CRC 辅助的置信传播 Polar 译码器学习集成
信息论
2023-02-14 v2 math.IT
摘要
Polar 码具有出色的纠错能力。然而，译码 Polar 码通常具有挑战性，特别是对于大块长度的译码，这通常需要使用最近提出的基于列表译码或神经译码的译码器。前者应用多个译码器或同一译码器多次并带有一定冗余，而后者利用新兴的深度学习方案从数据中学习译码。在本工作中，我们引入了一种结合列表译码与神经译码的新型 Polar 译码器，通过构建多个加权置信传播（WBP）译码器的集成，每个译码器被训练用于译码不同的数据。我们采用循环冗余校验（CRC）码作为代理，用于组合集成译码器并在推理后选择最可能的译码字，同时促进实时译码。我们在广泛的 Polar 码长度范围内评估了我们的方案，实证表明在帧错误率上可以实现约 0.25dB 的增益。此外，我们提供了复杂度和延迟分析，表明在高信噪比下，所需的操作数接近单个 BP 译码器的操作数。
引用
@article{arxiv.2301.06060,
title = {CRC-Aided Learned Ensembles of Belief-Propagation Polar Decoders},
author = {Tomer Raviv and Alon Goldman and Ofek Vayner and Yair Be'ery and Nir Shlezinger},
journal= {arXiv preprint arXiv:2301.06060},
year = {2023}
}