Transformed Minimization Model and Sparse Signal Recovery
本文提出了一种包含两个可调参数的非凸变换(TLp)惩罚最小化模型,通过引入松弛度概念、建立基于限制等距性质的稀疏信号恢复理论、设计 IRLSTLp 算法并验证其数值性能,展示了该模型在灵活性和稀疏促进能力上优于传统及 TL1 模型的优势。
155 篇论文
本文提出了一种包含两个可调参数的非凸变换(TLp)惩罚最小化模型,通过引入松弛度概念、建立基于限制等距性质的稀疏信号恢复理论、设计 IRLSTLp 算法并验证其数值性能,展示了该模型在灵活性和稀疏促进能力上优于传统及 TL1 模型的优势。
本文提出了一种适用于全连接无线声学传感器网络的分布式多通道维纳滤波(dMWF)算法,该算法无需迭代即可在节点观测源不同的情况下实现与集中式系统最优性能匹配的语音估计,并显著优于现有的迭代式 DANSE 算法。
本文针对科学计算中广泛使用的基于分块架构的有损压缩器,建立了一个适用于有限格点上非均匀随机场的有限块长率失真理论框架,推导了非渐近界并量化了空间相关性、区域几何、异质性及分块尺寸对压缩率与分散度的影响。
该论文利用代数几何中的普吕克坐标和不变有理函数域工具,为线性码等价问题构建了仅涉及置换矩阵的代数模型,并理论性地推导了不变量生成元及以置换矩阵为根的多项式,尽管所得多项式因阶数过高和项数指数增长而缺乏实际计算可行性,但为密码分析提供了重要的理论见解。
该论文提出了一种基于生成扩散模型的新型高维 MIMO 信道估计方法,通过结合无监督 Stein 无偏风险估计器实现无需真实信道数据的训练,在显著降低导频开销和估计延迟的同时,实现了从低分辨率量化测量中高精度恢复信道信息。
本文针对延迟容忍网络中接触图路由(CGR)因简化模型导致资源冲突和延迟增加的问题,提出了一种在路由搜索阶段即引入接触分裂与边剪枝操作的新方法,以在满足容量和缓冲区约束的前提下实现最优的最早到达路径规划。
该论文基于两个基本操作原理,推导了任意量子系统在量子反馈控制下的单发功形成与提取的紧确界限,这些界限由推广的信息量度表达,并在渐近极限下导出了包含条件亥姆霍兹自由能的广义热力学第二定律,同时为单发条件熵的负值赋予了精确的热力学意义。
该论文通过引入可预测过程与 Doob 分解的增量增长关系,利用弱合并框架及可求和 Kullback-Leibler 散度,刻画了 Martin-Löf 随机性与 Schnorr 随机性,从而建立了算法随机性概念与意见合并理论之间的全局联系。
本文通过利用单项式笛卡尔码的 Schur 积与其定义指数集 Minkowski 和之间的对应关系,推广了相关结果并构建了性能更优的 CSS-T 量子码及多服务器合谋场景下的私有信息检索方案。
本文提出了一种基于矩阵分数规划的随机预编码算法,通过利用信道的一阶和二阶矩构建紧致的数据率下界,有效解决了广义衰落信道下最大化长期平均加权总和速率的难题,并在大规模 MIMO 场景中实现了高效求解。
本文针对瑞利块衰落信道中的正速率密钥隐蔽通信,在假设合法通信双方拥有信道状态信息而瓦特仅知统计分布的前提下,提出了基于非因果信息的三步优化法以及基于深度双 Q 网络(DDQN)的因果信息求解方案,分别解决了功率分配和速率分配问题。
本文提出了一种基于 Rényi 熵的增强型后量子密钥协商协议,通过熵放大技术和分布式多项式承诺等创新机制,在不依赖计算困难性假设的前提下,实现了可证明的、具有 128 位量子安全性的信息论安全。
本文介绍了广义夹持天线系统的概念,阐述了其基于多种物理介质的实现原理与信道模型,综述了从单波导到多波导的系统架构及先进设计策略,探讨了其与新兴无线技术的融合,并指出了未来的研究方向以推动其在下一代网络中的实际应用。
本文提出了一种名为 AirCNN 的新型过空中模拟计算范式,通过联合优化发射预编码、接收合并及智能反射面(RIS)相移,利用多个 RIS 在无线环境中模拟二维卷积与深度可分离卷积操作,从而在满足实际约束下实现了高效的卷积神经网络层功能。
本文通过证明仅凯勒非紧对称空间支持吉布斯分布,阐明了基于 Souriau 广义热力学框架的 Cartan 神经网络模型中广义温度空间的构造,并揭示了信息几何与热力学几何的内在统一性。
本文针对室内可见光通信系统,提出了一种利用智能反射面(IRS)引入的时间延迟来增强物理层安全性的新方法,通过深度强化学习优化 IRS 元素分配,在窃听者信道优于合法用户的最坏情况下,显著提升了针对合谋与非合谋窃听者的保密容量。
本文提出了概率匹配区间编码(PMATIC)算法,通过容忍预测模型中因非确定性导致的微小概率偏差,解决了模型驱动无损压缩中的同步难题,并在保证解码鲁棒性的同时实现了优于现代标准工具的压缩率。
该论文提出了衡量系统交互有效性的“双预测性”(bipredictability)这一核心指标,证明了其在经典与量子系统中的理论界限,指出当前 AI 仅具备行动能力而缺乏自我监控与适应的“智能”,并据此提出了一种受生物机制启发的实时反馈架构以构建具备真正智能的自适应系统。
该论文构建了一个将样本量与参数方差作为状态变量、香农信息类比为熵的热力学框架,用于描述渐近推断过程,揭示了包括逆第二定律循环不等式、受噪声限制的第三定律式下界以及高斯极限下德布鲁因恒等式与 I-MMSE 关系在内的统一结构,表明系综物理与推断物理是同一热力学描述中方向相反的影子过程。
本文作为教程,从基本原理出发推导了伯努利源在汉明失真下的经典率失真函数,阐述了 Blahut-Arimoto 算法的计算过程,并重点介绍了刻画有限块长下性能逼近香农极限的率失真色散理论及其数值验证。