CRISP：基于课程学习的极化码族序贯神经解码器
信息论
2023-05-30 v3 人工智能
机器学习
math.IT
摘要
极化码是广泛用于可靠通信的最先进码字，最近已被纳入第五代无线标准（5G）。然而，在短块长体制下，设计既高效又可靠的极化解码器仍有空间。受数据驱动信道解码器近期成功的启发，我们提出了一种新颖的基于课程学习（Curriculum）的序贯（RI）神经（S）极化码（P）解码器（CRISP）。我们设计了一个由信息论见解引导的规范化课程来训练 CRISP，并表明其优于连续消除（SC）解码器，在 Polar(32,16) 和 Polar(64,22) 码上达到了近最优的可靠性性能。如我们通过与其他课程比较所示，所提课程的选择对于实现 CRISP 的精度提升至关重要。更值得注意的是，CRISP 可轻易扩展至极化调整卷积（PAC）码，而现有的 SC 解码器在其中的可靠性明显较低。据我们所知，CRISP 构建了首个用于 PAC 码的数据驱动解码器，并在 PAC(32,16) 码上达到了近最优性能。
引用
@article{arxiv.2210.00313,
title = {CRISP: Curriculum based Sequential Neural Decoders for Polar Code Family},
author = {S Ashwin Hebbar and Viraj Nadkarni and Ashok Vardhan Makkuva and Suma Bhat and Sewoong Oh and Pramod Viswanath},
journal= {arXiv preprint arXiv:2210.00313},
year = {2023}
}
备注
23 pages, 23 figures. ICML 2023