JSAIT — Vol 7 · 2026-06-05¶

共 17 篇 · IEEE Journal on Selected Areas in Information Theory

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

这一期8篇论文整体聚焦于通信与信号处理中的统计计算与信息论极限，可归纳为三条主线：（1）统计计算与估计理论，涉及Reservoir Computing、近场信道估计、分布式矩阵乘法编码、以及擦除约束下的学习极限；（2）通信系统建模与优化，涵盖LDPC码的BER估计、近场MIMO阵列定标、以及ISAC干扰信道；（3）信息论与编码，包括高斯码与失配解码、以及安全语义通信的JSCC。其中，统计计算与估计理论主线最为突出，占5篇。

在统计计算主线上，Reservoir Computing in Wireless Receive Processing 将ESN/WESN的均衡性能与经典Wiener滤波器理论对接，给出MSE的显式解析刻画，是RNN计算架构与估计理论结合的典型。Efficient Near-Field Channel Feature Estimation 则从估计理论极限（类似CRB）出发，提出基于距离阈值的分区搜索算法，在精度与复杂度间取得权衡，是统计计算中复杂度-精度权衡的工程实例。Structured Polynomial Codes for Distributed Matrix Multiplication 利用双线性结构优化编码，在存储与通信成本上优于现有方案，与矩阵/张量数值方法直接相关。Fundamental Limits of Learning Under Erasure-Constrained Communication Channels 通过二阶方差分析框架刻画能耗优化路由的临界操作点，涉及scaling law与随机供能平衡。In-Memory Bit Error Rate Estimation Using Syndromes of LDPC Codes 虽聚焦通信，但其OFDM子块切分与PLMF策略在异质链路下的收敛分析，对联邦学习中的统计计算有参考价值。

其余主线中，Array Configuration and Scaling Laws in Near-Field Uplink Multiuser MIMO 的block cyclic coordinate descent算法在非凸约束下的收敛分析，可作为统计计算中带PAPR约束优化的方法参考。Fundamental Limits of Integrated Sensing and Communication Over Interference Channels 将Neyman-Pearson检验扩展至多比特UEP，在假设检验理论上有一定新意。On Gaussian Codes and Mismatched Decoding for Fading MIMO Multiple-Access Channels 则给出安全语义通信的rate-distortion-equivocation区域，属于信息论基础。

对于因果推断/半参数效率方向，本期无直接相关论文。若关注统计计算中的估计理论，可优先看Reservoir Computing与近场信道估计两篇；若关注矩阵/张量数值方法与复杂度优化，Structured Polynomial Codes与Array Configuration两篇值得一读；若关注假设检验与信息论极限，ISAC干扰信道与高斯码两篇可作参考。

统计计算 / 算法 (stat_computing, 11 篇)¶

1. 10.1109/jsait.2026.3683606 — Reservoir Computing in Wireless Receive Processing: An Information-Theoretic Perspective¶

作者: Shashank Jere, Lizhong Zheng, Ummay Sumaya Khan, Lingjia Liu
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Virginia Tech · Massachusetts Institute of Technology
分类: vol 7 · pp 146-160
相关性 4/10 · novelty: new_theory
摘要: 本文在无线通信接收处理（信道均衡）设定下，研究 Reservoir Computing（ESN 及 WESN）的估计与信息论性质；关键假设为 ISI 衰落信道下的线性滤波模型。核心机制是对 ESN/WESN 的均衡性能给出精确解析刻画，并与最优 Wiener 均衡器进行理论对比；技术工具涉及 Wiener filter 理论、RNN 状态空间映射与信息论界。主要理论结果是在特定 ISI 信道下，ESN/WESN 的 MSE 性能可被显式计算并与 Wiener filter 的最优界比较，数值实验验证了理论预测的紧致性。对您可能有用：本文将 RNN 计算架构与经典估计理论对接，为统计计算中非线性滤波器的理论分析提供了一个可解析的范例。
关键技术: reservoir computing, echo state network, Wiener filter, channel equalization, information-theoretic analysis, MSE analytical characterization
为什么对您有用: 本文连接到统计计算与数值方法子方向，提供了一个将非线性迭代计算架构（ESN）与经典最优估计理论（Wiener filter）做精确理论对比的范例。您武器库中的 inverse problems with random noise 理论可直接切入：将 ISI 均衡视为线性逆问题，分析 ESN 这种低复杂度迭代算法相对于 Wiener 最优解的效率损失与计算代价权衡。立即可做：用 very_familiar 的逆问题与估计理论工具，复现并推广其 MSE 解析刻画到更一般的噪声模型或高维设定。

