一种利用深度学习的非均匀无记忆信源恢复方法

针对非均匀无记忆信源这一特殊自然冗余信源的接收端符号恢复问题,基于全连接神经网络模型,设计一种将接收信号的信噪比和无记忆信源的符号分布随接收数据一起作为模型输入的神经网络译码器架构。并提出一种基于此神经网络的迭代译码算法,实现在发送符号分布未知情况下的自然冗余译码。仿真结果表明,利用自然冗余可以提升接收端的符号检测性能,即使在信源分布未知的情况下也能获得理论上最优的性能。

连续信源与无记忆Gaussian信源的比较及若干强偏差定理

引入相对熵密度偏差作为一般连续信源相对无记忆Ｇａｕｓｓｉａｎ信源的偏差的一种随机性度量，利用似然比构造几乎处处收敛的上鞅，结合文献［１，４］中提出的分析方法，得到了任意连续型随机变量序列平方和的一类强偏差定理，其中包含连续信源相对熵密度的若干极限定理。

m阶非齐次马氏信源的一类Shannon-Mcmillan定理

采用构造相容分布与非负上鞅的方法研究了m阶马氏信源相对熵密度的强极限定理,由此得出若干马氏信源、无记忆信源的随机Shannon-Mcmillan定理.并将已有的马氏信源的结果加以推广.

任意信源随机和的一类随机Shannon-McMillan定理

采用构造相容分布与非负上鞅的方法研究任意信源随机和相对熵密度的强极限定理,并由此得出若干任意信源,m阶马氏信源,无记忆信源的随机Shannon-Mcmillan定理.将已有的关于离散信源的结果加以推广.

变长码的抗误码扩散能力分析

给出了一种基于离散无记忆信源模型的分析变长码抗误码扩散能力.该方法通过分析序列中某一时刻某个码字出现的概率,以及该码字发生错误后正好变成与该码字同码长的另一码字的概率,得到该时刻不发生误码扩散的概率.而整个序列不发生误码的概率为该概率的序列长次幂.模拟计算结果显示,该方法可在不增加平均码长和码方差的情况下,选择出抗误码扩散能力最好的码组.

关于m阶非齐次马氏信源的一类Shannon-McMillan定理

采用构造相容分布与非负上鞅的方法的研究m阶马氏信源广义相对熵密度的强极限定理,即广义Shannon-McMillan定理.并由此得出若干马氏信源,无记忆信源的随机Shannon-Mcmillan定理.

非低双噪声信道秘密共享通信系统的编码定理

本文证明了具有两个非低噪声信道秘密共享通信系统(SSCS)编码定理的一组必要条件。这两个信道均为广播信道,特征为P(Y_jZ_jX_j),j=1,2.