The Capacity of Random Linear Coding Networks as Subspace Channels
本文将非相干随机线性编码网络（RLCN）看作是输入输出字母表由子空间组成的离散无记忆信道（DMC）。这与以前的信道模型在文献中假设矩阵作为信道输入和输出。对网络拓扑或传递矩阵没有特别的假设，除了后者可能根据某种秩亏概率分布是秩亏的。我们引入了一个随机向量基的选择过程，使DMC对称。我们推导出的容量可以看作是非相干RLCN容量的下限，其中子空间编码足以实现这一界限。
2010-01-13 cs.IT math.IT
Instantaneous SED coding over a DMC
在本文中，我们提出了一种新的代码，用于传输一个序列的$n$消息比特在实时的的离散无记忆信道（DMC）与无噪声反馈，其中的消息比特流到编码器一个接一个在随机的时刻。与现有的具有块编码的后验匹配方案类似，我们工作中的编码器利用信道反馈来形成包含解码器尚未具有的信息的信道输入，并且这些信道输入分布接近于实现容量的输入分布，但与现有的后验匹配方案不同，编码器执行瞬时编码--它立即将新的消息比特编织到连续的传输中。Naghshvar等人的后验匹配方案将源消息划分为组，使得组后验子与容量实现分布具有足够小的差异（SED），并发送包含实际消息的组索引。我们的代码采用了SED规则来应用于不断演变的消息字母表，该字母表包含了源可能发出的所有可能的可变长度字符串。我们的瞬时SED代码实现了更好的延迟可靠性权衡比现有的反馈代码在$2$输入DMC：我们建立这种优势，通过模拟和分析比较的瞬时SED代码Burnashev的可靠性函数的性能。我们还设计了一种低复杂度的二进制对称信道编码，我们将其命名为具有复杂度$O(t^4)$的瞬时型集SED码。仿真结果表明，瞬时SED码和瞬时型集SED码在性能上的差距可以忽略不计。
2021-05-07 cs.IT math.IT
Strong Coordination over Noisy Channels
我们研究了两个节点$X$和$Y$的行动，通过离散无记忆信道（DMC）进行通信，使行动遵循规定的联合概率分布的强协调问题。我们提出了两种新的随机编码方案和极性编码方案，这个嘈杂的强协调问题，并推导出各自的强协调能力区域的内界。第一种方案是联合协调信道编码方案，其利用DMC提供的随机性来减少在节点$Y$处生成动作序列所需的局部随机性的量。基于这种随机编码方案，我们提供了一个表征的能力区域的两个特殊情况下的嘈杂的强协调设置，即，当在节点$Y$的行动是由节点$X$，当DMC是一个确定性的信道。第二种方案利用单独的协调和信道编码，其中在解码后从信道中提取局部随机性。第三种方案是用于强协调的联合协调-信道极化编码方案。我们表明，极化码能够实现噪声强协调能力区域的内界，从而为随机编码证明提供了一个建设性的替代方案。我们的极化编码方案还提供了一个建设性的解决方案，其中的DMC和共享的随机性一起模拟另一个DMC的信道仿真问题。最后，通过利用这个问题的随机编码结果，我们提出了一个例子，其中所提出的联合方案是能够严格优于单独的方案，在可实现的通信速率为相同数量的注入到两个系统的随机性。因此，我们建立了次优分离的强协调和信道编码相对于DMC的通信速率。
2018-08-15 cs.IT math.IT
Channel polarization: A method for constructing capacity-achieving codes for symmetric binary-input memoryless channels
提出了一种称为信道极化的方法来构造码序列，以实现任意给定的二进制输入离散无记忆信道（B-DMC）$W$的对称容量$I(W)$。对称容量是在以相等概率使用信道的输入字母的情况下可实现的最高速率。通道极化指的是这样的事实，即有可能从给定B-DMC $W$的$N$独立拷贝中合成第二组$N$二进制输入通道$\{W_N^{(i)}:1\le i\le N\}$，使得随着$N$变大，$I(W_N^{(i)})$接近1的索引$i$的部分接近$I(W)$，而$I(W_N^{(i)})$接近0的部分接近$1-I(W)$。极化信道$\{W_N^{(i)}\}$对于信道编码是良好条件的：仅需要通过具有接近1的容量的那些信道以速率1发送数据，并且通过其余信道以速率0发送数据。基于这种思想构造的码被称为极化码。本文证明了，给定具有$I(W)>0$的任何B-DMC $W$和任何目标速率$R < I(W)$，存在极化码序列$\{{\mathscr C}_n;n\ge 1\}$，使得${\mathscr C}_n$具有块长度$N=2^n$、速率$\ge R$和在连续抵消解码下的块错误概率，其与码率无关地被限定为$P_{e}(N,R) \le \bigoh(N^{-\frac14})$。该性能可通过每个编码器和解码器具有复杂度$O(N\log N)$的编码器和解码器来实现。
2009-07-20 cs.IT math.IT
Channel combining and splitting for cutoff rate improvement
