Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Вестник Воронежского государственного технического университета

OPTIMIZATION OF MATRIX STORAGE USING A MULTI-LEVEL DECODER

М В Хорошайлова, E.E. Kagramanov, В.С. Карташов, Світлана Іванова

Published Sep 27, 2024• 0 citations
Publisher

Abstract

предлагается многоуровневый декодер для декодирования квазициклических низкоплотностных кодов с несколькими ребрами (QC−LDPC) с использованием графического процессора (ГП) в системах квантового распределения ключей с непрерывной переменной (НПКРК). Коды с контролем четности низкой плотности обладают отличными характеристиками исправления ошибок и широко применяются в различных системах связи. Ключевое ограничение, которое приводит к низкой скорости декодирования, связано с тем фактом, что успешное декодирование при очень низком отношении сигнал/шум требует большого числа итераций. Поэтому здесь для ускорения сходимости декодирования используется алгоритм многоуровневого распространения доверия (BP). Однако пропускная способность декодирования во время постобработки является одним из основных препятствий, возникающих в системе квантового распределения ключей с непрерывной переменной. Исходя из этой проблемы, предлагается провести оптимизацию методов хранения, которые непосредственно имеют связь с матрицей проверки четности. Оптимизация заключается в объединение подматриц, не имеющих связей между собой, и проведение параллельного декодирования некоторого количество кодовых слов с применением GPU. Для верификации методики было проведено моделирование. В ходе моделирования получены данные, демонстрирующие, что усредненная скорость процедуры декодирования LDPC-кода с тремя типичными кодовыми скоростями, т.е. 0,15, 0,06 и 0,03, достигает 57,12 Мбит/с, 48,25 Мбит/с и 35,51 Мбит/с, соответственно, при одновременном декодировании 128 кодовых слов длиной 106 без преждевременного завершения A multilevel decoder is proposed for decoding quasi-cyclic low-density multi-edge codes (QC-LDPC) using a graphics processor (GPU) in continuous variable quantum key distribution systems (NPCRCS). Low-density parity codes have excellent error correction characteristics and are widely used in various communication systems. The key limitation that leads to a low decoding rate is due to the fact that successful decoding at a very low signal-to-noise ratio requires a large number of iterations. Therefore, the multilevel Trust Propagation (BP) algorithm is used here to accelerate decoding convergence. However, the decoding bandwidth during postprocessing is one of the main obstacles encountered in a continuous variable quantum key distribution system. Based on this problem, it is proposed to optimize storage methods that are directly related to the parity check matrix. Optimization consists in combining submatrices that have no connections with each other and conducting parallel decoding of a certain number of code words using the GPU. A simulation was carried out to verify the methodology. During the simulation, data were obtained demonstrating that the average speed of the LDPC decoding procedure with three typical code speeds, i.e. 0.15, 0.06 and 0.03, reaches 57.12 Mbit/s, 48.25 Mbit/s and 35.51 Mbit/s, respectively, with simultaneous decoding of 128 code words with a length of 106 without premature completion

DOI
10.36622/1729-6501.2024.20.3.025

Related papers

STOCHASTIC DECODING OF LINEAR BLOCK CODES USING CHECK MATRIX

А В Башкиров, Свиридова Ирина Владимировна, М В Хорошайлова +1 more

Для итеративного декодирования на графах используется новый альтернативный подход - это стохастическое декодирование. Возможность стохастического декодирования была недавно предложена для декодирования LDPC-кодов. Эта статья расширяет применение стохастического подхода для декодирования линейных блочных кодов с помощью проверочных матриц (PCM), таких как коды Боуза - Чоудхури - Хоквингема (BCH), коды Рида - Соломона (RS) и блочные турбокоды на основе компонентов кодов BCH. Показано, как стохастический подход способен генерировать информацию мягкого выхода для итеративного декодирования с мягким входом и мягким выходом Soft - Input Soft - Output (SISO). Описывается структура стохастических переменных узлов высокой степени, используемых в кодах с помощью проверочных матриц PCM. Результаты моделирования для кода BCH (128, 120), кода RS (31, 25) и RS (63, 55) и турбокода блока BCH (256, 121) и (1024, 676) демонстрируют эффективность декодирования при закрытии к итеративному декодеру SISO с реализацией с плавающей запятой. Эти результаты показывают производительность декодирования, близкую к адаптивному алгоритму распространения доверия и/или турбо-ориентированному адаптированному алгоритму распространения доверия Stochastic decoding capability has recently been proposed for decoding LDPC codes. This paper expands on the application of the stochastic approach to decoding linear block codes using parity check matrices (PCMs) such as Bose-Chowdhury-Hawkingham (BCH) codes, Reed-Solomon (RS) codes, and BCH component-based block turbo codes. We show how the stochastic approach is able to generate soft-output information for iterative decoding with soft-input and soft-output Soft-Input Soft-Output (SISO). We describe the structure of high degree stochastic node variables used in codes using PCM parity check matrices. Simulation results for BCH code (128, 120), RS code (31, 25) and RS (63, 55), and BCH block turbo code (256, 121) and (1024, 676) demonstrate the decoding efficiency on close to SISO iterative decoder with floating point implementation. These results show decoding performance close to the adaptive trust propagation algorithm and / or turbo-oriented adapted trust propagation algorithm

