2013《Adaptive Analog Fountain for Wireless Channels》学习笔记
一种模拟喷泉码编码方案+2-Sum verification decoder,实现高频谱效率的自适应传输,并在AWGN信道中提高系统吞吐量。
目录
1. 实现时变信道高吞吐量的思路
思路 | 案例 | 缺点 |
---|---|---|
使用大量物理层配置,从固定的码率、调制和编码方案中选择 | 802.11n的高通量模式使用基于LDPC码的自适应调制和编码(AMC)方案,包含4种码率*4种调制和编码方案的组合 | 依赖CSI,系统复杂性高,不适用信道变化迅速和难以预测的情况 |
在发送方和接收方之间使用无速率码 | a seamless rate adaptation strategy | 编码过程并未实现最佳度分布 |
论文编码方式同入门一,创新点:
- 解码方式用了2-Sum verification decoder,并用Sum-Or tree analysis技术分析解码器的error recovery performance。
- 对所提出的码的度分布进行优化,以最大化2-Sum verification decoder的error recovery performance。
- 为了实现容量逼近性能,还对权重分布进行了优化,使信号分布尽可能接近高斯分布。
2. 模拟喷泉码的解码
S
=
G
b
\mathbf{S}=\mathbf{G b}
S=Gb,对于
S
i
S_i
Si,其连接几个
b
i
b_i
bi由度分布决定,连接的权重由权重分布决定。
2.1 2-Sum Verification Decoder
类似于Luby[2]针对LT码提出的简单解码器
- 如果CN c n c_{n} cn 度为1并以权重值 w n , j w_{n, j} wn,j 连接VN v j v_{j} vj,那么用 c n c_{n} cn的值除以权重值 w n , j w_{n, j} wn,j 即VN的值
- 两个VN连接到一个CN的情况:
( v i , v j ) = { ( 0 , 0 ) , if c n = 0 , w n , i + w n , j ≠ 0 ( 1 , 0 ) , if c n = w n , i , w n , i ≠ w n , j ( 0 , 1 ) , if c n = w n , j , w n , i ≠ w n , j ( 1 , 1 ) , if c n = w n , i + w n , j ≠ 0 \left(v_{i}, v_{j}\right)= \begin{cases}(0,0), & \text { if } c_{n}=0, w_{n, i}+w_{n, j} \neq 0 \\ (1,0), & \text { if } c_{n}=w_{n, i}, w_{n, i} \neq w_{n, j} \\ (0,1), & \text { if } c_{n}=w_{n, j}, w_{n, i} \neq w_{n, j} \\ (1,1), & \text { if } c_{n}=w_{n, i}+w_{n, j} \neq 0\end{cases} (vi,vj)=⎩⎪⎪⎪⎨⎪⎪⎪⎧(0,0),(1,0),(0,1),(1,1), if cn=0,wn,i+wn,j=0 if cn=wn,i,wn,i=wn,j if cn=wn,j,wn,i=wn,j if cn=wn,i+wn,j=0- 通过从检查节点中减去已验证的变量节点值,删除所有已验证的变量节点及其所有连接的边
- 重复步骤1-3,直到VN都被解码,或者再也找不到度1or2的检查节点。
2.2 Sum-Or Tree Analysis technique及其对解码器性能分析结果
将解码器的迭代算法映射到Sum-Or Tree。
定义 T 1 T_1 T1表示深度为 2 l 2l 2l的树,根系节点深度0。 0 , 2 , . . . , 2 l 0, 2, ..., 2l 0,2,...,2l 深度的节点作为或节点, 1 , 3 , . . . , 2 l − 1 1, 3, ..., 2l-1 1,3,...,2l−1 作为与节点。
假设每个或节点以概率 λ i \lambda_i λi独立抽选i个子节点,每个与节点以概率 w i w_i wi独立抽选j个子节点, ∑ i λ i = ∑ i ω i = 1 \sum_{i} \lambda_{i}=\sum_{i} \omega_{i}=1 ∑iλi=∑iωi=1。树的每一条边上的权重是依概率分布 q s \mathbf{q}_{s} qs从集合 W s W_{s} Ws中选择。
对于或节点,其值以概率 p 0 p_{0} p0 and 1 − p 0 1-p_{0} 1−p0分别取值0 or 1,没有子节点的或节点值为0,没有子节点的与节点值为1。与节点在所有子节点为1和仅有一个子节点为0且 w 1 + w 2 ≠ 0 w_{1}+w_{2} \neq 0 w1+w2=0的情况下为1,其余情况为0。或节点在所有子节点为0的时候取值0,其余情况取值1.
