Coding for Channels with Feedback

کدنویسی برای کانال‌ها با بازخورد هر دو الگوریتم برای کدگذاری بازخورد و تحلیل عملکرد این الگوریتم‌ها، از جمله تجزیه و تحلیل شاید مهمترین معیار عملکرد: پیچیدگی محاسباتی را ارائه می‌دهد. الگوریتم‌ها در یک چارچوب توسعه داده می‌شوند که چارچوب لغو فشرده‌شده خطا نامیده می‌شود، که در آن داده‌ها از طریق دنباله‌ای از پیام‌ها ارسال می‌شوند: پیام اول حاوی داده‌های اصلی است. هر پیام بعدی حاوی شرح کد منبعی از اعوجاج کانال معرفی شده در پیام قبل از آن است.
کدنویسی برای کانال‌های دارای بازخورد چارچوبی قابل درک و انعطاف‌پذیر برای استخراج راه‌حل‌های کم‌پیچیدگی و عملی برای طیف گسترده‌ای از مشکلات ارتباطی بازخورد فراهم می‌کند. نشان داده شده است که چارچوب لغو خطای فشرده منجر به طرح‌های کدگذاری با کمترین ترتیب مجانبی رشد محاسبات می‌شود و می‌تواند برای کانال‌های بدون حافظه گسسته، کانال‌های حالت محدود، کانال‌های دارای حافظه، کانال‌های ناشناخته و کانال‌های دسترسی چندگانه اعمال شود. ، همه با بازخورد کامل بدون نویز و همچنین به کانال هایی با بازخورد جزئی و پر سر و صدا. این چارچوب منجر به استراتژی‌های کدگذاری می‌شود که پیچیدگی خطی دارند و به ظرفیت دست می‌یابند، و ارتباط نزدیک بین نظریه کدگذاری منبع و نظریه کدگذاری کانال را نشان می‌دهد.
کدنویسی برای کانال ها با بازخورد یک مرجع عالی برای محققان و مهندسان ارتباطات در زمینه تئوری اطلاعات است و می تواند برای دوره های پیشرفته در این زمینه استفاده شود.

Coding for Channels with Feedback presents both algorithms for feedback coding and performance analyses of these algorithms, including analyses of perhaps the most important performance criterion: computational complexity. The algorithms are developed within a single framework, termed the compressed-error-cancellation framework, where data are sent via a sequence of messages: the first message contains the original data; each subsequent message contains a source-coded description of the channel distortions introduced on the message preceding it.
Coding for Channels with Feedback provides an easily understood and flexible framework for deriving low-complexity, practical solutions to a wide variety of feedback communication problems. It is shown that the compressed-error-cancellation framework leads to coding schemes with the lowest possible asymptotic order of growth of computations and can be applied to discrete memoryless channels, finite state channels, channels with memory, unknown channels, and multiple-access channels, all with complete noiseless feedback, as well as to channels with partial and noisy feedback. This framework leads to coding strategies that have linear complexity and are capacity achieving, and illustrates the intimate connection between source coding theory and channel coding theory.
Coding for Channels with Feedback is an excellent reference for researchers and communication engineers in the field of information theory, and can be used for advanced courses on the topic.