Diese Dissertation untersucht die Anwendungen der Remote-Source-Codierung in drahtlosen Netzwerken, eine grundlegende Herausforderung in der Informationstheorie, bei der die Komprimierung ohne direkten Zugriff auf die Quelle erfolgen muss und stattdessen auf korrelierte Beobachtungen zurückgegriffen wird. Die Theorie der Remote-Source-Codierung charakterisiert die wesentlichen Kompromisse zwischen Komprimierungsrate und Rekonstruktionsgenauigkeit unter diesen Einschränkungen. Unsere Forschungsarbeiten befassen sich sowohl mit dem theoretischen Rahmen als auch mit praktischen Anwendungen der Fernquellencodierung in drahtlosen Kommunikationssystemen. Wir beginnen mit der Untersuchung des Problems der Schätzung der Kanalzustandsinformationen (CSI) im Downlink (DL) in Frequenzduplexsystemen (FDD), bei denen aufgrund der fehlenden Reziprozität des Kanals eine Schätzung im geschlossenen Regelkreis erforderlich ist. In diesem Szenario überträgt die Basisstation (BS) gemeinsame Piloten an die Nutzer, die dann ihre verrauschten Beobachtungen komprimieren und diese Informationen zur DL-CSI-Rekonstruktion an die BS zurückleiten. Wir zeigen, dass die Theorie der Fernquellencodierung eine informationstheoretische untere Schranke für den Kanalschätzungsfehler liefert. Darüber hinaus schlagen wir ein gemeinsames Quellen-Kanal-Kodierungs- (JSCC) Rückkopplungsschema vor, das die Kanalstatistiken zweiter Ordnung auf der Benutzerseite ausnutzt. Unser Ansatz übertrifft bestehende praktische Methoden und nähert sich der theoretischen unteren Schranke unter realistischen Signal-Rausch-Verhältnis-Bedingungen, selbst bei begrenzten Feedback-Ressourcen. Anschließend befassen wir uns mit dem schwierigeren Szenario begrenzter Trainingsdimensionen in Umgebungen mit starker Streuung, einer häufigen Einschränkung in Systemen mit großen Antennen, bei denen der Trainingsaufwand die Kommunikationsraten erheblich beeinträchtigt. Aufbauend auf unserem JSCC-Feedback-Rahmenwerk entwickeln wir ein Deep Neural Network (DNN)-basiertes Pilotdesign, das Kanäle für die Downlink-CSI-Schätzung in FDD-Systemen sparsamer macht, um die Summenrate direkt zu maximieren. Eine vergleichende Analyse mit der informationstheoretischen unteren Schranke und modernsten Ansätzen zeigt die überlegene Downlink-Summenratenleistung unserer Methode, insbesondere wenn die Pilot- und Feedback-Dimensionen unter den Kanalrang fallen. Schließlich dehnen wir unsere Untersuchung auf Multi-Encoder-Szenarien im Rahmen der Remote Source Coding, auch Chief Executive Officer (CEO) Problem genannt, aus. Dieses Modell findet breite Anwendung in verteilten Systemen, einschließlich disaggregierter Funkzugangsnetze (RANs). Der Uplink eines disaggregierten RAN kann als Mehrfachzugriffs-Relais-Kanal mit primitiven, selbstvergessenen Relais modelliert werden, die aus drahtlosen Benutzern, Relaiseinheiten und einer zentralen Verarbeitungseinheit bestehen. Obwohl der geschlossene Ausdruck für die Summenkapazität bei bekannten Kanalzuständen sowohl bei den Relais als auch beim CP in diesem Modell abgeleitet wurde, bleibt die Summenkapazität bei Rayleigh-Fading-Kanälen, bei denen die Kanalzustände beim CP trotz Genie-gestütztem Wissen bei den Relais nicht effektiv bekannt sind, eine analytische Herausforderung. Um diese Lücke zu schließen, entwickeln wir eine analytische obere Schranke und mehrere erreichbare Schranken für die ergodische Summenrate sowohl für Einnutzer- als auch für Zwei-Nutzer-Fälle mit zwei Relais. Numerische Auswertungen bestätigen die Effektivität der von uns vorgeschlagenen Verfahren und zeigen minimale Lücken zwischen den oberen und unteren Schranken bei verschiedenen praktischen Systemparametern. Diese Forschungsarbeit fördert sowohl das theoretische Verständnis der Fernquellencodierung als auch ihre praktischen Anwendungen in modernen drahtlosen Kommunikationssystemen und trägt zur Entwicklung effizienterer Kommunikationsprotokolle für Netzwerke der nächsten Generation bei.
Yi Song (2026) studied this question.