L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-22
Apprendre à interférer dans le codage conjoint source-canal à accès multiple non orthogonal
Titre original: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding
Lorsque plusieurs émetteurs transmettent des signaux sources tels que des images sur un canal d'accès multiple, les systèmes conventionnels limitent la capacité en allouant orthogonalement le temps et la bande passante afin de minimiser les interférences. La méthode proposée de transmission sans fil d'images assistée par apprentissage automatique (ML) fusionne la compression et le codage de canal avec un autoencodeur multi-vues, permettant aux émetteurs d'utiliser simultanément toutes les ressources de canal disponibles dans un schéma d'accès multiple non orthogonal (NOMA) où le récepteur récupère toutes les images à partir du signal superposé et associe chacune à son émetteur. Un algorithme de réglage fin progressif double le nombre d'utilisateurs à chaque itération, prenant en charge jusqu'à 64 utilisateurs avec seulement une augmentation de 2,4 % des paramètres entraînables par rapport à un modèle mono-utilisateur, tout en surpassant les méthodes NOMA existantes sur une large gamme de jeux de données, de métriques et de conditions de canal.