The identification capacity region of the compound broadcast channel is determined under an average error criterion, where the sender has no channel state information. We give single-letter identification capacity formulas for discrete channels and multiple-input multiple-output Gaussian channels under an average input constraint. The capacity theorems apply to general discrete memoryless broadcast channels. This is in contrast to the transmission setting, where the capacity is only known for special cases, notably the degraded broadcast channel and the multiple-input multiple-output broadcast channel with private messages. Furthermore, the identification capacity region of the compound multiple-input multiple-output broadcast channel can be larger than the transmission capacity region. This is a departure from the single-user behavior of identification, since the identification capacity of a single-user channel equals the transmission capacity.


翻译:复式广播频道的识别能力区域是根据平均错误标准确定的,发送者没有频道状态信息。我们在平均输入限制下,为离散频道和多投入多输出高斯频道提供单字母识别能力公式。能力理论适用于普通离散无记忆广播频道。这与传输环境形成对照,在传输环境中,只有特殊情况才具备这种能力,特别是退化的广播频道和多个投入多输出多输出广播频道,有私人信息。此外,复合多输出多输出多输出广播频道的识别能力区域可能大于传输能力区域。这背离了单一用户的识别行为,因为单一用户频道的识别能力等于传输能力。

0
下载
关闭预览

相关内容

专知会员服务
11+阅读 · 2021年7月6日
专知会员服务
26+阅读 · 2021年5月9日
【浙江大学】计算摄影学 (Computational Photography)课程
专知会员服务
25+阅读 · 2020年12月26日
专知会员服务
42+阅读 · 2020年7月29日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
详解U-Net中的重叠-切片(Overlap-tile)
极市平台
4+阅读 · 2020年11月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
[DLdigest-8] 每日一道算法
深度学习每日摘要
4+阅读 · 2017年11月2日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
0+阅读 · 2022年2月7日
Joint Speech Recognition and Audio Captioning
Arxiv
0+阅读 · 2022年2月3日
VIP会员
相关VIP内容
相关资讯
详解U-Net中的重叠-切片(Overlap-tile)
极市平台
4+阅读 · 2020年11月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
[DLdigest-8] 每日一道算法
深度学习每日摘要
4+阅读 · 2017年11月2日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员