Dec, 2015

LDPC 码的量化消息传递

PDF
TL;DR本文提出了一种用于低密度奇偶校验码的量化解码算法，其中，标准的最小和算法的变量节点更新规则被用信息论准则设计的查找表所替换。研究结果表明，即使使用只有 3 位消息分辨率的算法，也能比使用浮点数的最小和译码器取得更好的误码率；此外，研究了不同的译码器设计参数对译码性能的影响，如设计信噪比和查找表树结构等，并提出了一些复杂度约简技术，如查找表重用和消息字母表缩小。
发现论文，激发创造
  • 一种基于有限字母传递的 588 Gbps LDPC 解码器

    该论文提出了一个超高吞吐量的 LDPC 解码器，使用串行消息传递方法以缓解并行 LDPC 解码器中已知的路由拥塞问题，并利用有限字母传递算法代替标准 min-sum 解码器的变量节点更新规则，从而实现降低位宽的消息，达到显著提高解码吞吐量和降低面积的效果。后续成果表明，在使用自定义伪分层后端设计策略进行放置和路由的情况下，采用串行消息传递结构的有限字母解码器实现了高达 588 Gbps 的吞吐量，面积为 16.2 mm$^2$，每位解码比特平均耗电量为 22.7 pJ，比标准 min-sum 解码器的面积小 3.1 倍，能效提高了 2 倍。

    Mar, 2017

  • 使用信息瓶颈方法对非二进制 LDPC 编码进行解码

    本文介绍了一种新的基于查找表的错误校验码解码方法，使用互信息最大化的查找表替代了传统的变量节点和检验节点，在消息传递解码过程中，互换的信息被表示为具有非常小的位宽度的整数；通过信息瓶颈方法来设计相应的查找表，将二进制码扩展到非二进制码时需要更复杂的查找表设计来应对更高阶的 Galois 场的算术。通过误码率演示图表明本文所提出的方案优于对数最大值译码算法，接近矩和译码。

    Oct, 2018

  • 带宽高效和速率匹配的低密度奇偶校验编码调制

    提出了一种新的编码调制方案，采用概率信号塑形和信道编码，通过调整输入分布和传输功率进行速率适应，并使用低密度奇偶校验码实现，适用于二维正交幅度调制，可在 1 至 5 比特 / 秒 / 赫兹的任何频谱效率下操作，而只需使用 5 种模式。

    Feb, 2015

  • 非二进制 LDPC 码的最小 - 最大译码

    本文提出了几种低复杂度的近似最优迭代算法来解码非二进制码，并介绍了其中一种称为 Min-Max 算法，它具有两种可能的 LLR 域实现：标准实现和称为选择性实现的降低复杂度实现，在实践中非常实用。

    Mar, 2008

  • 提升 LDPC 码的学习以改善误差地板性能

    通过训练方法优化神经最小和（NMS）解码器，有效降低 LDPC 码的误差底线现象，并获得最佳的误差底线性能。

    Oct, 2023

  • 误差校正码信念传播译码的因子图优化

    使用数据驱动方法，通过利用因子图（也称为 Tanner 图）上的学习，在信道噪声模拟下开发满足现代短码长度约束并适应新的信道模型的局部最优稀疏码，以提高信念传播解码的性能。该方法通过使用信念传播算法的新型张量表示，在有限域上利用反向传播和高效的线性搜索方法进行优化，在解码性能上比现有流行码优越数个数量级，展示了数据驱动方法在码设计中的优势。

    Jun, 2024

  • 增强型神经解码器：实现 6G 网络中 LDPC 码的极高可靠性

    在 6G 网络中，确保极高的可靠性对于信道编码至关重要。我们提出一种创新的解决方案，即增强型神经最小和（NMS）解码器，通过采用新颖的训练方法，在 5G 低密度奇偶校验（LDPC）码中实现了优越的性能，并满足了 6G 低误码要求，同时具备高度的实际应用性。

    May, 2024

  • QTIP: 用格点化和不相关处理的量子化

    QTIP 使用三叶栅编码量化与硬件高效的 “比特移位” 三叶栅结构，实现了具有最先进的量化质量和推理速度的超高维度量化。

    Jun, 2024

  • 大规模 LP 译码的分解方法

    研究使用线性节目（LP）编码进行错误纠正，使用优化论的分解方法，开发了一种有效的分布式算法，它具有比置信传递解码器更强的理论保证，并可以用于高效地译码大规模错误纠正码，同时避免了误差底座问题。

    Apr, 2012

  • 深度学习下的近似最大似然解码

    提出了一种新型高效的神经解码算法，结合神经置信传播算法和自同构群置换，实现了近乎最大似然性能的高密度奇偶校验码的解码，并显著降低了解码复杂度；此外，通过探究训练过程，加速了学习过程，通过模拟 Hessian 矩阵和条件数进一步说明了加速的原因，同时展示了算法在各种长度为 63 位及以下的线性分组码的解码效果。

    Jan, 2018