问题。我们确保秩一的解决方案,因此,在SDR中没有最优性的损失。仿真结果表明,所提出的中继波束形成策略相比,直接ARQ系统的中断概率的优越性能。
2016-10-10 cs.IT math.IT
On Energy Efficient Uplink Multi-User MIMO with Shared LNA Control
实现成本和功耗是现代无线通信中的两个重要考虑因素,特别是在大规模多天线系统中,其中各个射频(RF)链的数量可能比以前大得多。在这项工作中,我们建议部署一个单一的低噪声放大器(LNA)的上行链路多输入多输出(MIMO)接收机,以覆盖所有的天线。这种架构虽然从成本和功耗的角度来看是有利的,但在LNA增益控制和用户发射功率控制中引入了挑战。在实际系统约束条件下,我们提出了一个能量效率最大化问题,并证明了它是一个约束拟凹优化问题。然后,我们提出了一个有效的算法,二分法-梯度辅助内点(B-GAIP),解决了这个优化问题。分析了B-GAIP算法的最优性、收敛性和复杂性,并通过数值模拟得到了进一步的验证。特别地,当使用B-GAIP来确定LNA增益和用户发射功率时,由于在每个RF链中使用共享LNA而不是单独的LNA而导致的性能损失在集中式和分布式MIMO系统中都非常小。
2017-09-20 cs.IT math.IT
Dual-Source SPIR over a noiseless MAC without Data Replication or Shared Randomness
本文提出一种无需共享随机性或数据复制的SPIR方案,利用无噪声二进制加法者多址信道和公开通信信道实现信息论安全的隐私信息检索。
2025-12-08 cs.CR cs.IT math.IT
Scheduling Policies in a Multi-Source Status Update System with Dedicated and Shared Servers
本文研究多源状态更新系统中专用服务器与共享服务器并存的多路径链路共享调度问题,提出最优概率调度器和多种启发式循环调度算法,以最小化加权平均信息年龄。
2025-04-09 cs.IT cs.NI cs.SY
Disentangled Variational Information Bottleneck for Multiview Representation Learning
University of California, San Francisco(加利福尼亚大学旧金山分校)
多视图数据包含来自多个模态的信息,并且有潜力为不同的机器学习任务提供更全面的特征。多视图分析中的一个基本问题是附加视图带来的附加信息是什么,并能够定量地识别这些附加信息。在这项工作中,我们试图通过将纠缠的多视图特征分解为共享的潜在表示来应对这一挑战,这些表示在所有视图中都是共同的,而私有表示则是特定于每个视图的。在信息瓶颈的框架下,提出了解纠缠变分信息瓶颈(DVIB)。DVIB使用来自互信息的约束来显式地定义共享和私有表示的属性。通过推导互信息项的变分上下界,有效地优化了表示。我们证明了DVIB学习的共享和私有表示很好地保留了两个视图之间共享的公共标签和对应于每个视图的唯一标签。DVIB也显示出相当的性能在分类任务的图像与腐败。DVIB实现可在https://github.com/feng-bao-ucsf/DVIB上获得。
2021-05-17 cs.CV cs.IT cs.LG
Information-Theoretic Lower Bounds on the Storage Cost of Shared Memory Emulation
本文的重点是了解在异步分布式消息传递系统上模拟原子共享内存的存储开销。以前的文献已经开发了几种基于复制和擦除编码技术的共享存储器仿真算法。在本文中,我们提出了信息理论的共享内存仿真算法所产生的存储成本的下限。我们的存储成本下限是普遍适用的,也就是说,我们不假设的算法的结构或编码的数据的方法。我们考虑一个任意的算法$A$,实现一个原子的多作者单读者(MWSR)共享内存变量,其值来自一个有限的集合$\mathcal{V}$在一个系统的$N$服务器连接的点对点异步链路。我们要求在每次公平执行算法$A$时,服务器故障的数量小于参数$f$,在非故障客户端调用的每个操作都终止。在算法$A$中,服务器的存储开销定义为服务器可以采用的状态数的对数(以2为底);算法$A$的总存储开销是所有服务器的存储开销之和。我们的结果如下。(i)我们表明,如果算法$A$不使用服务器的八卦,那么总的存储成本是由$2 \frac{N}{N-f+1}\log_2|\mathcal{V}|-o(\log_2|\mathcal{V}|)$下界。(ii)总存储成本至少为$2 \frac{N}{N-f+2} \log_{2}|\mathcal{V}|-o(\log_{2}|\mathcal{V}|)$,即使算法使用服务器流言。(iii)我们考虑的算法中的写入协议发送的值在最多一个阶段的信息。我们表明,总的存储成本是至少$ν^*…