2. 10.1109/jsait.2025.3649807 — Efficient Near-Field Channel Feature Estimation: Criteria and Algorithms¶

作者: Hyeonjin Chung, Hanvit Kim, Sunwoo Kim, Andrea Conti, Moe Z. Win
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Massachusetts Institute of Technology · Hanyang University · University of Ferrara · Decision Systems (United States)
分类: vol 7 · pp 75-90
相关性 3/10 · novelty: new_method
摘要: 在近场(NF)通信设定下，目标为同时估计到达角(AOA)与距离，关键假设为收发距离超过约1/4瑞利距离时波前曲率可忽略。本文首先给出计算效率准则：证明当距离大于该阈值时，高维联合搜索可降为低维顺序搜索而不损失估计精度。基于此准则提出分区搜索算法：仅在曲率不可忽略的区域做高维角度-距离联合搜索，其余区域做顺序低维搜索。同时给出近场特征估计的估计理论分析，刻画了理论性能极限（类似CRB界）。仿真表明，在强近场效应下，所提算法精度逼近高维搜索上界，而计算复杂度显著降低。对您可能有用：本文将估计理论极限与计算复杂度缩减准则结合，是统计计算中复杂度-精度权衡的一个具体工程实例。
关键技术: zone-wise search algorithm, Rayleigh distance criterion, estimation-theoretic performance limit, high-dimensional to low-dimensional search reduction, near-field wavefront curvature approximation
为什么对您有用: 本文属于统计计算与估计理论的交叉，核心是给出一个基于物理准则的计算复杂度缩减方案，连接到您primary interest中的statistical computing与estimation theory。用您very_familiar中的estimation theory in causal inference与minimax bounds工具，可以审视其声称的'不损失精度'是否能在更一般的估计问题中成立（即是否达到效率界）。follow-up判断：中期可做——需先在moderately_familiar的M-estimation theory上长肌肉，以将此处的分区搜索准则抽象为更一般的半参数/非参数估计中的计算-统计权衡框架。

3. 10.1109/jsait.2026.3688105 — Structured Polynomial Codes for Distributed Matrix Multiplication¶

作者: Derya Malak
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: EURECOM
分类: vol 7 · pp 175-191
相关性 2/10 · novelty: new_method
摘要: 在有限域上的分布式矩阵乘法设定下，目标是两个分布式源（分别持有矩阵 A 和 B）通过 I 个存储受限的 worker 节点，在接收端重构 A^T B。本文将结构化线性编码方案与多项式码框架结合，提出 StPolyDot codes，利用矩阵乘法的双线性结构进行编码。理论结果表明，该编码在存储与通信成本上均优于现有最优方案（如 PolyDot codes），同时在安全性方面保持一定优势。对您有用：本文涉及分布式计算中的矩阵运算编码优化，与您在统计计算（矩阵/张量数值方法）及高阶 U-统计量计算（张量缩约/einsum 复杂度）方面的兴趣有直接的技术连接。
关键技术: polynomial codes, distributed matrix multiplication, bilinear structure encoding, finite field coding, storage-communication tradeoff
为什么对您有用: 本文直接连接到您 primary interest 中统计计算的矩阵/张量数值方法子方向，以及高阶 U-统计量计算中的 einsum/张量缩约复杂度视角——分布式矩阵乘法的编码方案本质上是在优化计算与通信的 tradeoff，与您关注的 stat-computational tradeoff 同构。用您 very_familiar 的软件开发与矩阵计算经验可以立刻复现并测试其编码方案的性能边界（立即可做）；若要进一步将此编码思想迁移到高阶 U-统计量的分布式张量缩约场景，需先在 moderately_familiar 的高阶 U-统计量理论上建立分布式计算模型（中期可做）。

4. 10.1109/jsait.2026.3677413 — Fundamental Limits of Learning Under Erasure-Constrained Communication Channels¶

