利用扩散模型学习端到端信道编码
信息论
2023-11-30 v2 机器学习
math.IT
摘要
基于深度学习的端到端（E2E）信道编码系统依赖于已知且可微的信道模型，这是一个已知问题，这源于学习过程并基于梯度下降优化方法。这带来了在真实场景中通过导频信令生成的样本来近似或生成信道或其导数的挑战。目前，有两种主流方法解决此问题。一种是通过生成对抗网络（GAN）生成信道，另一种本质上是通过强化学习方法近似梯度。其他方法包括使用基于分数（score-based）的方法、变分自编码器或基于互信息的方法。在本文中，我们关注生成模型，特别是被称为扩散模型的一种新的有前景的方法，该方法在基于图像的任务中已显示出更高质量的生成。我们将展示扩散模型可用于无线E2E场景，并且它们与Wasserstein GANs效果相当，同时具有更稳定的训练过程和更好的测试泛化能力。
引用
@article{arxiv.2302.01714,
title = {Learning End-to-End Channel Coding with Diffusion Models},
author = {Muah Kim and Rick Fritschek and Rafael F. Schaefer},
journal= {arXiv preprint arXiv:2302.01714},
year = {2023}
}
备注
6 pages, WSA/SCC 2023