基于软输出深度神经网络的解码
信息论
2024-10-28 v1 信号处理
math.IT
摘要
基于深度神经网络（DNN）的信道解码在文献中被广泛研究。现有方案针对硬输出情形，即解码器返回估计的信息字。同时，软输出解码对于迭代接收机和解码器至关重要。本文关注软输出 DNN 解码问题。我们从 Bennatan 等人（2018）提出的基于伴随式的方法出发，并对其进行修改以在 AWGN 信道中提供软输出。新解码器可视为计算复杂度更小的 MAP 解码器近似。我们讨论了用于 DNN-MAP 联合训练的各种正则化函数，并比较了 [64, 45] BCH 码所得的分布。最后，为展示软输出质量，我们考虑以 [64, 45] BCH 码作为行码和列码的 turbo 乘积码。我们表明，所得基于 DNN 的方案非常接近基于 MAP 的性能，并显著优于基于 Chase 解码器的方案。我们得出结论：新方法对于由短分量码构成的长码之 DNN 解码这一挑战性问题具有前景。
引用
@article{arxiv.2304.08868,
title = {Soft-Output Deep Neural Network-Based Decoding},
author = {Dmitry Artemasov and Kirill Andreev and Pavel Rybin and Alexey Frolov},
journal= {arXiv preprint arXiv:2304.08868},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication