基于非常少量信道软值对 ORBGRAND 进行精细调优
信息论
2025-07-14 v1 math.IT
摘要
Guessing random additive noise decoding (GRAND) 是一种通用的解码范式，通过反复测试错误模式直到识别出一个译码符，其中测试顺序由接收信道值生成。一方面，按照后验概率的降序测试错误模式可实现最大似然解码，但其实现复杂度 prohibitive。另一方面，测试以给定错误模式集合 permuted by log-likelihood ratio (LLR) 幅度排序（即有序可靠比特，ORB）所需的错误模式，可实现高效实现，但会导致有限长度代码性能损失。为发掘这两种方法的优势，本文提出一种精细调优方法，通过利用非常少的准确信道软值来调整测试顺序。该方法基于衡量错误模式“排序良好性”的度量标准。该度量标准通过整数分区的渐近理论进行研究，数值实验中提供了高度准确的估计。该度量随后导致一种有效识别的精细调优，仅增加极少量的复杂度。数值实验表明，所提出的精细调优方法在 ORBGRAND 基础上实现了显著的性能提升。
引用
@article{arxiv.2507.08696,
title = {Fine-tuning ORBGRAND with Very Few Channel Soft Values},
author = {Li Wan and Huarui Yin and Wenyi Zhang},
journal= {arXiv preprint arXiv:2507.08696},
year = {2025}
}