离散无记忆通道（DMC）$W$的截止速率$R_0(W)$通常与信道容量$C(W)$一起用作品质因数。给定由两个可能相关的子信道$W_1$、$W_2$组成的信道$W$，容量函数总是满足$C(W_1)+C(W_2) \le C(W)$，而存在$R_0(W_1)+R_0(W_2) > R_0(W)$的例子。Massey在他对模拟为$M$元擦除信道的光调制系统的研究中注意到了可以通过信道分裂“产生”截止速率这一事实。本文论证了通过信道合并和信道分裂的方法，对于一般的DMC，可以获得类似的截止速率增益。Pinsker的早期工作的截止率的改善和Imai-Hirakawa多层次编码的关系，所提出的方法进行了讨论。
2005-08-04 cs.IT math.IT
Joint Coordination-Channel Coding for Strong Coordination over Noisy Channels Based on Polar Codes
我们构建了一个联合协调信道极化编码方案，用于两个代理$\mathsf X$和$\mathsf Y$之间的强协调动作，它们通过离散无记忆信道（DMC）进行通信，使得动作的联合分布遵循规定的概率分布。我们表明，极化码能够实现我们先前建立的强噪声协调能力区域的内界，从而为随机编码证明提供了一个建设性的替代方案。我们的极化编码方案还提供了一个建设性的解决方案，其中的DMC和共享的随机性一起模拟另一个DMC的信道仿真问题。特别是，我们提出的解决方案是能够利用DMC的随机性，以减少在代理$\mathsf Y$生成的动作序列所需的本地随机性的量。通过利用我们早期的随机编码结果这个问题，我们得出结论，建议的联合协调信道编码方案严格优于一个单独的计划，在可实现的通信速率为相同数量的注入到两个系统的随机性。
2017-10-09 cs.IT math.IT
An Upper Bound on the Reliability Function of the DMC
我们推导了离散无记忆信道上信道编码可靠性函数的一个新的上界。我们的边界技术依赖于两个主要元素：（i）添加一个辅助接收机，该辅助接收机向原始接收机显示一个码字列表，该码字列表包括满足某种类型属性的所发送的码字，以及（ii）将该列表（的大部分）划分成满足某种成对对称属性的码字子集，这有助于通过子集内的成对错误概率来降低平均错误概率的边界。我们比较得到的约束的Shannon-Gallager-Berlekamp直线约束，球包装的约束，和一个修正版本的Blahut的约束。我们的界限被证明是至少为所有利率的情况下，与上述三个界限相比，在一定范围内的低利率的情况下，更严格的紧。我们的推导是在一个统一的方式，这是有效的任何速率，以及广泛的一类添加剂解码度量，每当相应的零错误容量为零。我们还提出了一个相对简单的功能，可以被视为在某些情况下的可靠性函数的近似。我们还提出了一个对偶形式的界限，并讨论了一个更宽松的界限的一个简单的形式，这是分析的情况下，二进制对称信道的最大似然解码。
2022-09-02 cs.IT math.IT
The Gelfand-Pinsker Channel: Strong Converse and Upper Bound for the Reliability Function
我们考虑Gelfand-Pinsker离散无记忆信道（DMC）模型，并提供了一个强逆的容量。强逆，然后用于获得上界的可靠性函数。在我们的证明工具是一个新的技术引理，它提供了一个上限的代码与码字，有条件地典型的一组典型的状态序列的大消息相关的子集的速率。这个技术结果是一个非直接模拟的公知结果的DMC没有国家，提供了一个上限的一个良好的代码与码字的固定类型（可以找到，例如，在Csiszar-Korner书）。
2009-10-04 cs.IT math.IT
State-Dependent Channels with a Message-Cognizant Helper
研究消息感知限速辅助器非因果观测状态并共享描述给编解码器的状态依赖信道，推导出其容量。
2023-11-14 cs.IT math.IT
A Tight Upper Bound for the Third-Order Asymptotics for Most Discrete Memoryless Channels
本文证明了当信道的ε色散为正时，n次使用的离散无记忆信道的ε误差容量（平均误差概率）的对数的上界为正态近似加上一个不超过1/2logn + O（1）的三阶项.这与Y的下限相匹配。Polyanskiy（2010），用于具有正反向色散的离散无记忆信道。如果ε-色散为零，ε-误差容量的对数的上界是容量的n倍加上一个常数项，除了一小类DMC和ε>= 1/2。
2013-10-24 cs.IT math.IT
On Achievable Rates of Line Networks with Generalized Batched Network Coding
本文研究通用离散无记忆信道构成的线性网络，基于瓶颈状态技术推导广义批量网络编码（GBNC）的新可达速率上界，还通过信道约简推广非相同信道的可达性结果，并优化分组删除信道场景的上界与编码方案。
2023-12-20 cs.IT math.IT
