项目名称: 面向网络编码的编码理论

项目编号: No.61471215

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 杨升浩

作者单位: 香港中文大学(深圳)

项目金额: 83万元

中文摘要: 线性网络编码的优越性能促使关于其应用方案的研究快速发展,但现有的方案仍然在一些性能指标上无法满足应用的需要,例如计算和存储的复杂度高,通用性差等。本项目使用网络信息论和编码理论相结合的方法研究线性网络编码方案。在网络节点的存储空间有限制的情况下,使用网络信息论的方法来建模和分析使用线性网络编码的网络,并用容量分析得到的启发进行编码方案的研究。除了发展并完善现有的BATS码和Sumas码,本项目还研究在具有多个信源节点的网络中的具有低复杂度的网络编码方案。针对现有方案通用性差的问题,研究具有通用性的低复杂度的编码理论与编解码设计。研究成果将推动网络编码理论的发展,并为网络编码的应用提供新的技术。

中文关键词: 网络编码;线性网络编码;随机网络编码

英文摘要: The advantages of random linear network coding have attracted a lot of research interests in developing random linear network coding based solutions for various communication networks. However, most existing solutions cannot meet all the requirements due to high computation and storage complexity or the lack of universality. By combining network information theory and coding theory, this project studies coding for networks employing linear network coding.Under the constraint that the intermediate network nodes have fixed storage size, networks employing linear network coding will be modelled by linear operator channels and the capacity of such channels will be analyzed. The capacity analysis will further gudie the design of coding. In addition to extend and complete the exisitng theory of BATS codes and Sumas codes, this project will also study the low complexity solutions for networks with multiple source nodes. Theory of universal codes for LOCs, including the trade-off between universality and complexity/coding rate, will be studied, and low complexity universal codes will be designed. The research of the project will push forward the theory of coding for networks employing linear network coding and provide new network coding solutions for various communcation networks.

英文关键词: Network Coding;Linear Network Coding;Random Linear Network Coding

成为VIP会员查看完整内容
0

相关内容

【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
专知会员服务
12+阅读 · 2021年9月13日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
45+阅读 · 2020年11月13日
【KDD2020-清华大学】图对比编码的图神经网络预训练
专知会员服务
44+阅读 · 2020年6月18日
【SIGIR2020】用于冷启动推荐的内容感知神经哈希
专知会员服务
22+阅读 · 2020年6月2日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
【通知】IEEE CoG 2022征稿(含大会报告信息)
中国图象图形学学会CSIG
0+阅读 · 2022年2月10日
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
小贴士
相关VIP内容
【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
专知会员服务
12+阅读 · 2021年9月13日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
45+阅读 · 2020年11月13日
【KDD2020-清华大学】图对比编码的图神经网络预训练
专知会员服务
44+阅读 · 2020年6月18日
【SIGIR2020】用于冷启动推荐的内容感知神经哈希
专知会员服务
22+阅读 · 2020年6月2日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员