作者: Merve Karakas, Osama Hanna, Lin F. Yang, Christina Fragouli
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: University of California, Los Angeles · Meta (United States)
分类: vol 7 · pp 134-145
相关性 2/10 · novelty: new_method
摘要: 在有擦除反馈的不可靠下行信道设定下，研究单/多智能体在线学习的 regret 极限与通信-能效权衡。核心 estimand 是 worst-case regret scaling 与 expected transmission count；关键假设是信道擦除概率固定且每次传输后仅获二元擦除反馈。作者证明擦除反馈不改变 regret 的信息论下界阶（matching lower/upper bounds），但反馈使策略更简单：提出 stop-on-success 与 dynamic takeover 的多智能体调度，达到 near-optimal regret 并在期望传输次数与总能耗上实现常数因子节省。形式化了 energy–regret tradeoff 指标，高擦除 regime 下实证显著。对您有用：将信息论下界与计算/能耗约束的权衡形式化，是 stat-computational tradeoff 在 bandit 通信设定下的具体实例。
关键技术: information-theoretic lower bounds, multi-agent bandit scheduling, erasure-constrained channel model, energy-regret tradeoff, stop-on-success policy
为什么对您有用: 本文将 regret 下界与能耗约束的权衡形式化，属于 stat-computational tradeoff 在 bandit 通信设定下的具体实例，直接连接您 primary interest 中的 computationally constrained statistics。您武器库中 very_familiar 的 minimax bounds 可直接攻其信息论下界部分（验证其声称的 matching bound 是否紧）；但其多智能体调度与能耗优化依赖通信协议设计，您当前武器库暂缺此部分，属于中期可做（需先在 moderately_familiar 的 M-estimation / sequential decision 理论上长肌肉以连接 regret 分析）。

5. 10.1109/jsait.2026.3668947 · arXiv — Prediction-Powered Communication With Distortion Guarantees¶

作者: Matteo Zecchin, Unnikrishnan Kunnath Ganesan, Giuseppe Durisi, Petar Popovski, Osvaldo Simeone
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 33-45
相关性 1/10 · novelty: new_method
摘要: 在零延迟通信设定下，研究配备AI预测器的设备如何在严格失真保证约束下进行数据压缩与传输，目标estimand为重建序列的逐序列失真上界。考虑两类失真度量：基于中断率的度量（容忍偶发丢包的控制/监测任务）和有界失真度量（文本/视频等语义任务）。提出两种零延迟压缩算法，核心机制是利用在线conformal prediction为重建失真提供逐序列的分布自由保证；对包擦除信道引入双重自适应conformal更新以补偿信道误差，并推导出确保失真约束的擦除统计充分条件。实验在语义文本压缩上验证了方法，在严格满足失真保证的同时显著降低比特率。对您可能有用：conformal prediction的在线自适应机制与逐序列保证思路，可迁移至因果推断中敏感度分析的逐序列覆盖保证或流式数据推断。
关键技术: online conformal prediction, zero-delay compression, doubly-adaptive conformal update, outage-based distortion metric, packet-erasure channel with feedback, distribution-free coverage guarantee
为什么对您有用: 本文连接到stat_computing与计算约束下的推断：在线conformal prediction为序列数据提供分布自由的逐序列失真保证，这一机制可迁移至因果推断中streaming data下的区间估计与sensitivity analysis覆盖保证。用very_familiar中的software development与moderately_familiar中的M-estimation理论，可以分析该在线conformal更新在更一般M-estimator下的收敛与覆盖性质。中期可做：需先在moderately_familiar的M-estimation理论上长肌肉，以将conformal guarantee从简单失真度量推广到semiparametric estimator的influence function序列覆盖。

6. 10.1109/jsait.2026.3655592 · arXiv — An End-to-End Coding Scheme for DNA-Based Data Storage With Nanopore-Sequenced Reads¶