A General Formula for the Mismatch Capacity
解决了解码不匹配的信道的基本限制。建立了一般信道失配容量的一般公式，定义为具有一般解码度量序列的条件分布序列。推导出Verdú-Han一般信道容量公式与最大似然译码准则下的失配容量公式之间的一致性。此外，提供了几个上限的能力，并推导出一个更简单的表达式的下限的情况下，一个非负的解码度量。一般公式是专门的情况下，有限的输入和输出字母通道与类型相关的度量。本文还研究了与之密切相关的门限失配译码问题，得到了门限失配容量的一般表达式。作为阈值失配容量的一个例子，我们陈述了有限输入和输出字母信道的仅擦除容量的一般表达式。我们观察到，对于每个通道存在一个（匹配）阈值解码器，这是容量实现。此外，还给出了信道具有强逆的充要条件。对有界度量证明了Csiszár和Narayan的猜想，对[1]中提出的公开问题，即，较低的随机编码边界$C_q^{(\infty)}(W)$的“乘积空间”改进实际上是离散无记忆信道$W$的失配容量。最后，我们提出了一个身份之间的阈值容量和$C_q^{(\infty)}(W)$在DMC的情况下。
2013-09-30 cs.IT math.IT
Polar coding to achieve the Holevo capacity of a pure-loss optical channel
在经典光通信的低能量高能效领域-与深空光信道相关-通过传统光接收器可实现的可靠通信速率与最终（Holevo）容量之间存在很大差距。实现Holevo容量不仅需要最佳代码，而且还需要对长（调制）码字波形进行集体测量的接收器，并且不可能通过逐个符号检测以及经典后处理来实现这些集体测量。在这里，我们应用我们最近的研究结果的经典量子极化码-第一个近明确的，线性的，非线性的Holevo速率实现代码-有损光信道，我们表明，它几乎关闭了整个差距的Holevo容量在低光子数制度。相比之下，Arikan的原始极化码（应用于由与任何可想到的结构化光接收器（包括光零差、外差或直接检测）配对的物理光信道引起的DMC）未能实现对信道容量的最终Holevo限制。然而，我们的极化码结构（其使用量子保真度作为信道参数而不是经典的巴塔查里亚量来选择极化码构造中的"好信道"），与量子连续抵消接收器配对-其涉及对接收到的码字波形的联合量子态的一系列集体非破坏性二元投影测量-可以达到Holevo极限，并且因此原则上可以实现比直接应用于光信道的Arikan极化码和解码器更高的速率。然而，即使是一个理论配方的量子逐次抵消接收器的光学实现的建设仍然是一个悬而未决的问题。
2012-05-22 cs.IT math.IT quant-ph
On the Capacity of the Wiener Phase-Noise Channel: Bounds and Capacity Achieving Distributions
研究了加性高斯白噪声（AWGN）信道在时变维纳相位噪声影响下的信道容量。严格的上限和下限的能力，这条通道的发展。上界是通过使用对偶方法，并考虑一个特定的分布在输出的通道。为了降低容量，首先通过求解信道互信息的函数优化来找到实现容量的输入分布族。然后，通过Monte-Carlo模拟从建议的分布中抽取样本，得到容量的下限。所提出的实现容量的输入分布是循环对称的、非高斯的，并且输入幅度随着时间的推移而相关。所评估的容量界限对于宽范围的信噪比（SNR）值是紧的，并且因此它们可以用于量化容量。具体而言，在低SNR下的界限遵循众所周知的AWGN容量曲线，而在高SNR下，它们与相位噪声信道的文献中可用的高SNR容量结果一致。
2015-09-21 cs.IT math.IT
A Simple Capacity Outer Bound for Two-Way Channels and Capacity Approximation Results
信道的对称性，暗示香农的随机编码内界的紧密性最近被用来确定离散无记忆双向信道（DM-TWC）的容量区域。对于没有这种对称性的信道，通常需要外边界来估计容量区域。然而，验证对称性条件和/或评估非平凡的外边界在计算上要求很高，特别是对于具有大输入和输出字母的通道。在本文中，三个易于检查的条件，确定DM-TWC没有这样的对称性，以及一个易于计算的外边界。该界是从香农的内界计算，但非平凡的。使用该外边界，可以为某些DM-TWC建立近似的容量结果。通过两个例子说明了结果。
2020-09-24 cs.IT math.IT
Bounds on the Capacity Region of the Optical Intensity Multiple Access Channel
本文给出了光强多址接入信道（OIMAC）在单用户平均或峰值功率约束下容量域的新的内界和外界。对于平均功率约束的OIMAC，我们的边界在高功率渐近紧，从而表征的渐近容量区域。在不损失渐近最优性的前提下，将该界推广到具有平均功率约束的K用户OIMAC。对于峰值功率受限的OIMAC，在高功率下，我们将渐近容量区域限制在0.09比特以内，并确定了对称情况下的渐近容量区域。在中等功率下，对于这两种类型的约束，容量区域被限制在相当小的间隙内。
