AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-22
在非正交多址联合信源信道编码中学习干扰
原标题: Learning to Interfere in Non-Orthogonal Multiple-Access Joint Source-Channel Coding
当多个发射机通过多址接入信道传输图像等源信号时，传统系统通过正交分配时间和带宽来最小化干扰，从而限制了容量。所提出的机器学习辅助无线图像传输方法将压缩与信道编码同多视图自编码器相结合，使各发射机能够在非正交多址接入（NOMA）方案中同时使用全部可用信道资源，由接收机从叠加信号中恢复所有图像，并将每幅图像与其对应的发射机关联起来。渐进式微调算法在每次迭代中将用户数量翻倍，与单用户模型相比可训练参数仅增加2.4%，即可支持多达64个用户，同时在广泛的数据集、指标和信道条件下均优于现有基于NOMA的方法。