面向信道编码的神经互信息估计：前沿估计器、分析与性能比较
信息论
2020-06-30 v1 math.IT
摘要
基于深度学习的物理层设计，即使用稠密神经网络作为编码器与解码器，近来受到相当多的关注。然而，尽管这种方法天然由训练数据驱动，无线信道的动作却是通过标准信道模型来模拟的，而这些模型仅部分反映物理真实。最近，提出了基于神经网络的互信息（MI）估计器，可直接从输入输出测量中提取信道动作，并将这些输出馈入信道编码器。这是一个有前景的方向，因为这种新的设计范式是完全自适应且基于训练数据的。本文实现了此类 MI 估计器的进一步近期改进，从理论上分析了它们对信道编码问题的适用性，并比较了它们的性能。为此，提出了一种使用“反向 Jensen”方法的新型 MI 估计器。
引用
@article{arxiv.2006.16015,
title = {Neural Mutual Information Estimation for Channel Coding: State-of-the-Art Estimators, Analysis, and Performance Comparison},
author = {Rick Fritschek and Rafael F. Schaefer and Gerhard Wunder},
journal= {arXiv preprint arXiv:2006.16015},
year = {2020}
}
备注
Accepted at SPAWC 2020