2019-08-28 cs.IT math.IT
Capacity Bounds for Discrete-Time, Amplitude-Constrained, Additive White Gaussian Noise Channels
实现容量的离散时间，加性高斯白噪声（AWGN）信道的输入分布与幅度约束是离散的，似乎很难明确地表征。一个双容量表达式被用来推导标量和矢量AWGN信道的解析容量上界。标量界改进了McKellips的界，并且对于所有信噪比（SNR）在0.1比特的容量内。二维界限是在0.15比特的容量可证明高达4.5 dB，和数值证据表明所有SNR的类似差距。
2015-11-27 cs.IT math.IT
An Upper Bound for the Capacity of Amplitude-Constrained Scalar AWGN Channel
本文对Thangaraj等人关于幅度受限标量AWGN信道容量的上界进行了改进。这种改进使得容量的上限在$\frac{E_b}{N_0}\leq 2.5$ dB的0.002比特内。
2016-05-04 cs.IT math.IT
An Upper Bound on the Sum Capacity of the Downlink Multicell Processing with Finite Backhaul Capacity
在本文中，我们研究了上界的下行链路多小区处理模型的回程容量有限的简单情况下，2个基站和2个移动用户的总容量。它被建模为两个用户的多路访问钻石通道。它包括通过有限容量的正交链路从中央处理器到基站的第一跳，以及通过高斯干扰信道从基站到移动用户的第二跳。使用多址菱形信道和高斯MIMO广播信道的逆工具导出逆。数值结果表明，在中等回程容量范围内，该上界比现有的上界有了很大的提高，其结果是，上界与已知可实现方案的分时速率之和之间的差距显著减小.
2016-09-03 cs.IT math.IT
Tight Capacity Bounds for Indoor Visible Light Communications With Signal-Dependent Noise
推导了信号相关高斯噪声下点对点室内可见光通信（VLC）系统的信道容量界。同时考虑照明和通信，VLC的非负输入受到峰值和平均光强约束。考虑了两种情况：一种情况具有平均和峰值光强约束，另一种情况仅具有平均光强约束。对于这两种情况下，我们推导出封闭的容量下限和上限的表达式。利用变分方法和输出熵总是大于输入熵的性质，推导出了系统容量的下界。利用容量的对偶表达式和“逃逸到无穷远的达容源分布”原理，得到了系统容量的上界。此外，渐近分析表明，容量下限和上限之间的渐近性能差距接近于零。最后，所有推导出的能力界限，确认使用数值结果。
2020-10-31 cs.IT math.IT
Gaussian Interference Networks: Sum Capacity in the Low Interference Regime and New Outer Bounds on the Capacity Region
高斯干扰网络容量域的建立是信息论中的一个开放问题。在这个问题上的最新进展导致了一个一般的两个用户高斯干扰信道的容量区域在一个比特内的特性。在本文中，我们开发了新的，改进的能力区域的外部边界。使用这些界限，我们表明，治疗干扰噪声实现了两个用户的高斯干扰信道的总容量在低干扰制度，其中干扰参数低于一定的阈值。然后，我们将我们的技术和结果推广到高斯干扰网络与两个以上的用户。特别是，我们证明了总干扰阈值，低于该阈值，将干扰作为噪声处理，实现总容量，随着用户的数量而增加。
2009-02-15 cs.IT math.IT
Generalized Bounds on the Capacity of the Binary-Input Channels
对于类的无记忆的二进制输入通道，不一定是对称的，我们推导出严格的界限的能力方面的Bhattacharyya参数。事实证明，在[1]中的对称信道假设下导出的界对于一般情况也是有效的。
2017-10-30 cs.IT math.IT
Bounds on the Capacity of the Relay Channel with States at the Source
这篇论文已被作者撤回
2009-06-03 cs.IT math.IT
Capacity bounds for bandlimited Gaussian channels with peak-to-average-power-ratio constraint
本文重新讨论了香农提出的峰值功率约束下带限高斯信道容量的边界问题，并将其推广到峰值平均功率比（PAPR）约束的情形。通过在PAPR约束下对输入独立同分布的脉冲幅度调制的可达信息速率进行下界分析，得到了成形脉冲的一般容量下界。然后，我们评估和优化的下限，采用一些参数脉冲，从而提高现有的最佳结果。根据Shannon的方法，得到了PAPR约束下BLGC的容量上界。通过结合我们的上限和下限，PAPR约束BLGC的容量被限制在一个有限的间隙内，该间隙随着PAPR约束趋于无穷大而趋于零。使用相同的方法，我们还改进了高信噪比下带限光强信道的现有容量下限。
