ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Lattice Coding for Signals and Networks: A Structured Coding Approach to Quantization, Modulation, and Multiuser Information Theory

دانلود کتاب برنامه‌نویسی شبکه‌ای برای سیگنال‌ها و شبکه‌ها: رویکرد کدگذاری ساختاریافته به نظریه کوانتیزاسیون، مدولاسیون و اطلاعات چندکاربره

Lattice Coding for Signals and Networks: A Structured Coding Approach to Quantization, Modulation, and Multiuser Information Theory

مشخصات کتاب

Lattice Coding for Signals and Networks: A Structured Coding Approach to Quantization, Modulation, and Multiuser Information Theory

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 0521766982, 9780521766982 
ناشر: Cambridge University Press 
سال نشر: 2014 
تعداد صفحات: 460 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Lattice Coding for Signals and Networks: A Structured Coding Approach to Quantization, Modulation, and Multiuser Information Theory به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب برنامه‌نویسی شبکه‌ای برای سیگنال‌ها و شبکه‌ها: رویکرد کدگذاری ساختاریافته به نظریه کوانتیزاسیون، مدولاسیون و اطلاعات چندکاربره نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب برنامه‌نویسی شبکه‌ای برای سیگنال‌ها و شبکه‌ها: رویکرد کدگذاری ساختاریافته به نظریه کوانتیزاسیون، مدولاسیون و اطلاعات چندکاربره

این کتاب که تئوری اطلاعات و ارتباطات دیجیتال را از طریق زبان کدهای شبکه یکپارچه می کند، یک نمای کلی برای دانشجویان، محققان و دست اندرکاران صنعت ارائه می دهد. این مقاله کار کلاسیک محققان برجسته در زمینه کدهای شبکه و کارهای تکمیلی روی کوانتیزاسیون پراکنده و صور فلکی نامتناهی را پوشش می‌دهد، و سپس نتایج جدیدتر را در مورد «جبری جبری» برای مسائل اطلاعات جانبی و کدهای خطی/شبکه ​​برای شبکه‌ها معرفی می‌کند. این نشان می‌دهد که چگونه کدهای شبکه با ابعاد بالا می‌توانند شکاف را به راه‌حل نظری اطلاعات بهینه، از جمله مشخصه‌سازی توان خطا، ببندند. راه‌حل‌های ارائه‌شده مبتنی بر کدهای شبکه هستند، و بنابراین به پیاده‌سازی‌های عملی نزدیک هستند، با بسیاری از تنظیمات و تکنیک‌های پیشرفته، مانند شکل‌دهی، کدگذاری آنتروپی، اطلاعات جانبی و سیستم‌های چند پایانی. علاوه بر این، برخی از تنظیمات شبکه نشان داده شده نشان می‌دهند که چگونه کدهای شبکه به طور بالقوه کارآمدتر از راه‌حل‌های کدگذاری تصادفی سنتی هستند، به عنوان مثال هنگام تعمیم چارچوب به شبکه‌های گاوسی.


توضیحاتی درمورد کتاب به خارجی

Unifying information theory and digital communication through the language of lattice codes, this book provides a detailed overview for students, researchers and industry practitioners. It covers classical work by leading researchers in the field of lattice codes and complementary work on dithered quantization and infinite constellations, and then introduces the more recent results on 'algebraic binning' for side-information problems, and linear/lattice codes for networks. It shows how high dimensional lattice codes can close the gap to the optimal information theoretic solution, including the characterisation of error exponents. The solutions presented are based on lattice codes, and are therefore close to practical implementations, with many advanced setups and techniques, such as shaping, entropy-coding, side-information and multi-terminal systems. Moreover, some of the network setups shown demonstrate how lattice codes are potentially more efficient than traditional random-coding solutions, for instance when generalising the framework to Gaussian networks.





نظرات کاربران