提升型神经解码器：实现6G网络中LDPC码的极端可靠性

确保信道编码在6G网络中的极高可靠性至关重要。6G网络中下一代的超可靠低时延通信(xURLLC)场景要求帧错误率(FER)低于 $10^{-9}$。然而，低密度校验码(LDPC)，作为5G新无线电(NR)的标准，在面临一种称为错误底现象的挑战，阻碍了实现此类低速率。为解决此问题，我们引入一种创新解决方案：提升型神经最小和(NMS)解码器。该解码器与传统NMS解码器相同，但通过包括：i) 使用未纠正向量进行提升学习，ii) 分块训练计划以解决梯度消失问题，iii) 动态权重共享以最小化可训练权重数量，iv) 迁移学习以减少所需样本数，v) 数据增强以加快抽样进程等新型训练方法进行训练。凭借这些训练策略，提升型NMS解码器在降低错误底方面实现了最佳性能，同时表现出优异的水滴性能。令人惊讶的是，我们在不严重错误底的情况下满足了6G xURLLC对5G LDPC码的要求。此外，一旦训练了权重，提升型NMS解码器即可在无需额外模块的情况下进行解码，具有高度实用性，可立即应用。源代码已公开于 https://github.com/ghy1228/LDPC_Error_Floor。