作者: Lorenz Welter, Roman Sokolovskii, Thomas Heinis, Antonia Wachter-Zeh, Eirik Rosnes, Alexandre Graell i Amat
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 17-32
相关性 0/10 · novelty: application
摘要: 本文研究基于 DNA 的数据存储系统在 nanopore 测序下的纠错编码方案，目标 estimand 是在采样噪声与 strand-dependent IDS（插入/删除/替换）误差下的信息中断概率与帧错误率。信道模型将 DNA 存储建模为采样噪声信道：输入数据被切分为 M 条短链并随机复制，输出为 N 条含 IDS 误差的噪声链。作者提出基于索引的级联编码方案（外码+索引码+内码），并设计了复杂度为 O(N) 的逐符号 MAP 译码器，该译码器同时利用 strand-dependent IDS 误差与随机抽取的软信息推断外码所需的后验概率。Monte-Carlo 模拟与实验数据验证了该方案在读写成本权衡下优于现有方案。对您而言，本文展示了在复杂组合信道下如何用低复杂度算法处理软信息与随机采样，可作为统计计算与数值方法在非传统数据系统中的工程参考。
关键技术: concatenated coding scheme, symbolwise MAP decoding, sampling noise channel model, strand-dependent IDS errors, Monte-Carlo simulation, information-outage probability
为什么对您有用: 本文属于 stat_computing 方向的工程应用，核心是低复杂度 MAP 译码算法与级联编码的数值实现，与您 primary interest 中的 statistical computing（数值方法与算法）有弱连接。您武器库中的 software development 能力可以直接跑通其 Monte-Carlo 模拟与译码器实现，但本文本质是信息论编码设计，不涉及高维统计、因果或半参数理论，方法学 novelty 对您有限。判断：暂不可做——核心机器（DNA 存储信道的信息论编码设计）不在您的武器库中，且无直接的方法学迁移口子；仅适合作为数值算法在非标准信道下的轻量浏览读物。

7. 10.1109/jsait.2026.3688592 · arXiv — Energy-Aware Routing to Large Reasoning Models¶

作者: Austin R. Ellis-Mohr, Max Hartman, Lav R. Varshney
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 221-228
相关性 0/10 · novelty: new_method
摘要: 本文研究大型推理模型（LRM）系统的能耗优化路由问题，设定为多模型、多推理深度下的任务调度，关键假设是各 LRM 的推理能耗服从异质性随机分布。核心机制是在“临界供能区间”寻找唯一操作点，使基线能耗与辅助能耗均不系统性浪费；在此基础上，作者提出二阶方差分析框架，刻画时间、模型与执行选择之间的波动吸收机制。技术工具包括训练/推理算力 scaling law、随机供能的均值-方差平衡、以及基于 scaling law 的简单调度策略的理论性质分析。主要理论结果给出了临界操作点的存在性与二阶波动界限，并指出 variance-aware routing 是系统设计的主轴。对您可能有用：本文将统计计算中的资源约束与随机波动建模结合，提供了一个不同于传统算法复杂度的系统视角。
关键技术: scaling law for training/inference compute, mean-variance energy provisioning, critical regime operating point, variance-aware routing policy, stochastic dispatch optimization
为什么对您有用: 本文属于 stat_computing 与 computational-constraint 交叉方向，但核心是工程系统的随机供能建模而非统计推断的计算下界。(1) 连接到您 primary interest 中的 statistical-computational tradeoff，但视角是系统调度而非 average-case hardness 或 low-degree barrier；(2) 您武器库中的 minimax bounds 与 high-dimensional asymptotics 无法直接攻入本文的 scaling-law + 随机供能框架，本文缺乏经典统计推断设定；(3) 暂不可做：核心机器（LRM scaling law 的随机能耗建模与排队/调度理论）不在武器库中，且与您关注的 polynomial-time achievability / low-degree lower bound 范式不同，不建议深入跟进。

8. 10.1109/jsait.2026.3686020 — In-Memory Bit Error Rate Estimation Using Syndromes of LDPC Codes¶

作者: Yotam Gershon, Yuval Cassuto
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Technion – Israel Institute of Technology
分类: vol 7 · pp 161-174
相关性 0/10 · novelty: new_method
摘要: 本文研究一种面向可靠内存计算的新型编码架构，核心 estimand 是不规则 LDPC 码在内存内的比特错误率（BER），在 BSC 或类似信道设定下推导了 closed-form ML 估计量与 MSE 表达式。方法上，提出嵌套双层 LDPC 构造：第一层用 degree-1 变量节点实现 BER 估计与检测，第二层负责外部纠错；检测环节引入带容忍区间的 gapped hypothesis testing 框架，以决定何时启动解码。理论结果显示，MSE 与检测性能均显式依赖于 check-degree 分布，且在给定平均校验度下，check-regular 码能最小化主导误差项从而具有优势。对您可能有用：本文将信道编码的 degree 分布设计与 hypothesis testing / 估计理论结合，是统计计算与通信编码交叉的有趣案例。
关键技术: closed-form ML estimation, gapped hypothesis testing, nested bilayer LDPC construction, degree-1 variable nodes, check-degree distribution optimization, bit-error-rate estimation
为什么对您有用: 本文连接到统计计算（numerical methods & algorithm）子方向，其 gapped hypothesis testing 与 closed-form MSE 分析直接触及数学统计的 hypothesis testing 兴趣。用您 very_familiar 的 minimax bounds / M-estimation theory 可以审视其 ML estimator 的效率与 check-regular 码声称的优势是否紧。follow-up 判断：中期可做——需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以将本文的 degree-distribution 优化问题重新表述为更一般的 semiparametric / nonparametric efficiency 问题，从而获得 sharper 理论。

