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

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

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.

作者简介

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

参考

  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

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Russian Academy of Sciences, 2024