2018-08-30 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
An outer bound to the capacity region of the broadcast channel
给出了两接收机离散无记忆广播信道容量域的一个外界。对于容量区域已知的所有情况，外边界都是紧的。当专门化到没有公共信息的情况时，这个外边界包含在Korner-Marton外边界中。这种遏制被证明是严格的二进制反对称广播信道。因此，该外边界通常比离散无记忆广播信道上的所有其他已知外边界更紧。
2006-10-05 cs.IT math.IT
An Upper Bound on the Capacity of non-Binary Deletion Channels
我们推导出非二进制删除通道的容量上界。虽然二进制删除通道多年来受到了极大的关注，并且已经推导出其容量的许多上限和下限，但对于非二进制情况的此类研究在很大程度上缺失。现有技术如下：作为普通的上限，可以使用具有与删除信道相同的输入字母表的擦除信道的容量，并且作为下限，Diggavi和Grossglauser的结果是可用的。在本文中，我们推导出第一个非平凡的非二进制删除信道容量上界，并减少与现有的可达速率的差距。为了得到结果，我们首先证明了具有删除概率$d$的2K元删除信道的容量（用$C_{2K}(d)$表示）与具有相同删除概率$C_2(d)$的二进制删除信道的容量（即，$C_{2K}(d)\leq C_2(d)+(1-d)\log(K)$）之间的不等式。然后利用已有的二进制删除信道容量的上界，得到了2K进制删除信道容量的上界。我们通过例子来说明使用新的界限，并讨论其渐近行为$d \rightarrow 0$。
2013-05-08 cs.IT math.IT
Capacity Bounds for Diamond Networks with an Orthogonal Broadcast Channel
研究了一类菱形网络，其中广播分量是正交的，由两个独立的比特管道建模。新的上限和下限的能力。上界的证明技术推广了Ozarow的高斯多描述问题（1981）和Kang和Liu的高斯钻石网络（2011）的边界技术。下界是基于马顿的编码技术和叠加编码。高斯和二进制加法器多路访问信道（MAC）的界限进行评估。对于高斯MAC，下限和上限都加强了Kang-Liu界限，并为比特管道容量的有趣范围建立了容量。对于二进制加法器MAC，针对所有范围的位管容量建立容量。
2015-10-04 cs.IT math.IT
On the calculation of the minimax-converse of the channel coding problem
Polyanskiy等人已经提出了用于一般信道编码问题的最小最大逆。这种对话有两种形式。第一种方法通常用于分析具有非零错误概率的编码问题，并在给定错误概率的情况下提供速率的上限。第二种风格固定速率并提供错误概率的下限。这两个转换作为一个适当的二元假设检验问题的最小-最大优化问题。Polyanskiy研究了第一逆的性质，并证明了一个鞍点。本文研究了第二种形式的性质，证明了它也存在鞍点。此外，鞍点的计算算法，因此的界限，开发。在DMC的情况下，算法在多项式时间内运行。
2016-01-25 cs.IT math.IT
Capacity Bounds on the Downlink of Symmetric, Multi-Relay, Single Receiver C-RAN Networks
研究了具有多中继和单接收机的对称云无线接入网（C-RAN）下行链路。上下限的能力。下限是通过马顿的编码，这有利于多路访问信道输入之间的依赖。上限使用Ozarow的技术，以增加系统的辅助随机变量。的界限进行了研究，标量高斯C-RAN的，并满足和表征的能力，有趣的制度的操作。
2017-02-22 cs.IT math.IT
Dual Capacity Upper Bounds for Noisy Runlength Constrained Channels
二进制输入的游程长度约束输入的无记忆通道被认为是。这种嘈杂的游程长度受限的信道的容量的上限推导出使用双容量方法与马尔可夫测试分布满足Karush-Kuhn-Tucker（KKT）的能力实现输出分布的条件。给出了二进制擦除信道（BEC）和二进制对称信道（BSC）的界的简化代数刻画。这些上界非常接近可实现的速率，并改善了以前已知的基于反馈的边界的大范围的信道参数。对于二进制输入的加性高斯白噪声（AWGN）信道，上界被简化为一个小规模的数值优化问题。这些结果提供了一些最简单的上界的开放容量的问题，具有理论和实际意义。
2016-09-30 cs.IT math.IT
Hadamard Upper Bound (HUB) on Optimum Joint Decoding Capacity of Wyner Gaussian Cellular MAC
这篇论文已被作者撤回。
2011-02-28 cs.IT math.IT