9. 10.1109/jsait.2026.3672794 · arXiv — Coherence-Aware Over-the-Air Distributed Learning Under Heterogeneous Link Impairments¶

作者: Mehdi Karbalayghareh, David J. Love, Christopher G. Brinton
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 46-61
相关性 0/10 · novelty: new_method
摘要: 在无线网络分布式机器学习设定下，目标是解决因设备移动性与散射差异导致的异质性链路损伤（CSI不准、OTA聚合失真）下的联邦学习收敛问题。核心机制包括：下行链路采用product superposition将静态设备的全局模型符号复用在动态设备所需的导频音上，将导频开销转化为有效载荷；上行链路将OFDM超块按最小相干时间/带宽切分为子块，稳定异质设备的信道估计与OTA聚合；对动态设备的部分模型接收，采用PLMF策略用上一轮本地模型填充缺失参数。理论结果给出了在异质链路损伤、不完美CSI与聚合噪声下的收敛保证，实验显示通信效率与学习精度优于传统FL基线。对您可能有用：本文的OFDM子块切分与PLMF填充策略属于通信受限下的计算-通信权衡设计，可作为statistical-computational tradeoff方向中'多项式时间可达性'在分布式学习场景的具体工程实例参考。
关键技术: product superposition modulation, over-the-air aggregation, OFDM sub-block partitioning, previous local model filling (PLMF), convergence guarantee under imperfect CSI
为什么对您有用: 本文属于statistical-computing与computational-constrained statistics的交叉边缘：它处理的是通信资源（带宽、相干时间）受限下高维模型更新的分布式计算问题，与您关注的information-computation gap有场景关联但技术路线不同。您武器库中的高维渐近理论无法直接攻破其OFDM/信道编码细节，而它缺乏对低阶多项式/SQ/平均情形复杂度的理论分析，属于工程导向而非数学统计导向的tradeoff研究。暂不可做：核心机器（无线信道编码、OFDM调制）不在武器库中，且本文未提供统计视角的hardness barrier或minimax界，对您当前研究的直接方法论迁移价值有限，不建议花时间深读全文。

10. 10.1109/jsait.2026.3674909 — Array Configuration and Scaling Laws in Near-Field Uplink Multiuser MIMO¶

作者: Jiyoung Yun, Wan Choi, Jeffrey G. Andrews
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Seoul National University · The University of Texas at Austin
分类: vol 7 · pp 62-74
相关性 0/10 · novelty: new_theory
摘要: 在近场 LoS 上行 MU-MIMO 系统设定下，研究基站与用户端联合天线阵列设计，目标是利用辐射近场效应实现全复用增益。核心理论结果：建立 scaling law，证明在特定阵列尺寸与用户密度条件下，存在均匀稀疏阵列配置使得其 sum rate 与无干扰上界的差距随基站天线数衰减。对超出该 scaling regime 的密集用户场景，提出联合阵列设计算法：用户端阵列最大化单用户可达速率，基站端采用 submodular surrogate 进行非均匀阵列优化，并给出可证明的性能保证。仿真验证了均匀稀疏阵列可达 scaling law 预测的无干扰 regime，非均匀优化在 regime 外紧密追踪上界。对您可能有用：该文的 submodular surrogate 优化与 scaling law 分析思路，可迁移至统计计算中高维参数/阵列结构的最优配置问题。
关键技术: scaling law derivation, radiative near-field LoS channel model, uniform sparse array configuration, submodular surrogate optimization, joint array design algorithm, sum rate gap analysis
为什么对您有用: 本文属于 stat_computing 中的优化与 scaling law 分析，与您 primary interest 中的统计计算（数值方法与算法）有方法论交集——submodular surrogate 优化与 scaling law 的推导模式可借鉴到高维估计器的计算复杂度-精度权衡分析。用您 very_familiar 的高维渐近理论可以审视其 scaling law 的紧性，但核心通信模型与近场物理不在武器库内。中期可做：若想在统计计算中引入 submodular 优化做约束下参数配置，需先在 moderately_familiar 的 M-estimation 理论上长肌肉以对接 surrogate 目标函数的理论保证。

