量化软信息在 GRAND 中的作用
信息论
2022-11-28 v3 math.IT
摘要
本文中，我们研究带有量化软输入的猜测随机加性噪声译码（GRAND）。首先，我们分析了有序可靠性比特 GRAND（ORBGRAND）的可达速率，其使用可靠性的秩顺序作为量化软信息。我们证明多线 ORBGRAND 可在任意信噪比（SNR）下逼近容量。随后我们引入离散化软 GRAND（DSGRAND），其利用来自常规量化器的信息。仿真结果表明，DSGRAND 用与当前软译码实现相符的量化比特数很好地近似了最大似然（ML）译码。对于（128,106）CRC 级联极化码，基本 ORBGRAND 能够匹配或优于码字列表大小为 64 且具 3 比特量化软信息的 CRC 辅助连续删除列表（CA-SCL）译码，而 DSGRAND 优于列表大小为 128 码字的 CA-SCL 译码。ORBGRAND 与 DSGRAND 的平均复杂度约为 CA-SCL 的十分之一，存储需求约为其百分之一。
引用
@article{arxiv.2203.13552,
title = {On the Role of Quantization of Soft Information in GRAND},
author = {Peihong Yuan and Ken R. Duffy and Evan P. Gabhart and Muriel Médard},
journal= {arXiv preprint arXiv:2203.13552},
year = {2022}
}