Neural Network Aided SC Decoder for Polar Codes阅读笔记
研究背景:
从理论上讲,只要有足够的规模和足够的训练,就可以完全用神经网络(NN)来代替传统的极性码译码器,称为神经网络译码器。
碰到的问题:
但是,随着信息长度的增加,指数级增长的训练复杂度变得不可接受,这意味着实际上只能训练短码译码器。
解决办法:
然而,长极性码的连续抵消(SC)译码器可以被分成若干个短码的SC译码器,它们可以被若干个短码NN译码器取代,然后整个译码器就成为我们的NN辅助SC(NNSC)译码器。此外,我们还定义了神经网络的泛集,它可以组合成任意长极性码的NNSC译码器。
研究目的
本文构造NNSC译码器的主要目的是利用神经网络的优势来提高极性码的译码效率,同时保证与传统译码算法相比具有可接受的译码性能。
Introduction
相继相消(SC)译码算法是与极性码一起提出的一种基本而重要的极性码译码算法。
目前流行的极性码译码算法,如连续抵消列表(SCL)译码算法[2]、连续抵消堆栈(SCS)译码算法、连续抵消混合(SCH)译码算法都是基于SC译码算法的。
但这些算法都有一个共同的缺点,就是后面的比特译码依赖于前比特的译码结果。
因此,迭代译码计算必须按一定的顺序进行,这与前馈神经网络(NN)的逐层计算不同。这意味着算法的并行度相对较低