p l p_l pl表示根节点确定为零的概率,那么得到一个迭代式:
p l = λ ( 1 − ω ( 1 − p l − 1 ) − C ∑ i = 2 ω i p l − 1 ( 1 − p l − 1 ) i − 2 ) p_{l}=\lambda\left(1-\omega\left(1-p_{l-1}\right)-C \sum_{i=2} \omega_{i} p_{l-1}\left(1-p_{l-1}\right)^{i-2}\right) pl=λ(1−ω(1−pl−1)−Ci=2∑ωipl−1(1−pl−1)i−2)其中 λ ( x ) = ∑ i λ i x i , ω ( x ) = ∑ i ω i x i \lambda(x)=\sum_{i} \lambda_{i} x^{i}, \omega(x)=\sum_{i} \omega_{i} x^{i} λ(x)=∑iλixi,ω(x)=∑iωixi, C = 1 − prob { w 1 + w 2 = 0 } C=1-\operatorname{prob}\left\{w_{1}+w_{2}=0\right\} C=1−prob{w1+w2=0}
解码器的映射:
解码器算法的本质是CNs和VNs之间的信息传递:与VN相邻的CNs中,只要有一个CN确定了某一VN的值,该VN就可以将这一VN的值传递给与其相邻的其余CNs;CNs在接收到所有VN的消息‘1’或者从某一VN收到一个‘0’(有一个VN没有被解析)且其权重 w j w_{j} wj有 w i + w j ≠ 0 w_{i}+w_{j} \neq 0 wi+wj=0时(但根据其余的VNs和CN值可以推导出未被解析的VN)向其他相邻的VNs告知该CN已被解析。——“或”运算在VNs上执行,而CN对其子节点的值执行与运算。
当VN和CN的数量足够大时,码的二部图可视为渐近和或树。将每个检查节点映射到与节点,将每个变量节点映射到OR节点。变量节点在l次迭代后未被验证的概率是与或树的根等于零的概率。
性能分析:
给定分布函数 ω ( x ) \omega(x) ω(x) and λ ( x ) \lambda(x) λ(x), ω i ω_i ωi是随机抽选VN节点连接到度为i的CN的概率。
此处论文中描述的太乱了,后续如果需要错误概率推导参考Analysis of random processes via and-or tree evaluation
结论:解码算法第l次迭代的错误概率:
p
l
+
1
=
e
−
γ
μ
(
ω
(
1
−
p
l
)
+
C
∑
i
=
2
ω
i
p
l
(
1
−
p
l
)
i
−
2
)
p_{l+1}=e^{-\gamma \mu\left(\omega\left(1-p_{l}\right)+C \sum_{i=2} \omega_{i} p_{l}\left(1-p_{l}\right)^{i-2}\right)}
pl+1=e−γμ(ω(1−pl)+C∑i=2ωipl(1−pl)i−2),其中
γ
=
N
/
k
\gamma=N / k
γ=N/k表示开销,
p
0
=
1
p_{0}=1
p0=1
3. 最佳度和权重分布的获取
问题:对于给定的消息长度和权重集,如何找到了最佳度和权重分布,以最小化2-Sum Verification Decoder的错误概率,并使信号分布尽可能接近高斯分布?
ToDo2:为什么要使信号分布接近高斯分布
当消息满足一致性条件时,使用高斯近似的密度进化算法可以只计算消息的均值。因此,对于满足一致性条件/高斯近似的信噪比进化,也是仅仅传播信息的均值。能简化计算复杂度
不使用该文章方法设计权重和度分布,初期复现以入门一为主。