AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-22
非直交多元接続の結合ソース・チャネル符号化における干渉の学習
原題: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding
複数の送信機が多重アクセスチャネルで画像などのソース信号を送る際、従来システムは時間や帯域を直交に割り当てて干渉を避けるため容量が制限される。提案手法はマルチビュー自己符号化器で圧縮とチャネル符号化を統合した機械学習支援の無線画像伝送により、送信機が全チャネル資源を同時に使える非直交多元接続（NOMA）方式を実現し、受信機が重畳信号からすべての画像を復元して各画像を送信機と対応づける。漸進的ファインチューニングにより反復ごとにユーザー数を2倍にでき、単一ユーザーモデル比で学習可能パラメータの増加は2.4%にとどまって最大64ユーザーを支持し、幅広いデータセット・指標・チャネル条件で既存のNOMA方式を上回る画質回復を達成した。