删除通道的神经极化解码器

本文引入一种用于删除通道的神经极化解码器（NPD），适用于恒定删除率。现有删除通道的极化解码器具有 $O(N^4)$ 级高计算复杂度，其中 $N$ 为块长度。这限制了极化码在删除通道上用于短至中等块长度的应用。本文演示，采用 NPD 可降低计算复杂度。首先，我们扩展 NPD 的架构以支持删除通道。具体而言，NPD 架构由四个神经网络（NN）组成，每个神经网络复制基本的 successive cancellation（SC）解码器操作。为支持删除通道，仅修改其中一个网络的架构。NPD 的计算复杂度为 $O(AN\log N)$，其中参数 $A$ 表示由用户确定的计算预算，且独立于信道。我们对删除率 $\delta\in\{0.01, 0.1\}$ 的新扩展 NPD 进行评估，并通过 Tal 等人提出的 trellis 解码器验证了 NPD。我们进一步表明，由于 NPD 的降低复杂度，我们能够引入列表解码并进一步提升性能。我们认为本文所述的扩展 NPD 在未来技术（如 DNA 存储）中具有应用潜力。