We study memoryless interference channels with gradual data arrival in the absence of feedback. The information bits arrive at the transmitters according to independent and asynchronous~(Tx-Tx asynchrony) Bernoulli processes with average data rate $\lambda$. Each information source turns off after generating a number of $n$ bits. In a scenario where the transmitters are unaware of the amount of Tx-Tx asynchrony, we say $\epsilon$ is an \textit{achievable outage level} in the asymptote of large~$n$ if (i) the average transmission rate at each transmitter is $\lambda$ and (ii) the probability that the bit-error-rate at each receiver does not eventually vanish is not larger than~$\epsilon$. Denoting the infimum of all achievable outage levels by $\epsilon(\lambda)$, the contribution of this paper is an upper bound (achievability result) on $\epsilon(\lambda)$. The proposed method of communication is a simple block transmission scheme where a transmitter sends a random point-to-point codeword upon availability of enough bits in its buffer. Both receivers that treat interference as noise or decode interference are addressed.


翻译:在没有反馈的情况下,我们用逐渐到达的数据来研究没有记忆的干扰渠道。 信息比特根据独立和不同步的~ (Tx- Tx asynchrony) Bernoulli 进程以平均数据速率 $\ lambda$ 来到达发报机。 每个信息来源在生成数美元比特后关闭。 如果发报机不知道Tx- Tx 亚同步度的数值, 我们假设发报机不知道Tx- Tx 亚同步度的数值, $epsilon( lambda) 值是 $\ textitipit{ / 实际出价 }, 如果 (一) 每个发报报机的平均传输率为$\ lambda$ 和 (二) 每个接收机的比特- ror 速率最终不会消失的概率不大于 ~ $\ 美元 。 发报报机的最小值是 $epsilon( lambda), 这纸的贡献是一个上限(可实现结果), $ Expeopleal detration commissional resmissional sal sal sal sal sal sal sal schemissionalpalprelationalprelations prelation.

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
数据科学导论,54页ppt,Introduction to Data Science
专知会员服务
41+阅读 · 2020年7月27日
【2020新书】Kafka实战:Kafka in Action,209页pdf
专知会员服务
67+阅读 · 2020年3月9日
专知会员服务
61+阅读 · 2020年3月4日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【CNN】一文读懂卷积神经网络CNN
产业智能官
18+阅读 · 2018年1月2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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月13日
Arxiv
0+阅读 · 2021年10月12日
Arxiv
3+阅读 · 2018年3月2日
VIP会员
相关资讯
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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【CNN】一文读懂卷积神经网络CNN
产业智能官
18+阅读 · 2018年1月2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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员