反馈有益，主动反馈更优：分组注意力主动反馈码
信息论
2022-11-04 v1 人工智能
机器学习
信号处理
math.IT
摘要
深度神经网络（DNN）辅助的信道编码设计，例如针对现有码的低复杂度神经译码器，或端到端基于神经网络的自编码器设计，因其在性能和灵活性上的提升而近来受到关注；特别是在尚不存在高性能结构化码设计的通信场景中。带反馈的通信即是这样一种通信场景，而反馈信道的实用码设计数十年来一直是编码理论中的开放难题。近来，基于DNN的设计在利用反馈方面展现出令人印象深刻的成果。其中，利用流行的transformer架构的广义分组注意力反馈（GBAF）码在误块率（BLER）性能上取得了显著改善。然而，以往工作主要关注被动反馈，即发送端观测到接收端信号的噪声版本。在本工作中，我们表明GBAF码也可用于带主动反馈的信道。我们在发送端和接收端各实现一对顺序交互的transformer架构，取得了新的最先进BLER性能，尤其在低信噪比（SNR）区间。
引用
@article{arxiv.2211.01730,
title = {Feedback is Good, Active Feedback is Better: Block Attention Active Feedback Codes},
author = {Emre Ozfatura and Yulin Shao and Amin Ghazanfari and Alberto Perotti and Branislav Popovic and Deniz Gunduz},
journal= {arXiv preprint arXiv:2211.01730},
year = {2022}
}