Using the Information Bottleneck Method to Reduce the Complexity of LDPC Decoders

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

Одним из способов снижения сложности алгоритмов распространения доверия для декодирования кодов с малой плотностью проверок на четность является хранение предварительно вычисленной суммы сообщений в узлах переменных. В свою очередь, объем обрабатываемой информации может быть значительно снижен с помощью метода информационного сжатия (МИС), снижающего разрядность всех обновляемых сообщений. Предлагается алгоритм построения бинарной функции на основе МИС, соответствующей вычитанию. Использование разработанной функции позволяет уменьшить количество хранимых и используемых таблиц поиска для узлов переменных.

Авторлар туралы

I. Melnikov

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: melnikov@iitp.ru
Москва

A. Uglovskii

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: uglovski@iitp.ru
Москва

A. Kreshchuk

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: krsh@iitp.ru
Москва

A. Kureev

Московский физико-технический институт (национальный исследовательский университет); Институт проблем передачи информации им. А.А. Харкевича РАН

Email: kureev@wireless.iitp.ru
Москва; Москва

E. Khorov

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: khorov@wireless.iitp.ru
Москва

Әдебиет тізімі

  1. Угловский А.Ю., Мельников И.А., Алексеев И.А., Куреев А.А. Оценка низкого уровня ошибок с помощью выборки по значимости с равномерным распределением // Пробл. передачи информ. 2023. Т. 59. № 4. С. 3–12. https://doi.org/10.31857/S0555292323040010
  2. Gallager R. Low-Density Parity-Check Codes // IRE Trans. Inform. Theory. 1962. V. 8. № 1. P. 21–28. https://doi.org/10.1109/TIT.1962.1057683
  3. Fossorier M.P.C., Mihaljevic M., Imai H. Reduced Complexity Iterative Decoding of LowDensity Parity Check Codes Based on Belief Propagation // IEEE Trans. Commun. 1999. V. 47. № 5. P. 673–680. https://doi.org/10.1109/26.768759
  4. Lewandowsky J., Bauch G. Information-Optimum LDPC Decoders Based on the Information Bottleneck Method // IEEE Access. 2018. V. 6. P. 4054–4071. https://doi.org/10.1109/ACCESS.2018.2797694
  5. Lewandowsky J., Bauch G., Stark M. Information Bottleneck Signal Processing and Learning to Maximize Relevant Information for Communication Receivers // Entropy. 2022. V. 24. № 7. Paper No. 972 (30 pp.). https://doi.org/10.3390/e24070972
  6. Stark M., Lewandowsky J., Bauch G. Information-Bottleneck Decoding of High-Rate Irregular LDPC Codes for Optical Communication Using Message Alignment // Appl. Sci. 2018. V. 8. № 10. Paper No. 1884 (17 pp.). https://doi.org/10.3390/app8101884
  7. Kurkoski B.M., Yamaguchi K., Kobayashi K. Noise Thresholds for Discrete LDPC Decoding Mappings // Proc. 2008 IEEE Global Telecommunications Conf. (GLOBECOM’08). New Orleans, LA, USA. Nov. 30 – Dec. 4, 2008. P. 1–5. https://doi.org/10.1109/GLOCOM.2008.ECP.214
  8. Фернандес М., Кабатянский Г.А., Круглик С.А., Мяо И. Коды для точного нахождения носителя разреженного вектора по ошибочным линейным измерениям и их декодирование // Пробл. передачи информ. 2023. Т. 59. № 1. С. 17–24. https://doi.org/10.31857/S0555292323010023
  9. He X., Cai K., Song W., Mei Z. Dynamic Programming for Sequential Deterministic Quantization of Discrete Memoryless Channels // IEEE Trans. Commun. 2021. V. 69. № 6. P. 3638–3651. https://doi.org/10.1109/TCOMM.2021.3062838
  10. Melnikov I.A., Uglovskii A.Yu., Kreshchuk A.A., Kureev A.A., Khorov E.M. Reducing the Complexity of the Layer Scheduled LDPC Decoder Based on the Information Bottleneck Method // Probl. Inf. Transm. 2024. V. 60. № 3. P. 199–208. https://doi.org/10.1134/S0032946024030049

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML

© Russian Academy of Sciences, 2024