2016-05-24 cs.DC cs.IT math.IT
Contextual Information Allocation in Shared-State Cognitive Models: An Information-Theoretic Bound
SOBIN Institute LLC(SOBIN研究所有限公司)
本文研究了单状态本体模型中上下文性的信息论限制,指出在共享状态重用的情况下,上下文信息需由条件互信息下界约束,揭示了子系统经典表示的局限性。
2026-09-24 cs.AI cs.IT math.IT
Obscure: Information-Theoretically Secure, Oblivious, and Verifiable Aggregation Queries on Secret-Shared Outsourced Data -- Full Version
尽管密码学取得了令人兴奋的进展,但外包数据的安全和高效查询处理仍然是一个公开的挑战。我们开发了一个通信效率和信息理论上的安全系统,题为模糊的聚合查询与合取或析取谓词,使用秘密共享。模糊是强安全的(即,无论对手的计算能力如何都是安全的),并防止网络以及(对抗)服务器学习用户的查询、结果或数据库。此外,Obscure还提供了额外的安全功能,例如隐藏访问模式(即,隐藏满足查询的元组的身份)和隐藏查询模式(即,隐藏哪两个查询是相同的)。此外,Obscure不需要在查询执行之前/期间/之后存储秘密共享数据的任何两个服务器之间的任何通信。此外,我们的技术处理由单个或多个数据库所有者外包的秘密共享数据,以及允许可能不是数据库所有者的用户对秘密共享数据执行查询。我们进一步开发了(非强制性的)隐私保护结果验证算法,用于检测恶意行为,并通过实验验证了Obscure在大型数据集上的效率,而之前的秘密共享或多方计算系统的方法还没有扩展到这种规模。
2020-04-27 cs.CR cs.DB cs.IR
Contextuality as an External Bookkeeping Cost under Fixed Shared-State Semantics
SOBIN Institute LLC, Kawanishi, Hyogo, Japan(SOBIN研究所有限责任公司,日本兵库县川西市)
本文研究了在固定共享状态语义下,经典模拟如何引入额外情境信息以保持内部描述一致,定义了障碍成本并证明了其下界。
2026-04-04 cs.AI cs.IT math.IT
Partial Information Decomposition for Continuous Variables based on Shared Exclusions: Analytical Formulation and Estimation
本文提出了一种基于共享排除的连续变量偏信息分解解析公式和最近邻估计器,并应用于模拟能源系统验证其有效性。
2024-03-27 cs.IT math.IT math.PR
Inference under Information Constraints II: Communication Constraints and Shared Randomness
Cornell University(康奈尔大学);IBM Research(IBM研究院);Indian Institute of Science(印度科学研究所)
中央服务器需要基于分布在多个用户上的样本执行统计推断,每个用户可以向中心发送有限长度的消息。我们研究的问题,分布学习和身份测试在这个分布式推理设置和检查共享的随机性作为一种资源的作用。我们提出了一种通用的模拟和推断策略,该策略仅使用私有硬币通信协议,并且对于分布式学习是样本最优的。这种一般策略甚至对于私有币协议之间的分布测试也是样本最优的。有趣的是,我们提出了一个公共币协议,它在分发测试中的表现优于模拟和推断,实际上是样本最优的。我们的公共币协议的基础是一个随机散列,当应用于样本时,它将样本分布的卡方距离最小化为均匀分布。
2020-10-01 cs.DM cs.DS cs.IT