Yilmaz等发表支持64用户的NOMA联合源信道编码
热点事件持续更新
Yilmaz等发表支持64用户的NOMA联合源信道编码
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月22日，Selim F. Yilmaz等人在arXiv发布研究，提出一种基于机器学习辅助的无线图像传输方法，并同步发表于IEEE Transactions on Wireless Communications。 该方法利用多视图自编码器实现图像压缩与信道编码的融合，允许多个发送端同时使用全部可用信道资源，从而构建非正交多址（NOMA）传输方案。 研究指出，该模型支持最多64个用户接入，相比单用户模型，其可训练参数仅增加2.4%。在多种数据集与信道条件下，该方法的图像恢复质量优于现有NOMA技术。
AI 根据报道生成 · 12 小时前更新
最新进展10月22日 12:00
非正交多址联合源信道编码中干扰学习的机器视觉传输方法报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv · AI非正交多址联合源信道编码中干扰学习的机器视觉传输方法
该研究提出了一种ML辅助无线图像传输方法，利用多视图自编码器实现压缩与信道编码融合，形成非正交多址（NOMA）方案。 模型支持多达64个用户，相比单用户模型仅增加2.4%的可训练参数。 该方法在多种数据集和信道条件下均优于现有的NOMA技术，提升了图像恢复质量。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 910月22日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0010月23日02:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。