11. 10.1109/jsait.2026.3694721 · arXiv — DRIP: A Versatile Family of Space–Time ISAC Discrete-Time Sequences¶

作者: Dexin Wang, Ahmad Bazzi, Marwa Chafii
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 205-220
相关性 0/10 · novelty: new_method
摘要: 本文在集成感知与通信（ISAC）的空时序列设定下，目标是设计一类满足指定峰均功率比（PAPR）约束、同时兼顾雷达波束指向与多用户干扰抑制的离散时间序列（DRIP）。核心机制在于将多目标波束成形、类 chirp 相似度与通信星座干扰最小化联合建模，形成非凸优化问题，并提出 block cyclic coordinate descent 算法迭代求解以保证收敛至最优序列。理论贡献主要在算法收敛性保证与仿真验证的 ISAC 折中性能，未涉及统计推断或收敛速率的精细刻画。对您而言，本文的 block coordinate descent 在非凸约束下的收敛分析可作为统计计算中类似约束优化（如带 PAPR/范数约束的 M-estimation）的算法设计参考。
关键技术: integrated sensing and communication (ISAC), peak-to-average power ratio (PAPR) control, block cyclic coordinate descent, non-convex constrained optimization, beampattern design
为什么对您有用: 本文属于信号处理与统计计算的交叉应用，核心是带多重非凸约束的序列优化算法设计。(1) 连接到统计计算中的约束优化与数值算法子方向，而非您的主攻因果推断或高维理论；(2) 您武器库中的 software development 与 M-estimation theory 可用于审视其非凸 block coordinate descent 的收敛条件与实现效率，但缺乏信号处理背景使得问题动机较远；(3) 暂不可做：核心问题（ISAC 波形设计）的物理与工程设定不在您的武器库内，且统计推断 novelty 极低，不建议深入阅读。

其他 (other, 6 篇)¶

1. 10.1109/jsait.2026.3652624 — Fundamental Limits of Integrated Sensing and Communication Over Interference Channels¶

作者: Yao Liu, Min Li, Yanze Han, Lawrence Ong
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Zhejiang University · Zhejiang Lab · University of Newcastle Australia
分类: vol 7 · pp 1-15
相关性 2/10 · novelty: new_theory
摘要: 本文研究干扰信道下集成感知与通信（ISAC）的信息论极限，设定为两个干扰基站同时向用户通信并利用回波信号做感知估计，关键假设为离散无记忆干扰信道与有损压缩回波。核心可达方案采用叠加编码与对历史码字和回波信号的联合压缩，推导出可达速率-失真区域；外界则基于割集界与感知失真的速率受限约束。数值算例表明干扰链路与回波信号可被协同利用以同时提升通信容量与感知精度。本文属于 Shannon 信息论范畴，与因果推断或高维统计无直接交集，对您的主要研究方向无实质参考价值。
关键技术: superposition coding, joint compression of echo signals, cut-set outer bound, capacity-distortion region, rate-distortion theory
为什么对您有用: 本文属于纯 Shannon 信息论与通信工程交叉，不涉及您 primary_interests 中的因果推断、高维统计或效率理论，也不触及 stat-computational tradeoff 的平均计算复杂度视角。武器库中的高维渐近或 U-stat 工具无法切入此信息论割集/编码问题。暂不可做：核心机器（Shannon 信息论编码与容量-失真界证明）不在武器库中，且主题与统计推断无交集，不建议展开阅读。

2. 10.1109/jsait.2026.3695756 · arXiv — AI/ML-Based Joint Source and Channel Coding for HARQ-ACK Payload¶

