Publikation erhält ITG-Preis 2021

Die Publikation Forward-Aware Information Bottleneck-Based Vector Quantization for Noisy Channels erhält den ITG-Preis 2021. Forward-Aware Information Bottleneck-Based Vector Quantization for Noisy Channels Die fortschreitende Digitalisierung verlangt die Vernetzung einer stetig steigenden Anzahl an Geräten mit zunehmenden Anforderungen an die Datenrate, die Zuverlässigkeit und die Latenz. Der Entwurf von ressourceneffizienten Systemen erfordert dabei in jedem Schritt der Informationsverarbeitung die Fokussierung auf die in den zu prozessierenden Daten enthaltene relevante Information.

Sollen beispielweise verrauschte Beobachtungen einer Informationsquelle zu einer entfernten Verarbeitungseinheit weitergeleitet werden, sind die Beobachtungen so zu komprimieren, dass möglichst wenig Bits weitergeleitet werden. Andererseits muss in den komprimierten Daten aber auch die in den Beobachtungen vorhandene Information über die interessierende Größe bestmöglich enthalten sein. Die Information Bottleneck (IB) Methode ermöglicht hierzu den Entwurf von optimierten Quantisierern unter Berücksichtigung der relevanten Information und stellt ein hochaktuelles Forschungsthema dar.

In diesem Beitrag wird diese Aufgabe derart verallgemeinert, dass in dem Entwurf der Quantisierer auch mögliche Übertragungsfehler bei der Weiterleitung der quantisierten Signale berücksichtigt werden. Zu diesem Zweck wird die vollständige Erweiterung der IB-Methode hergeleitet und ein effizienter Algorithmus zum Entwurf der Quantisierer vorgestellt. Dabei fügt das neuartige Kompressionsverfahren einen inhärenten Fehlerschutz hinzu, der die Notwendigkeit einer separaten Kanalcodierung auf dem Vorwärtspfad überflüssig machen kann.