Sparse Regression Codes
Sparse Regression Codes
复制标题
稀疏回归代码
DOI：
--
复制
发表时间：
2019
影响因子：
2.4
通讯作者：
A. Barron
中科院分区：
文献类型：
--
作者：
R. Venkataramanan;S. Tatikonda;A. Barron
开发接近通信和压缩的香农理论极限的计算高效码一直是信息和编码理论的主要目标之一。在过去的几十年里，随着turbo码、稀疏图码和极化码的出现，朝着这个目标已经取得了重大进展。这些代码主要是为离散字母信道和源设计的。对于高斯信道和源，其中字母表本质上是连续的，稀疏叠加码或稀疏回归码（SPARC）是用于实现香农极限的一类有前途的码。
本综述提供了稀疏回归码的统一和全面的概述，涵盖理论，算法和实际实现方面。专著的第一部分集中于AWGN信道编码的SPARC，第二部分集中于有损压缩的SPARC（具有平方误差失真准则）。在第三部分中，SPARC被用来构造用于高斯多终端信道和信源编码模型的码，例如广播信道、多址信道和具有边信息的信源和信道编码。调查最后讨论了开放的问题和未来工作的方向。
Developing computationally-efficient codes that approach the Shannon-theoretic limits for communication and compression has long been one of the major goals of information and coding theory. There have been significant advances towards this goal in the last couple of decades, with the emergence of turbo codes, sparse-graph codes, and polar codes. These codes are designed primarily for discrete-alphabet channels and sources. For Gaussian channels and sources, where the alphabet is inherently continuous, Sparse Superposition Codes or Sparse Regression Codes (SPARCs) are a promising class of codes for achieving the Shannon limits.
This survey provides a unified and comprehensive overview of sparse regression codes, covering theory, algorithms, and practical implementation aspects. The first part of the monograph focuses on SPARCs for AWGN channel coding, and the second part on SPARCs for lossy compression (with squared error distortion criterion). In the third part, SPARCs are used to construct codes for Gaussian multi-terminal channel and source coding models such as broadcast channels, multiple-access channels, and source and channel coding with side information. The survey concludes with a discussion of open problems and directions for future work.
登录
查看更多内容
通过空间耦合实现容量稀疏回归代码
DOI：
10.1109/itw.2018.8613392
发表时间：
2018
期刊：
--
影响因子：
--
作者：
Rush C
通讯作者：
Rush C
提高稀疏叠加码有限长度性能的技术
影响因子：
8.3
作者：
Greig A
通讯作者：
Greig A
空间耦合稀疏回归代码：设计和状态演化分析
DOI：
10.1109/isit.2018.8437615
发表时间：
2018
期刊：
--
影响因子：
--
作者：
Hsieh K
通讯作者：
Hsieh K
稀疏叠加码近似消息传递译码的错误概率
影响因子：
2.5
作者：
Rush C
通讯作者：
Rush C
影响因子：
2.5
作者：
Rush, Cynthia;Greig, Adam;Venkataramanan, Ramji
通讯作者：
Venkataramanan, Ramji