作者: Akash Doshi, Pinar Sen, Kirill Ivanov, Wei Yang, June Namgoong, Runxin Wang et al.
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 229-245
相关性 1/10 · novelty: application
摘要: 本文研究5G NR上行链路中HARQ-ACK比特的非均匀分布特性，目标是利用联合信源信道编码（JSCC）降低发射功率。作者提出基于Transformer的编码器与“free-lunch”训练算法，配合逐码字功率成形以利用信源先验。在解码端，为避免NACK误判导致的链路失败，将Neyman-Pearson检验扩展至多比特编码系统，实现NACK对ACK的不等错误保护（UEP）。仿真显示在衰落信道下，相比NR基线可节省3–6 dB平均功率与2–3 dB峰值功率。对您而言，本文将NP检验扩展至多比特UEP的思路在假设检验理论上有一定参考价值，但整体属于通信工程应用。
关键技术: joint source channel coding, transformer-based encoder, Neyman-Pearson extension for unequal error protection, per-codeword power shaping, 5G NR uplink fading channel
为什么对您有用: 本文核心是通信系统的深度学习JSCC设计，与您的因果推断/高维/半参数等primary interests无交集。唯一微弱连接是将Neyman-Pearson检验扩展至多比特系统的不等错误保护，触及您的hypothesis testing子方向，但该扩展是工程导向的特定构造，缺乏一般统计理论深度。您的technical_arsenal（minimax bounds / higher-order U-statistics）无法切入此通信工程问题。暂不可做：核心机器（通信信道编码/深度学习信源信道联合设计）不在武器库，且无值得迁移的统计理论口子。

3. 10.1109/jsait.2026.3675858 — On Gaussian Codes and Mismatched Decoding for Fading MIMO Multiple-Access Channels¶

作者: Mehrangiz Ensan, Hamdi Joudeh, Frans M. J. Willems
期刊/来源: IEEE Journal on Selected Areas in Information Theory
机构: Eindhoven University of Technology
分类: vol 7 · pp 106-119
相关性 0/10 · novelty: new_theory
摘要: 本文研究单天线用户与多天线接入点构成的 MIMO 多接入信道（MAC），在信道状态信息（CSI）不完美条件下的通信问题。目标 estimand 是在 Gaussian 码本与 mismatched decoder（将信号依赖噪声视作额外高斯噪声）下的可达速率域。核心方法是将 mismatched decoding 与线性组合及逐次干扰消除（SIC）结合，给出低复杂度实现方案；并在 block-fading 设定下，利用 pilot-assisted 信道估计推导 matched 与 mismatched decoding 之间的 sum-rate gap 的解析界。理论结果表明，在实用场景中该 gap 通常较小。对您而言，本文属于信息论/通信理论范畴，与您的因果推断、高维统计或效率理论等核心方向无直接交集。
关键技术: mismatched decoding, successive interference cancellation, Gaussian codebook, block-fading channel, pilot-assisted channel estimation, sum-rate gap bound
为什么对您有用: 本文属于信息论与通信工程领域，与您 primary interests（因果推断、高维/RMT、效率理论、U-统计量）及 secondary interests（astro/econ/epi）均无直接关联。武器库中的高维渐近理论或逆问题工具无法直接攻入该 mismatched decoding 的速率域刻画问题。暂不可做：核心问题与工具（信道容量界、mismatched decoding 可达性证明）不在您的武器库中，且缺乏通往您研究方向的实质性桥梁，不建议花时间深入阅读。

4. 10.1109/jsait.2026.3675819 · arXiv — Joint Communication and Parameter Estimation in MIMO Channels¶

作者: Gökhan Yılmaz, Franz Lampel, Hamdi Joudeh, Giuseppe Caire
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 91-105
相关性 0/10 · novelty: new_theory
摘要: 本文研究MIMO信道下联合通信与感知（JCAS）设定：发射端发送编码信号，同时实现向接收端传输信息与让传感器估计目标参数向量，目标参数从连续分布随机抽取并在传输块内固定。核心estimand是参数向量的MSE，通信性能以容量衡量，二者trade-off被刻画为capacity-MSE函数。作者在发射端与传感器同置（fully connected）假设下，建立了该多天线JCAS设定的fundamental trade-off界，并识别了最优编码方案。最后将结果特化到两个实用场景展示最优方案与trade-off曲线。对您而言，本文的MSE-容量界与随机参数估计设定，可视为semiparametric效率理论在通信工程中的远亲，但核心工具（信息论容量界、MIMO编码）不在您的武器库内。
关键技术: capacity-MSE trade-off, MIMO channel coding, random parameter estimation, joint communication and sensing, back-scattered signal model
为什么对您有用: 本文属于通信/信息论领域，与您primary interest中的estimation theory有概念上的远亲（参数MSE vs 容量的trade-off类似semiparametric efficiency bound中的信息约束），但核心机器（MIMO容量界、信息论编码方案）不在您的technical_arsenal中。用您熟悉的minimax bound或higher-order U-stat工具无法直接攻入此问题，因设定与证明语言完全不同。暂不可做：核心信息论与MIMO编码工具缺失，且无直接方法论迁移口子。

