在GPU平台上结合置信传播与逐次抵消列表的极化码译码
信息论
2016-12-22 v3 math.IT
摘要
极化码的译码性能在很大程度上取决于所使用的译码算法，而译码器的吞吐量和延迟也主要取决于译码算法。在这项工作中，我们在GPU上实现了强大的逐次抵消列表（SCL）译码器，并识别了该算法在并行计算方面的瓶颈及其困难。SCL算法固有的串行译码特性自然地限制了在GPU上相比CPU实现可获得的加速增益。为了提高译码吞吐量，我们采用了一种基于置信传播（BP）译码器的混合译码方案，该方案可以进行帧内和帧间并行化。所提出的方案在感兴趣的信噪比（SNR）区域内结合了出色的译码性能和高吞吐量。
引用
@article{arxiv.1609.09358,
title = {Combining Belief Propagation and Successive Cancellation List Decoding of Polar Codes on a GPU Platform},
author = {Sebastian Cammerer and Benedikt Leible and Matthias Stahl and Jakob Hoydis and Stephan ten Brink},
journal= {arXiv preprint arXiv:1609.09358},
year = {2016}
}
备注
accepted for ICASSP'17