The capacity of multiple-input multiple-output additive white Gaussian noise channels is investigated under peak amplitude constraints on the norm of the input vector. New insights on the capacity-achieving input distribution are presented. Furthermore, it is provided an iterative algorithm to numerically evaluate both the information capacity and the optimal input distribution of such channel.


翻译:在对输入矢量规范的峰值振幅限制下,对多输入多输出添加剂白高西亚噪声频道的能力进行了调查,并介绍了关于实现能力投入分布的新见解,此外,还提供了一种迭代算法,以从数字上评价这种频道的信息能力和最佳输入分布。

0
下载
关闭预览

相关内容

【Google】梯度下降,48页ppt
专知会员服务
81+阅读 · 2020年12月5日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月10日
Arxiv
0+阅读 · 2021年4月29日
Arxiv
8+阅读 · 2021年1月28日
Neural Image Captioning
Arxiv
5+阅读 · 2019年7月2日
VIP会员
相关资讯
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Arxiv
0+阅读 · 2021年6月10日
Arxiv
0+阅读 · 2021年4月29日
Arxiv
8+阅读 · 2021年1月28日
Neural Image Captioning
Arxiv
5+阅读 · 2019年7月2日
Top
微信扫码咨询专知VIP会员