5. 10.1109/jsait.2026.3678472 · arXiv — Degrees of Freedom of Cache-Aided Interference Channels Assisted by Active Intelligent Reflecting Surfaces¶

作者: Abolfazl Changizi, Ali H. Abdollahi Bafghi, Mahtab Mirmohseni, Masoumeh Nasiri-Kenari
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 192-204
相关性 0/10 · novelty: new_theory
摘要: 本文从信息论视角研究带有缓存辅助和主动智能反射面（IRS）的无线干扰信道，目标是最大化可达自由度。设定为多发射机-多接收机干扰网络，发射机侧有本地缓存，且部署主动IRS可调节相位/幅度以辅助干扰对齐。作者联合设计内容放置、交付策略与IRS系数，提出一种one-shot可达性方案，利用发射机合作、缓存内容、干扰对齐与IRS反射能力。推导了不同缓存大小、网络配置与IRS元件数下的可达sum-DoF，并给出DoF上界；特别证明当IRS元件数足够时可在多种参数域达到最大DoF。该工作属于通信理论中的DoF/干扰对齐问题，与统计推断或高维统计无直接交集。
关键技术: degrees of freedom (DoF), interference alignment, active intelligent reflecting surface (IRS), cache-aided content placement, one-shot achievability scheme
为什么对您有用: 本文属于纯信息论/通信工程方向，研究干扰对齐与IRS辅助下的DoF界，与您关注的因果推断、高维RMT、U-statistic或semiparametric efficiency等核心方向无方法论交集。即使从stat-computational tradeoff角度看，其'自由度'概念是通信空间的几何度量，而非统计估计的计算复杂度下界，武器库中的minimax bound或tensor contraction工具无法直接切入。暂不可做：核心问题与统计推断的计算-信息差距不在同一层面，缺乏迁移口子。

6. 10.1109/jsait.2026.3676713 · arXiv — Secure Semantic Communication Over Wiretap Channels: Rate-Distortion-Equivocation Tradeoff¶

作者: Denis Kozlov, Mahtab Mirmohseni, Rahim Tafazolli
期刊/来源: IEEE Journal on Selected Areas in Information Theory
分类: vol 7 · pp 120-133
相关性 0/10 · novelty: new_theory
摘要: 本文研究安全语义通信的信息论模型，设定为记忆性语义源（含语义与观测两个相关分量）在记忆性窃听信道上的有损联合信源信道编码（JSCC），分别对每个源分量施加保真度与保密性约束。编码器分两种情形：仅观测观测分量（Case 1）或额外获取语义分量（Case 2），以评估扩展源接入的性能增益。作者导出了 rate-distortion-equivocation 区域的单字母 converse 与 achievability 界，converse 显式包含 rate-distortion 函数便于计算；achievability 采用新颖的随机超编码（stochastic superposition coding）含两个私有部分以分别分析各分量的 equivocation。结果特化至 Gaussian/Bernoulli 源与对应窃听信道并给出数值评估。对您而言，本文属于信息论编码方向，与因果推断或高维统计的核心问题无直接交集。
关键技术: rate-distortion-equivocation region, joint source-channel coding, stochastic superposition coding, wiretap channel secrecy, single-letter converse bound
为什么对您有用: 本文属于经典 Shannon 信息论与物理层安全编码，与您 primary interests（因果推断、高维 RMT、半参数效率、U-统计量）的核心设定和 estimand 无直接联系。武器库中的 minimax bounds 与高维渐近理论无法直接攻入该信息论编码的 converse/achievability 构造口子。follow-up 粗判：暂不可做——核心机器（多用户信息论 converse 证明、超编码可达性构造）不在武器库中，且主题偏离统计推断。

Maintained by 陈星宇 · Homepage · Source on GitHub