메모리를 가진 가우시안 소스와 추상 소스에 대한 분산 분석

초록

**
본 논문은 독립하지만 동일하지 않은 구성요소를 갖는 소스의 유한 블록길이 손실 압축에서, 왜곡 초과 확률을 ε 이하로 제한했을 때 최소 전송률이
(R(n,d,\varepsilon)=\mathbb R_n(d)+\sqrt{\frac{\mathbb V_n(d)}{n}},Q^{-1}(\varepsilon)+O!\left(\frac{\log n}{n}\right))
라는 2차 근사식을 만족함을 보인다. 여기서 (\mathbb R_n(d))와 (\mathbb V_n(d))는 각각 n‑차 정보‑RDF와 소스 분산이며, 가우시안 메모리 소스와 일반 추상 소스 모두에 적용된다.

**

상세 분석

**
이 연구는 전통적인 i.i.d. 가정에서 벗어나, 각 심볼이 서로 독립하지만 통계적 특성이 서로 다른 “독립 비동질” 소스를 대상으로 한다. 이러한 모델은 정규 과정에 직교 변환을 적용해 독립 성분으로 분해할 수 있기 때문에, 가우시안 메모리 소스(예: 다변량 가우시안, Gauss‑Markov 등)를 자연스럽게 포함한다. 논문은 먼저 블록 길이 n에 대한 n‑차 정보‑RDF (\mathbb R_n(d)=\frac1n\inf_{P_{Y|X}} I(X;Y))와, 해당 d‑tilted 정보량 (\jmath(x,d))의 분산을 이용해 소스 분산 (\mathbb V_n(d)=\frac1n\operatorname{Var}