基于伴随式神经网络译码器的迭代错误抽取
信息论
2021-08-31 v4 math.IT
摘要
在本信中，我们引入一种新基于伴随式(syndrome-based)的译码器，其中深度神经网络(DNN)根据接收向量的可靠性与伴随式估计错误图样。所提算法通过迭代选择最可信的位置作为错误图样的错误比特来工作，并在选中错误图样的新位置时对接收向量进行更新。对 (63,45) 与 (63,36) BCH 码的仿真结果表明，所提方法优于现有的神经网络译码器。此外，新译码器具有灵活性，因为它可应用于任何现有的基于伴随式的 DNN 译码器之上而无需重新训练。
引用
@article{arxiv.2012.00089,
title = {Iterative Error Decimation for Syndrome-Based Neural Network Decoders},
author = {Jorge Kysnney Santos Kamassury and Danilo Silva},
journal= {arXiv preprint arXiv:2012.00089},
year = {2021}
}
备注
To appear in Journal of Communication and Information Systems