列表自编码器：面向噪声信道上基于深度学习的可靠传输
信息论
2022-08-04 v2 机器学习
math.IT
摘要
本文提出列表自编码器（listAE）以模拟经典编码理论中的列表译码。借助 listAE，译码器网络输出一组候选译码消息字列表。为训练 listAE，假设在译码器输出端存在一个精灵（genie）。提出一种特定损失函数以优化精灵辅助（GA）列表译码的性能。listAE 是一个通用框架，可与任意 AE 架构配合使用。我们提出一种特定架构，称为增量冗余 AE（IR-AE），其在速率非递增的分量码序列上对接收字进行译码。随后，使用 IR-AE 与 Turbo-AE 对 listAE 进行训练与评估。最后，我们采用循环冗余校验（CRC）码替代译码器输出端的精灵，得到 CRC 辅助（CA）列表译码器。仿真结果表明，在低块错误率区间，CA 列表译码下的 IR-AE 相较 Turbo-AE 与极化码展现出有意义的编码增益。
引用
@article{arxiv.2112.11920,
title = {List Autoencoder: Towards Deep Learning Based Reliable Transmission Over Noisy Channels},
author = {Hamid Saber and Homayoon Hatami and Jung Hyun Bae},
journal= {arXiv preprint arXiv:2112.11920},
year = {2022}
}
备注
6 pages with references and 7 figures