Capacity Bounds and a Certain Capacity Region for Special Three-Receiver Broadcast Channels with Side Information
2接收机广播信道（BC）的结果没有推广到3接收机的事实是信息理论的重要性。在本文中，我们研究了两类离散无记忆BC与非因果边信息（SI），即多级BC（MBC）和3-接收机少噪声BC。首先，我们得到一个可实现的速率区域和容量的MBC的外界。其次，我们证明了一个特殊的容量区域的3接收机少噪声BC。第三，所得到的特殊容量区域的3接收机少噪声BC扩展到连续字母衰落高斯版本。值得一提的是，之前的作品都是我们作品的特例。
2014-08-17 cs.IT math.IT
On the Capacity of Waveform Channels Under Square-Law Detection of Time-Limited Signals
推导了时域复值信号平方律检测下波形信道的容量界。上限是信道在（复值）相干检测下的容量。每个维度的下限都比上限小一位。
2020-01-22 cs.IT math.IT
Upper Bound on the Capacity of Gaussian Channels with Noisy Feedback
我们考虑一个加性高斯信道加性高斯噪声反馈。我们得到了n-块容量的上界（由Cover [1]定义）。它表明，这个上界可以通过求解凸优化问题。高斯噪声过程的平稳性假设，我们刻画的极限的n块上限，并证明了这个极限是上界的噪声反馈（香农）容量。
2012-01-07 cs.IT math.IT
Secrecy Capacity Bounds for Visible Light Communications With Signal-Dependent Noise
在物理层安全中，最基本的问题之一是保密容量。研究了由发射机、合法接收机和窃听接收机组成的室内可见光通信系统的保密容量。在这样的系统中，既考虑了信号无关的高斯噪声，也考虑了信号相关的高斯噪声。在非负性和平均光强约束下，首先利用变分法、保密容量的对偶表达式和“逃逸到无穷大的最优输入分布”的概念，推导出保密容量的上下界.数值结果表明，保密容量的上下界是紧的。通过在大光强下的渐近分析，在渐近上界和下界之间存在小的性能差距。然后，通过增加峰值光强约束，进一步分析了保密容量的精确界和渐近界。最后，数值结果验证了所导出的边界的严密性。
2021-09-23 cs.IT math.IT
A Capacity Region Outer Bound for the Two-User Perturbative Nonlinear Fiber Optical Channel
从干涉信道的角度研究了交叉相位调制和色散对非线性光纤信道的影响。我们的特征的同时可达速率对的容量区域上的一个外边界，假设一个两个用户的扰动信道模型。
2021-07-05 cs.IT math.IT
Lower Bound on the Capacity of Continuous-Time Wiener Phase Noise Channels
研究了积分转储多采样接收机在连续时间维纳相位噪声信道中的应用。推导出了具有平均输入功率约束的容量的下限，并进行了高信噪比分析。容量预对数取决于过采样因子，并且幅度调制和相位调制在高SNR下对容量的贡献并不相等。
2015-03-11 cs.IT math.IT
K-user Interference Channels: General Outer Bound and Sum-capacity for Certain Gaussian Channels
本文导出了一般无记忆干扰信道容量域的一个外界。推导如下从一个概括的技术开发的克莱默和Etkin等人的高斯双用户信道。导出的边界是对任何无记忆通道有效的第一个已知的外部边界。在高斯噪声中，信道的类别，建议的界给出了总速率容量的确定，包括退化的信道和一类Z-信道。
2011-02-16 cs.IT math.IT
Novel Outer Bounds and Capacity Results for the Interference Channel with Conferencing Receivers
本文研究了有限容量会议链路中协作接收机的两用户干扰信道的容量界。这种通信场景的已知容量结果仅限于单侧IC的极少数特殊情况。在分析这种合作网络的主要挑战之一是如何建立有效的容量外边界。本文应用新技术，提出了一种新的具有会议用户的集成电路容量外界。使用外边界，几个新的容量结果证明了有趣的信道与单向合作，在强干扰和混合干扰制度。事实上，会议链路（在接收机之间）可以用于向一个接收机提供关于其相应信号或其非相应信号（干扰信号）的信息。作为一个显着的结果，它表明，这两种策略可以帮助实现的通道的容量。最后，对于高斯IC的情况下，它是数学上表明，我们的外界是严格紧比以前的一个由Wang和Tse。
2015-12-16 cs.IT math.IT
New Bounds for the Capacity Region of the Finite-State Multiple Access Channel
