AttentionCode：面向短包通信的超可靠反馈码
信息论
2022-12-27 v2 机器学习
math.IT
摘要
超可靠短包通信是未来具有关键应用的无线网络中一项重大挑战。为实现超过99.999%的超可靠通信，本文设想了一种利用接收端反馈的、基于交互的新通信范式。我们提出AttentionCode，一类借助深度学习（DL）技术的反馈码。AttentionCode的基石是三项架构创新：AttentionNet、输入重构以及针对衰落信道的自适应，并辅以若干训练方法，包括大批量训练、分布式学习、前瞻优化器、训练-测试信噪比（SNR）失配与课程学习。这些训练方法有望推广至其他采用机器学习的无线通信应用。数值实验验证，在加性白高斯噪声（AWGN）信道与衰落信道中，AttentionCode在所有基于DL的反馈码里均确立了新的最优水平（SOTA）。例如，在具有无噪反馈的AWGN信道中，当前向信道SNR为0 dB、块大小为50比特时，AttentionCode实现了10^{-7}的块错误率（BLER），展示了其提供超可靠短包通信的潜力。
引用
@article{arxiv.2205.14955,
title = {AttentionCode: Ultra-Reliable Feedback Codes for Short-Packet Communications},
author = {Yulin Shao and Emre Ozfatura and Alberto Perotti and Branislav Popovic and Deniz Gunduz},
journal= {arXiv preprint arXiv:2205.14955},
year = {2022}
}
备注
Ultra-reliable short-packet communications, feedback, deep learning, the attention mechanism