Вестник Воронежского государственного технического университета•Jan 10, 2021•0 citations

Algorithms for decoding error-correction block turbo-codes based on Euclidean geometry low-density parity-check codes.

L.E. Nazarov, Z.T. Nazarova

АЛГОРИТМЫ ИТЕРАТИВНОГО ПРИЕМА БЛОКОВЫХ ТУРБО-КОДОВ НА ОСНОВЕ НИЗКОПЛОТНОСТНЫХ КОДОВ КОНЕЧНОЙ ЕВКЛИДОВОЙ ГЕОМЕТРИИ Л. Е. Назаров, З. Т. Назарова Фрязинский филиал Института радиотехники и электроники им.В.А.Котельникова РАН, 141190, Московская область, г.Фрязино, пл.академика Введенского, д.1 Статья поступила в редакцию 21 апреля 2020 г.Аннотация.Приведены результаты исследований двух наиболее эффективных алгоритмов итеративного посимвольного приема корректирующих (помехоустойчивых) блоковых турбо-кодов, формируемых с использованием составляющих блоковых кодов.В качестве составляющих кодов рассмотрены помехоустойчивые блоковые низкоплотностные коды конечной Евклидовой геометрии с циклической структурой, что определяет низкую сложность формирования алгоритмов формирования кодовых слов и алгоритмов приема.Показано, что при приеме этих турбо-кодов можно применить алгоритмы итеративного приема, разработанные для общего класса низкоплотностных кодов, в частности, алгоритм BP и его модификация MIN_SUM_BP.Даны результаты моделирования этих алгоритмов итеративного приема для ряда рассматриваемых турбо-кодов для канала с аддитивным белым гауссовским шумом и для Релеевского канала с замиранием сигналов.

Journal of Radio Electronics•May 1, 2020•1 citation

DEVELOPMENT OF A HIGH-PERFORMANCE LDPC DECODER WITH PIPELINED DATA PROCESSING

А В Башкиров, М В Хорошайлова, К.Д. Ципина

разработан эффективный алгоритм декодирования суммы произведений (MSPA), который не только сокращает задержку критического пути, но и улучшает использование аппаратных средств и пропускную способность декодера при сохранении погрешности алгоритма декодирования. Алгоритм min-sum (MS) и его варианты заменяют сложные вычисления контрольных узлов (CN) в SPA простыми операциями сложения и сравнения, но это приводит к потере производительности до 1 дБ по сравнению с SPA для более высоких длин кодовых слов, кодовых скоростей и степеней узла. Представлены три полностью параллельные архитектуры низкоплотностного декодера, основанные на структуре проекционной геометрии (PG) полей Галуа LDPC-кодов. Эти конструкции отличаются архитектурами битового узла (BN) и контрольного узла (CN). Схема 9-битного квантования с фиксированной точкой используется для достижения лучшей производительности при исправлении ошибок. Другим значительным вкладом этой работы является конвейеризация предлагаемых архитектур декодера для дальнейшего повышения общей пропускной способности. Эти параллельные и конвейерные архитектуры реализованы для 73-битных (скорость 0,616) и 1057-битовых (скорость 0,769) кодов PG-LDPC с регулярной структурой на программируемой логической интегральной схеме (ПЛИС) Xilinx Virtex-6 LX760. Предлагаемые конструкции также являются гибкими с точки зрения квантования, степени узла, коэффициента параллельности и длины кодового слова this paper develops an efficient sum-of-products (MSPA) decoding algorithm that not only reduces the critical path delay, but also improves hardware utilization and decoder throughput while maintaining decoding algorithm error. The min-sum (MS) algorithm and its variants replace the complex control node (CN) calculations in SPA with simple addition and comparison operations, but this results in a performance loss of up to 1 dB compared to SPA for higher codeword lengths, code rates, and powers node. Three fully parallel low-density decoder architectures based on the projection geometry (PG) structure of the Galois fields of LDPC codes are presented. These designs differ in bit node (BN) and control node (CN) architectures. A 9-bit fixed-point quantization scheme is used to achieve better error correction performance. Another significant contribution of this work is the pipelining of proposed decoder architectures to further improve overall throughput. These parallel and pipelined architectures are implemented for 73-bit (rate 0.616) and 1057-bit (rate 0.769) regular structure PG-LDPC codes on the Xilinx Virtex-6 LX760 field-programmable logic integrated circuit (FPGA). The proposed designs are also flexible in terms of quantization, node degree, parallelism factor, and codeword length

