[論文レビュー] Polar Coding for Empirical Coordination of Signals and Actions over Noisy Channels

Giulia Cervia, Laura Luzzi+2 more|arXiv (Cornell University)|Sep 21, 2016

Error Correcting Code Techniques参考文献 28被引用数 10

ひとこと要約

本稿では、ノイジーチャネルを介した信号および行動の経験的調整のための極性符号化方式を提示する。この方式は、最小限の共通ランダムネスを用いて、既知の最高の内部バインドを達成する。極性符号とチェイン構成を活用することで、ランダムビニングの構成的代替手段を提供し、非因果的符号化および復号を可能にすることで、源、チャネル入出力、再構成行動の同期を経験的分布制約下で実現する。

ABSTRACT

-We develop a polar coding scheme for empirical coordination in a two-node network with a noisy link in which the input and output signals have to be coordinated with the source and the reconstruction. In the case of non-causal encoding and decoding, we show that polar codes achieve the best known inner bound for the empirical coordination region, provided that a vanishing rate of common randomness is available. This scheme provides a constructive alternative to random binning and coding proofs.

研究の動機と目的

• ノイジーチャネルを有する2ノードネットワークにおける経験的調整のための構成的極性符号化方式を開発すること。
• 極性符号を用いて、協調容量領域における最高の既知の内部バインドを達成すること。
• 協調に必要な共通ランダムネスのレートを最小限に抑え、ブロック長が増加するにつれて0に近づけること。
• 協調問題におけるランダムビニングおよび符号化証明の実用的代替手段を提供すること。

提案手法

• チェイン構成を用いて極性化された集合を整合させる極性符号化方式を設計し、適切な信号および行動の調整を保証すること。
• 非因果的符号化および復号を用いて、源系列、チャネル入力・出力、再構成行動を、目的の結合分布と同期させること。
• 極性符号の原理を応用し、源および行動信号を同時に符号化する。極性化変換 $ G_n = \begin{bmatrix}1&0\\1&1\end{bmatrix}^{\otimes m} $ を活用する。
• 内部バインドを損なわずに協調を達成するため、無視できる程度の共通ランダムネスレートを導入すること。
• 変動距離と典型性の議論を用いて、経験的分布と目的の分布とのずれを評価すること。
• ピンスカーの不等式と条件付き典型性を用いて、経験的分布が目的の分布に収束することを証明すること。

実験結果

リサーチクエスチョン

• RQ1 極性符号は、ノイジーチャネルを有する2ノードネットワークにおいて、協調容量領域の内部バインドを達成できるか？
• RQ2 極性符号を用いて経験的協調を達成するための共通ランダムネスの最小レートは何か？
• RQ3 極性符号は、経験的分布制約下で、源、信号、行動系列の整合性を確保するためにどのように構造化できるか？
• RQ4 非因果的符号化および復号を用いた構成的極性符号化方式は、協調問題におけるランダムビニングを置き換えられるか？
• RQ5 極性符号におけるチェイン構成は、協調のための適切な極性化された集合の整合性をどのように保証するか？

主な発見

• 提案された極性符号化方式は、共通ランダムネスレートが消えるに近い状態で、経験的協調領域における最高の既知の内部バインドを達成する。
• この方式は、ランダムビニングや符号化証明の構成的代替手段を提供し、明示的な実装を可能にする。
• チェイン構成の使用により、極性化された集合の適切な整合性が保証され、協調性能にとって不可欠である。
• 連携タプル $ (S^{1:n}, X^{1:n}, Y^{1:n}, \widehat{S}^{1:n}) $ の経験的分布は、$ n \to \infty $ のとき変動距離において目的の分布 $ P_{SXY\widehat{S}} $ に収束する。
• 必要な共通ランダムネスのレートは無視できるほど小さく、$ 0 < \beta < 1/2 $ に対して $ O(2^{-n^\beta}) $ のスケーリングを示し、ブロック長が増加するにつれて0に近づく。
• ピンスカーの不等式と典型性の議論を用いて、経験的分布と目的の分布との間の変動距離が漸近的に消えることを証明した。