La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-22
Aprendiendo a interferir en la codificación conjunta fuente-canal de acceso múltiple no ortogonal
Título original: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding
Cuando varios transmisores comunican señales fuente, como imágenes, a través de un canal de acceso múltiple, los sistemas convencionales limitan la capacidad al asignar ortogonalmente el tiempo y el ancho de banda para minimizar la interferencia. El método propuesto de transmisión inalámbrica de imágenes asistido por ML fusiona la compresión y la codificación de canal con un autoencoder multivista, permitiendo que los transmisores utilicen simultáneamente todos los recursos del canal disponibles en un esquema de acceso múltiple no ortogonal (NOMA) en el que el receptor recupera todas las imágenes de la señal superpuesta y asocia cada una con su transmisor. Un algoritmo progresivo de ajuste fino duplica el número de usuarios en cada iteración, admitiendo hasta 64 usuarios con solo un aumento del 2.4% en los parámetros entrenables respecto a un modelo de un solo usuario, mientras supera a los métodos existentes basados en NOMA en una amplia gama de conjuntos de datos, métricas y condiciones de canal.