基于深度神经网络的PAC解码性能评估
信息论
2024-09-24 v2 math.IT
摘要
通过将极化变换与卷积变换串联，可在特定速率情况下接近散度近似界的极化调整卷积(PAC)码。然而，传统PAC解码算法的串行解码特性导致高解码延迟。由于并行计算能力，基于深度神经网络(DNN)的解码器日益成为有前景的解决方案。本文提出了三种类型的DNN解码器用于PAC码：多层感知器(MLP)、卷积神经网络(CNN)和循环神经网络(RNN)。通过大量仿真评估这些DNN解码器的性能。数值结果表明，在类似模型参数数量下，MLP解码器具有最佳的误差纠正性能。
引用
@article{arxiv.2405.02590,
title = {Performance Evaluation of PAC Decoding with Deep Neural Networks},
author = {Jingxin Dai and Hang Yin and Yansong Lv and Yuhuan Wang and Rui Lv},
journal= {arXiv preprint arXiv:2405.02590},
year = {2024}
}