关于含记忆高斯信道线性反馈编码方案的脆弱速率
信息论
2021-06-17 v1 math.IT
摘要
在 \cite{butman1976} 中应用了线性编码方案,X t = g t ( Θ − E { Θ ∣ Y t − 1 , V 0 = v 0 } ) X_t =g_t\Big(\Theta - {\bf E}\Big\{\Theta\Big|Y^{t-1}, V_0=v_0\Big\}\Big) X t = g t ( Θ − E { Θ Y t − 1 , V 0 = v 0 } ) ,t = 2 , … , n t=2,\ldots,n t = 2 , … , n ,X 1 = g 1 Θ X_1=g_1\Theta X 1 = g 1 Θ ,其中 Θ : Ω → R \Theta: \Omega \to {\mathbb R} Θ : Ω → R 为高斯随机变量,以推导加性高斯噪声(AGN)信道 Y t = X t + V t , t = 1 , … , n Y_t=X_t+V_t, t=1, \ldots, n Y t = X t + V t , t = 1 , … , n 的反馈速率下界,其中 V t V_t V t 为高斯自回归(AR)噪声,κ ∈ [ 0 , ∞ ) \kappa \in [0,\infty) κ ∈ [ 0 , ∞ ) 为总发射功率。对于单位记忆 AR 噪声,参数为 ( c , K W ) (c, K_W) ( c , K W ) ,其中 c ∈ [ − 1 , 1 ] c\in [-1,1] c ∈ [ − 1 , 1 ] 为极点,K W K_W K W 为高斯噪声方差,下界为 C L , B = 1 2 log χ 2 C^{L,B} =\frac{1}{2} \log \chi^2 C L , B = 2 1 log χ 2 ,其中 χ = lim n ⟶ ∞ χ n \chi =\lim_{n\longrightarrow \infty} \chi_n χ = lim n ⟶ ∞ χ n 为 χ 2 = 1 + ( 1 + ∣ c ∣ χ ) 2 κ K W \chi^2=1+\Big(1+ \frac{|c|}{\chi}\Big)^2 \frac{\kappa}{K_W} χ 2 = 1 + ( 1 + χ ∣ c ∣ ) 2 K W κ 的正根,序列 χ n ≜ ∣ g n g n − 1 ∣ , n = 2 , 3 , … , \chi_n \triangleq \Big|\frac{g_n}{g_{n-1}}\Big|, n=2, 3, \ldots, χ n ≜ g n − 1 g n , n = 2 , 3 , … , 满足某递推关系,并猜想 C L , B C^{L,B} C L , B 为反馈容量。在本通信中,观察到非平凡下界 C L , B = 1 2 log χ 2 C^{L,B}=\frac{1}{2} \log \chi^2 C L , B = 2 1 log χ 2 且 χ > 1 \chi >1 χ > 1 ,必然意味着反馈码的缩放系数 g n g_n g n ,n = 1 , 2 , … n=1,2, \ldots n = 1 , 2 , … ,无界增长,即 lim n ⟶ ∞ ∣ g n ∣ = + ∞ \lim_{n\longrightarrow\infty}|g_n| =+\infty lim n ⟶ ∞ ∣ g n ∣ = + ∞ 。g n g_n g n 的无界行为由实数列的比值极限定理得出,并通过仿真验证。然后得出结论:此类线性码不实用,且对于信道数学模型统计与信道真实统计之间失配是脆弱的。特别地,若误差被 ϵ n > 0 \epsilon_n>0 ϵ n > 0 扰动无论多小,则 X n = g t ( Θ − E { Θ ∣ Y t − 1 , V 0 = v 0 } ) + g n ϵ n X_n =g_t\Big(\Theta - {\bf E}\Big\{\Theta\Big|Y^{t-1}, V_0=v_0\Big\}\Big)+g_n \epsilon_n X n = g t ( Θ − E { Θ Y t − 1 , V 0 = v 0 } ) + g n ϵ n ,且 ∣ g n ∣ ϵ n ⟶ ∞ |g_n|\epsilon_n \longrightarrow \infty ∣ g n ∣ ϵ n ⟶ ∞ ,当 n ⟶ ∞ n \longrightarrow \infty n ⟶ ∞ 。
引用
@article{arxiv.2106.08610,
title = {On the Fragile Rates of Linear Feedback Coding Schemes of Gaussian Channels with Memory},
author = {Charalambos D. Charalambous and Christos Kourtellaris and Themistoklis Charalambous},
journal= {arXiv preprint arXiv:2106.08610},
year = {2021}
}
备注
18 pages, 3 figures