Nonlinearity Compensation for Coherent Optical Satellite Communications

Dit artikel presenteert realistische modellen en laag-complexe digitale signaalverwerkingstechnieken, waaronder constellation shaping via een zoektabel en niet-lineaire fasecorrectie, om de prestaties van coherente optische satellietcommunicatie te verbeteren door Kerr-niet-lineariteiten te compenseren, wat resulteert in een toename van de maximaal acceptabele linkverlies met tot 6 dB.

Stella Civelli, Luca Potì, Enrico Forestieri, Marco SecondiniTue, 10 Ma🔢 math

OFDM Waveform Optimization for Bistatic Integrated Sensing and Communications

Dit artikel presenteert een optimalisatiestrategie voor OFDM-golven in bistaats ISAC-systemen die subcarrier-toewijzing en vermogensverdeling combineert om de communicatiedata-rate te maximaliseren onder beperkingen voor de nauwkeurigheid van vertragingssensoren, waarbij een nieuwe JPCDE-schattingsschema en gesloten-vorm oplossingen worden gebruikt om de prestaties aanzienlijk te verbeteren.

Ruolin Du, Zhiqiang Wei, Zai Yang, Ya-Feng Liu, Bingpeng Zhou, Derrick Wing Kwan NgTue, 10 Ma🔢 math

Space-sharing and Singleton Bounds for Entanglement-assisted Classical Coding

In deze brief wordt het ruimte-delingargument voor entanglement-assisted klassieke codering (EACC) uitgewerkt om de strakheid van de Singleton-bovengrens te bevestigen en een nieuwe, strakke entropische Singleton-bovengrens te bewijzen voor EACC-codes waarbij entanglement-assistentie beperkt is tot een subset van de encoderen onder lokale quantumoperaties.

Yuhang Yao, Tushita Prasad, Markus Grassl, Syed Jafar, Hua SunTue, 10 Ma⚛️ quant-ph

Coherence-Aware Over-the-Air Distributed Learning under Heterogeneous Link Impairments

Deze paper introduceert een coherentiebewust federatief leerframework dat productsuperpositie en het vullen met vorige lokale modellen combineert om over-the-air aggregatie en downlink-levering te optimaliseren in draadloze netwerken met heterogene linkstoornissen, waardoor communicatie-efficiëntie, latentie en leernauwkeurigheid aanzienlijk worden verbeterd.

Mehdi Karbalayghareh, David J. Love, Christopher G. BrintonTue, 10 Ma🔢 math

LWM-Temporal: Sparse Spatio-Temporal Attention for Wireless Channel Representation Learning

LWM-Temporal is een nieuw, taak-onafhankelijk fundamenteel model voor draadloze kanalen dat gebruikmaakt van een propagerings-gealigneerde, spaarzame spatio-temporele attentie-mechanisme en fysica-gedreven zelftoezicht om universele, geometrie-bewuste kanaalrepresentaties te leren die overleggen op diverse downstream-taken en prestaties verbeteren, zelfs bij beperkte data.

Sadjad Alikhani, Akshay Malhotra, Shahab Hamidi-Rad, Ahmed AlkhateebThu, 12 Ma🤖 cs.LG

Universal Shuffle Asymptotics, Part II: Non-Gaussian Limits for Shuffle Privacy -- Poisson, Skellam, and Compound-Poisson Regimes

Dit artikel beschrijft de eerste universiteitsbrekende grens in shuffle-privacy door de asymptotische convergentie van binaire en multinomiale randomisatoren naar niet-Gaussische limietexperimenten (Poisson, Skellam en samengestelde Poisson) wanneer lokale privacy kritisch schaalt, waarmee het een compleet driedelig beeld van privacyregimes vervolledigt.

Alex ShvetsThu, 12 Ma📊 stat