用于分组码译码的自回归置信传播
信息论
2021-03-23 v1 机器学习
math.IT
摘要
我们重新审视了近期采用图神经网络进行纠错码译码并以自回归方式计算消息的方法。变量节点的输出消息不仅依赖于输入消息，还依赖于对信噪比（SNR）的估计、推断出的码字以及两项下游计算：(i) 扩展的奇偶校验结果向量，(ii) 推断码字与该码字信息比特的重新编码之间的失配。与该领域大多数基于学习的方法不同，我们的方法违背了使其他方法能够仅以零码字进行训练的对称性条件。尽管无法享受在单一码字上训练的便利，且无法在相关样本空间中超过极小部分上进行训练，我们仍展示了有效的训练效果。新方法所获得的误比特率以可观的幅度优于最新方法。
引用
@article{arxiv.2103.11780,
title = {Autoregressive Belief Propagation for Decoding Block Codes},
author = {Eliya Nachmani and Lior Wolf},
journal= {arXiv preprint arXiv:2103.11780},
year = {2021}
}