ИИ и сложнейшие проблемы мира · Теоретическая информатика · arXiv · 2026-10-22
Обучение интерференции в совместном кодировании источника и канала с неортогональным множественным доступом
Оригинальное название: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding
Когда несколько передатчиков передают исходные сигналы, такие как изображения, по каналу множественного доступа, традиционные системы ограничивают пропускную способность, выделяя время и полосу частот ортогонально, чтобы минимизировать помехи. Предлагаемый метод беспроводной передачи изображений с поддержкой машинного обучения (ML) объединяет сжатие и канальное кодирование с многовидовым автоэнкодером, позволяя передатчикам одновременно использовать все доступные ресурсы канала в схеме неортогонального множественного доступа (NOMA), где приёмник восстанавливает все изображения из суперпозированного сигнала и связывает каждое из них с его передатчиком. Прогрессивный алгоритм дообучения удваивает число пользователей на каждой итерации, поддерживая до 64 пользователей при увеличении числа обучаемых параметров всего на 2.4% по сравнению с моделью для одного пользователя, и при этом превосходит существующие методы на основе NOMA на широком спектре наборов данных, метрик и условий канала.