In this paper we derive closed-form formulas of feedback capacity and nonfeedback achievable rates, for Additive Gaussian Noise (AGN) channels driven by nonstationary autoregressive moving average (ARMA) noise (with unstable one poles and zeros), based on time-invariant feedback codes and channel input distributions. From the analysis and simulations follows the surprising observations, (i) the use of time-invariant channel input distributions gives rise to multiple regimes of capacity that depend on the parameters of the ARMA noise, which may or may not use feedback, (ii) the more unstable the pole (resp. zero) of the ARMA noise the higher (resp. lower) the feedback capacity, (iii) certain conditions, known as detectability and stabilizability are necessary and sufficient to ensure the feedback capacity formulas and nonfeedback achievable rates {\it are independent of the initial state of the ARMA noise}. Another surprizing observation is that Kim's \cite{kim2010} characterization of feedback capacity which is developed for stable ARMA noise, if applied to the unstable ARMA noise, gives a lower value of feedback capacity compared to our feedback capacity formula.


翻译:在本文中,我们根据时间变化反馈代码和频道输入分布,根据时间变化反馈能力和非反馈可实现率的封闭式组合公式,根据时间变化反馈代码和频道输入分布,我们根据时间变化反馈代码和模拟得出反馈能力和不反馈可实现率的封闭式公式,(一) 时间变化通道输入分布的利用产生了取决于ARMA噪音参数的多种能力系统,这种系统可能使用或可能不使用反馈,(二) ARMA的极(重排零)在非静止自动递减平均(ARMA)驱动下,以较高(低点)反馈能力驱动,(三) 某些被称为可探测性和可稳定性的条件,对于确保反馈能力公式和不反馈可实现率是必要和足够的,但与ARMA噪音的初始状态无关。另一个令人惊讶的观察是,Kim's\cite{kim2010}对为稳定ARMA噪音反馈能力开发的反馈能力进行了更不稳定的定性,如果将这种反馈能力应用于不稳定的ARMA的反馈能力与不稳定的公式相比,则具有较低的价值。

0
下载
关闭预览

相关内容

多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
专知会员服务
31+阅读 · 2020年10月13日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Python图像处理,366页pdf,Image Operators Image Processing in Python
专知会员服务
139+阅读 · 2020年5月19日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
Arxiv
0+阅读 · 2021年8月2日
VIP会员
Top
微信扫码咨询专知VIP会员