Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2212.02732

帮助 | 高级搜索

计算机科学 > 信息论

arXiv:2212.02732 (cs)
[提交于 2022年12月6日 (v1) ,最后修订 2022年12月8日 (此版本, v2)]

标题: 确定性$K$-识别 对于慢衰落信道

标题: Deterministic $K$-identification For Slow Fading Channel

Authors:Mohammad Javad Salariseddigh, Muris Spahovic, Christian Deppe
摘要: 确定性$K$-识别 (DKI) 被用于具有慢衰落的高斯信道 (GSF),其中发送端受到平均功率约束,解码器处有信道侧信息。 当可识别消息的数量$K$可以随着码字长度$n$以次线性方式增长时,我们推导出 DKI 容量的下界和上界。 作为一个关键发现,我们建立了一个结论,对于确定性编码,假设可识别消息的数量$K = 2^{\kappa \log n}$,其中$\kappa \in [0,1)$是识别目标速率,码本大小按$2^{(n\log n)R}$缩放,其中$R$是编码速率。
摘要: Deterministic $K$-identification (DKI) is addressed for Gaussian channels with slow fading (GSF), where the transmitter is restricted to an average power constraint and channel side information is available at the decoder. We derive lower and upper bounds on the DKI capacity when the number of identifiable messages $K$ may grow sub-linearly with the codeword length $n$. As a key finding, we establish that for deterministic encoding, assuming that the number of identifiable messages $K = 2^{\kappa \log n}$ with $\kappa \in [0,1)$ being the identification target rate, the codebook size scales as $2^{(n\log n)R}$, where $R$ is the coding rate.
评论: arXiv管理员备注:与arXiv:2211.11024、arXiv:2203.02784存在大量文本重叠
主题: 信息论 (cs.IT)
引用方式: arXiv:2212.02732 [cs.IT]
  (或者 arXiv:2212.02732v2 [cs.IT] 对于此版本)
  https://doi.org/10.48550/arXiv.2212.02732
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mohammad Javad Salariseddigh [查看电子邮件]
[v1] 星期二, 2022 年 12 月 6 日 03:40:17 UTC (33 KB)
[v2] 星期四, 2022 年 12 月 8 日 07:43:28 UTC (33 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
math.IT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2022-12
切换浏览方式为:
cs
cs.IT
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号