考虑了反馈信道输出样本为任意时不变函数的变状态多址接入信道（FS-MAC）的容量域。我们为这个区域提供了一系列的内边界和外边界。这些界限是一致的，因此产生的能力区域，FS-MAC的状态过程是平稳的，遍历的，不受输入，和不可分解的FS-MAC反馈时，不允许。虽然容量区域一般是“多字母”的，但当应用于特定的感兴趣场景时，我们的结果会得出明确的结论。
2008-02-11 cs.IT math.IT
On the High-SNR Capacity of the Gaussian Interference Channel and New Capacity Bounds
已知两用户高斯干扰信道（GIC）的容量区域上的最佳外边界是包括精灵辅助外边界的各种边界的区域的交集，其中精灵向预期接收机提供噪声输入信号。Han和Kobayashi（HK）方案提供了最著名的内界。在总容量的最佳已知的下限和上限之间的速率差保持为每个信道使用1比特，特别是在$g^2=P^{-1/3}$周围，其中$P$是对称功率约束，而$g$是对称实跨信道系数。在本文中，我们关注的是\emph{moderate interference regime}，其中$g^2\in (\max(0.086, P^{-1/3}),1)$。我们提出了一种新的上限技术，利用噪声观测干扰信号的精灵信号，并在接收机的精灵信号应用时间共享。最坏的加性噪声引理的条件版本也被引入到推导新的容量界限。结果表明，在中等干扰机制的一定范围内，总容量（容量区域）的上（外）界比现有界限更紧。使用新的上界和HK下界，我们表明，$R_\text{sym}^*=\frac{1}{2}\log \big(|g|P+|g|^{-1}(P+1)\big)$的对称真正的GIC的能力，在$0.104$位每信道使用在中等干扰制度，在任何信号噪声比（SNR）的特点。我们进一步建立了一个高信噪比的对称真实GIC的特性，其中建议的上限是最多$0.1$位远离某一HK可实现的方案与高斯信令和时间共享$g^2\in (0,1]$。特别地，$R_\te…
2017-04-19 cs.IT math.IT
Capacity Bounds and Sum Rate Capacities of a CLass of Discrete Memoryless Interference Channels
本文研究了一类离散无记忆干扰信道的容量，其中干扰的定义类似于单侧弱干扰的高斯干扰信道。确定了这类信道的和速率容量。与高斯情况一样，通过让受到干扰的收发器对以使得其消息可以在非预期接收器处使用单用户检测解码的速率通信来实现总速率容量。它还建立了这类离散无记忆干扰信道是等效的容量区域某些退化的干扰信道。这允许使用相关联的降级广播信道的容量区域来构建容量外边界。同样的技术，然后使用确定的和速率容量的离散无记忆干扰信道的混合干扰的定义在文件中。利用得到的容量界和速率和容量，求解了几种新的离散无记忆干扰信道的容量。
2013-03-08 cs.IT math.IT
A New Outer Bound and the Noisy-Interference Sum-Rate Capacity for Gaussian Interference Channels
提出了高斯干扰信道容量域的一个新的外界。该界结合并改进了现有的基因辅助方法，并给出了本文定义的噪声干扰的总速率容量。具体地说，它表明，如果信道系数和功率约束满足一个简单的条件，那么在每个接收机的单用户检测是速率和最优的，即，将干扰视为噪声不会导致性能损失。这是第一个具体的（有限的信号噪声比）容量的高斯干扰信道的弱到中等干扰的结果。此外，对于某些混合（弱和强）干扰的情况下，新的外部边界给出了容量区域的角点。
2007-12-13 cs.IT math.IT
Capacity Bounds for a Class of Diamond Networks
研究了一类菱形网络，其中广播部分由两个独立的比特管道建模。新的上限和下限推导出的能力，改善了以前的界限。上界的形式是一个最大-最小的问题，其中的最大化是在一个编码分布和最小化是在一个辅助通道。证明技术推广了Ozarow的高斯多描述问题（1981）以及Kang和Liu的高斯钻石网络（2011）的边界技术。高斯多址接入信道（MAC）和二进制加法器MAC的界限进行评估，并发现有趣的范围内的比特管道容量的容量。
2014-01-23 cs.IT math.IT
Upper and Lower Bounds for the Ergodic Capacity of MIMO Jacobi Fading Channels
在多（芯/模）光纤通信中，传输信道可以被建模为Haar分布酉矩阵的复子矩阵（复Jacobi酉系综）。在这封信中，我们提出了新的解析表达式的上界和下界的遍历容量的多输入多输出雅可比衰落信道。最近的结果的Jacobi酉系综的行列式推导出一个严格的遍历能力的下界。我们使用詹森不等式提供了一个分析的封闭形式的上限遍历容量在任何信号噪声比（SNR）。的遍历能力，在低和高信噪比制度的封闭形式的表达式，也来自。仿真结果验证了推导表达式的准确性。
2017-02-27 cs.IT math.IT
Capacity Bounds for Dirty Paper with Exponential Dirt
