An alternative to decoding interference or treating interference as Gaussian noise
Notice bibliographique
Résumé
This paper addresses the following question regarding Gaussian networks: Is there an alternative to decoding interference or treating interference as Gaussian noise? By answering this question we aim to establish a benchmark for practical systems where multiuser decoding is not a common practice. To state our result, we study a decentralized network of one Primary User (PU) and one Secondary User (SU) modeled by a two-user Gaussian interference channel. The primary transmitter is constellation-based, i.e., PU is equipped with a modulator and its code-book is constructed over a modulation signal set. SU utilizes random Gaussian codewords with controlled transmission power that guarantees a certain level of Interference-to-Noise Ratio (INR) at the primary receiver. Both users are unaware of each other's code-book, however, SU is smart in the sense that it is aware of the constellation set of PU. While interference at the primary receiver is modeled as additive Gaussian noise, the secondary receiver can utilize the structure of PU's modulator as side information to decode its message without decoding the message of PU. The instantaneous realizations of symbols in a codeword transmitted by PU are unknown to both ends of SU's direct link, however, the sample space of such symbols is available to SU. This makes the interference plus noise at the secondary receiver be a mixed Gaussian process. Invoking entropy power inequality and an upper bound on the differential entropy of a mixed Gaussian vector, we develop an achievable rate for SU that is robust to the structure of PU's modulation signal set and only depends on its constellation size and the dimension of the euclidean space that the constellation points lie in. Moreover, we obtain an achievable rate for PU using Fano's inequality in conjunction with a Gallager-type upper bound on the probability of error in decoding constellation points at the primary receiver. The developed achievable rates for PU and SU enable us to show that the sum rate can be improved compared to a scenario where both users employ Gaussian codewords and treat each other as Gaussian noise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».