用神经网络实现更高效的信号调制，提升通信速率并减少损失。

Sequential Neural Probabilistic Amplitude Shaping: Learning the Channel's Language

• 采用无块序列自回归编码器，兼容算术分布匹配。
• 相比现有方法，速率损失降低，可达信息率更高。
• 适合通信系统设计者与低延迟场景应用。

我们提出了首个神经概率幅度整形方法，在考虑所有实现损耗的前提下，性能优于现有方法。该方法采用无块、易于实现的序列自回归编码器，兼容算术分布匹配，显著降低速率损失，并实现更高的可达成信息速率。该框架为现代通信系统中的高效信道编码提供了新思路。

原文摘要 · Abstract (English)

We present the first neural probabilistic amplitude shaping that outperforms existing methods while accounting for all implementation losses, using a block-less, easily implementable sequential autoregressive encoder compatible with arithmetic distribution matching, yielding reduced rate loss and higher achievable information rates.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。