De la compression à la communication universelle

From universal compression to universal communications

• Auteur / Autrice : Henrique koji Miyamoto
• Direction : Sheng Yang
• Type : Projet de thèse
• Discipline(s) : Sciences des réseaux, de l'information et de la communication
• Date : Inscription en doctorat le 01/11/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Signaux et Systèmes
• Partenaire(s) de recherche : Equipe de recherche : Télécoms et Réseaux
• Partenaire(s) de recherche : référent : CentraleSupélec (2015-....)

Mots clés

Mots clés libres

Compression universelle

Décodage universel

Théorie de l'information

Universal compression

Universal decoding

Information theory

Résumé

Les réseaux de communication modernes reposent sur une quantité colossale de données, telles que l'information de l'utilisateur et du canal. Les représenter efficacement devient un problème important en raison des dimensions croissantes du réseau, ce qui est essentiellement un problème de compression des données. La performance de la compression de données dépend de la connaissance de la distribution de source, qui est inconnue en général. Dans ce esprit, la compression de source universelle recherche des schémas de compression qui ne reposent pas sur une connaissance a priori de la distribution de la source, et, pourtant, peuvent asymptotiquement atteindre le taux d'entropie sous-jacent. Le décodage universel, en revanche, est un problème analogue dans un certain sens. Il s'agit de schémas de décodage de canal qui, bien qu'ignorants des statistiques du canal sur lequel la communication a lieu, peuvent asymptotiquement atteindre le même exposant d'erreur de codage aléatoire qu'un décodeur à maximum de vraisemblance réglé pour ce canal. De tels schémas sont intéressants lorsque le canal est inconnu, et en particulier pour surmonter le compromis de l'approche des séquences d'entraînement. Dans cette thèse, nous proposons d'étudier la relation entre compression universelle et décodage universel et obtenir des résultats fondamentaux et implementations pratiques.

Modern communication networks rely on a colossal amount of data, such as user and channel information; due to the increasing network dimensions, representing them efficiently becomes an important problem, which is essentially a data compression problem. The performance of data compression depends on the knowledge of the source distribution, which is in general unknown. In this spirit, universal source coding looks for compression schemes that do not have a prior knowledge of the source distribution, and yet, they can asymptotically attain the underlying entropy rate. Universal decoding, on the other hand, is an analogous problem in some sense. This refers to channel decoding schemes that, albeit ignorant of the statistics of the channel over which communication takes place, can asymptotically achieve the same random-coding error exponent as a maximum-likelihood decoder tuned for that channel. Such schemes are of interest when the channel is unknown, and in particular to overcome the trade-off of the training sequences approach. In this thesis, we propose to investigate the relation between universal compression and universal decoding to obtain fundamental results and practical implementations.