M to 1 Joint Source-Channel Coding of Gaussian Sources via Dichotomy of the Input Space Based on Deep Learning

In this paper, we propose a deep neural network framework for Joint Source-Channel Coding of an m dimensional i.i.d. Gaussian source for transmission over a single additive white Gaussian noise channel with no delay. The framework employs two neural encoder-decoder pairs that learn to split the inpu...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	DCC (Los Alamitos, Calif.) S. 488 - 497
Hauptverfasser:	Saidutta, Yashas Malur, Abdi, Afshin, Fekri, Faramarz
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 01.03.2019
Schlagworte:	AWGN Channel Channel coding Decoding Deep Learning Deep Neural Networks Gaussian Source Image coding Joint Source Channel Coding Neural networks Spirals Transmitters
ISSN:	2375-0359
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!