研究了在发射端已知非因果关系的加性指数干扰的加性指数噪声信道。该信道可以被认为是离散无记忆信道的指数版本，其状态在Gelfand和Pinsker考虑的编码器处非因果地已知。我们利用Gelfand-Pinsker经典容量定理推导出该信道在非负输入约束和输入均值约束下的容量的内界和外界。首先，我们得到了一个外边界的AENC-AEI。然后，通过使用实现外边界的输入分布，我们推导出一个内边界，该内边界在高信噪比（SNR）下与所获得的外边界相一致，因此，给出了在高SNR下的AENC-AEI的容量。
2012-12-29 cs.IT math.IT
Network Coding Capacity: A Functional Dependence Bound
多信源网络编码容量域（甚至是容量界）的明确表征和计算是一个长期存在的问题。事实上，找到容量区域需要确定所有熵向量的集合$Γ^{*}$，这是已知的极其困难的问题。另一方面，计算显式已知的线性规划界是非常困难的，在实践中，由于指数增长的复杂性作为网络规模的函数。我们给出了一个新的，易于计算的外界，网络中的所有功能依赖的特征的基础上。我们还表明，建议的界限是严格的比一些已知的界限。
2009-01-29 cs.IT math.IT
Computable Upper Bounds on the Capacity of Finite-State Channels
我们考虑使用著名的双重能力定界技术推导出上界的能力不可分解的有限状态通道（FSC）有限的输入和输出字母。在这种技术中，容量上界是通过选择合适的测试分布的信道输出序列。我们提出了测试分布，产生于某些图形结构称为Q-图。正如我们在本文中所示，这种选择的测试分布的优点是，对于重要的类的单线和输入驱动的FSC，由此产生的上界可以制定为动态规划（DP）问题，这使得边界易于处理。我们说明了这几个例子的FSC，在那里我们能够解决相关的DP问题，明确获得容量上限，要么匹配或击败最好的以前报道的界限。例如，对于经典陷门信道，我们将最佳已知上限0.66$（由于Lutz（2014））提高到0.584，将差距缩小到最佳已知下限0.572，所有边界都以每个信道使用的比特为单位。
2021-07-11 cs.IT math.IT
Bounds on the Capacity of PIR over Graphs
在私有信息检索（PIR）问题中，用户希望从数据库中检索文件，而不向存储数据库的服务器泄露关于所需文件的身份的任何信息。在本文中，我们研究了基于图的复制系统，其中每个文件存储在两个不同的服务器根据一个底层图的PIR容量。本文的目的是通过各种图的性质，提供上界和下界的PIR容量的图。特别是，我们提供了几个上界的PIR能力，适用于所有的图形。我们进一步提高了特定的图形家庭的界限（在某些情况下是紧的），利用底层的图形结构。对于下界，我们通过边着色技术建立了星图的最优速率PIR检索方案。最后，我们给出了一个改进的完全图PIR方案，它包含了一个改进的所有图的PIR容量的一般下界。
2021-05-17 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
Novel Bounds on the Capacity of the Binary Deletion Channel
我们提出了新的界限上的独立同分布的二进制删除信道的容量。四个上界是通过提供发射机和接收机的genie-aided信息适当定义的随机过程。由于一些建议的界限涉及无穷级数，我们还引入了可证明的不等式，导致更易于管理的结果。对于删除概率的大多数值，这些界限改进了现有的界限，并显着缩小了与可用下限的差距。利用相同的辅助过程，我们也得到，作为副产品，一对夫妇的信道容量，这是非常简单的下限，对于删除概率的低值，几乎是最好的现有的下限。
2008-10-04 cs.IT math.IT
Bounds on the Capacity of the Relay Channel with Noncausal State Information at Source
我们考虑一个三端状态依赖的中继信道，信道状态仅在源处非因果地可用。这样的模型可能对认知框架中的节点协作感兴趣，即，涉及认知和非认知无线电的协作信号传输。我们研究了这种通信模型的容量。这种设置中的一个主要问题是由中继不知道信道状态引起的。在离散无记忆（DM）的情况下，我们建立信道容量的下限。对于高斯的情况下，我们推导出上下限和信道容量。上界严格优于割集上界。我们表明，发达国家的下限之一接近上限，渐近，在一定范围内的利率。
2010-01-13 cs.IT math.IT
Upper Bound on the Capacity of Discrete-Time Wiener Phase Noise Channels
研究了积分转储多采样接收机在离散时间维纳相位噪声信道中的应用。推导出平均输入功率约束下的容量上限，并进行了高信噪比（SNR）分析。如果对于$0\le α\le 1$，过采样因子随着$\text{SNR}^α$增长，则容量预日志在高SNR下至多为$(1+α)/2$。
2015-03-02 cs.IT math.IT
