AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-22

नॉन-ऑर्थोगोनल मल्टीपल-एक्सेस संयुक्त स्रोत-चैनल कोडिंग में इंटरफ़ेरेंस करना सीखना

मूल शीर्षक: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding

जब एकाधिक ट्रांसमीटर मल्टीपल एक्सेस चैनल पर छवियों जैसे स्रोत सिग्नल भेजते हैं, तो पारंपरिक सिस्टम इंटरफ़ेरेंस को न्यूनतम करने के लिए समय और बैंडविड्थ का ऑर्थोगोनल आवंटन करके क्षमता सीमित करते हैं। प्रस्तावित ML-सहायित वायरलेस इमेज ट्रांसमिशन विधि कंप्रेशन और चैनल कोडिंग को मल्टी-व्यू ऑटोएनकोडर के साथ मिलाती है, जिससे ट्रांसमीटर नॉन-ऑर्थोगोनल मल्टीपल एक्सेस (NOMA) स्कीम में उपलब्ध सभी चैनल संसाधनों का एक साथ उपयोग कर सकते हैं, जहाँ रिसीवर सुपरपोज़्ड सिग्नल से सभी छवियों को पुनर्प्राप्त करता है और प्रत्येक को उसके ट्रांसमीटर से जोड़ता है। एक प्रोग्रेसिव फ़ाइन-ट्यूनिंग एल्गोरिदम प्रत्येक पुनरावृत्ति में उपयोगकर्ताओं की संख्या दोगुनी करता है, जिससे सिंगल-यूज़र मॉडल की तुलना में केवल 2.4% ट्रेनेबल पैरामीटर की वृद्धि के साथ 64 उपयोगकर्ताओं तक समर्थन संभव होता है, और यह विधि विस्तृत डेटासेट, मेट्रिक्स और चैनल परिस्थितियों में मौजूदा NOMA-आधारित विधियों से बेहतर प्रदर्शन करती है।

मूल लेख पढ़ें ↗

सभी आइटम →