Вестник Воронежского государственного технического университета•Jun 28, 2023•0 citations

Повышение производительности декодирования LDPC-кодов для радиорелейной системы связи при реализации на центральном и графическом процессорах

Мирра Владимировна Петрова

Цель работы – повышение производительности декодирования квазициклических LDPC–кодов для радиорелейной системы связи на основе многослойного планирования на графическом и центральном процессорах. В перечень решаемых задач входит: реализация программной модели TDMP декодеров на базе CPU и GPU на языках программирования C++ и CUDA; внесение методов повышения производительности; анализ помехоустойчивости и производительности реализованных декодеров; сравнение производительности с аналогичными разработками. В результате работы было продемонстрировано увеличение производительности до 42-х раз на CPU и до 3-х раз на GPU, по сравнению с исходными алгоритмами декодирования, используемыми в рассматриваемой радиорелейной системе. Показано, что предлагаемые реализации декодеров для GPU и CPU обеспечивают более высокую производительность, до 8.47 раз на GPU, и до 3.25 раз на CPU, по сравнению с аналогичными работами. Реализованные в работе алгоритмы могут быть использованы как часть приемного тракта сигналов радиорелейной системы связи. Использовались открытые образовательные ресурсы поиска и анализа информации. Использовались средства автоматизации (автоматизированной) разработки MATLAB, Visual Studio. Применены языки программирования MATLAB, C++, CUDA.

•Sep 8, 2026•0 citations

Нейронная сеть для оптимизации адаптивного экспоненциального алгоритма декодирования минимальной суммы

В. Чжан, М. Ибрагим, В.М. Саклаков +1 more

В настоящее время глубокое обучение как актуальное направление исследований дало плодотворные результаты в области обработки естественного языка, распознавания и генерации графов, например, ChatGPT и Sora. Объединение глубокого обучения с алгоритмами декодирования для канального кодирования также постепенно становится актуальным направлением исследований в области связи. В этой статье мы используем глубокое обучение для улучшения адаптивного алгоритма экспоненциальной минимальной суммы (AEMS) для LDPC-кодов. Во-первых, мы расширяем итеративную процедуру декодирования между контрольными узлами (CNs) и переменными узлами (VNs) в алгоритме декодирования AEMS в сеть распространения с прямой передачей, основанную на графе Таннера, полученном из H-матрицы LDPC-кодов. Во-вторых, для повышения эффективности обучения модели и снижения вычислительной сложности мы присваиваем одинаковый весовой коэффициент всей краевой информации в каждой итерации сети декодирования AEMS, что снижает вычислительную сложность и гарантирует эффективность декодирования, и мы называем ее общей нейронной сетью декодирования AEMS (SNAEMS). Результаты моделирования показывают, что производительность декодирования предложенной сети декодирования SNAEMS превосходит производительность обычного декодера AEMS, а коэффициент усиления кодирования постепенно увеличивается по мере увеличения длины кода. Currently, deep learning, as a hot research direction, has yielded fruitful research results in natural language processing and graph recognition and generation, such as ChatGPT and Sora. Combining deep learning with decoding algorithms for channel coding has also gradually become a research hotspot in the field of communication. In this paper, we use deep learning to improve the adaptive exponential min sum (AEMS) algorithm for LDPC codes. Initially, we extend the iterative decoding procedure between check nodes (CNs) and variable nodes (VNs) in the AEMS decoding algorithm into a feedforward propagation network based on the Tanner graph derived from the H matrix of LDPC codes. Second, in order to improve the model training efficiency and reduce the computational complexity, we assign the same weight factor to all the edge information in each iteration of the AEMS decoding network, which reduces the computational complexity while guaranteeing the decoding performance, and we call it the shared neural AEMS (SNAEMS) decoding network. The simulation results show that the decoding performance of the proposed SNAEMS decoding network outperforms that of the conventional AEMS decoder, and its coding gain is gradually enhanced as the code length increases.

Modelirovanie, optimizaciâ i informacionnye tehnologii.•Jan 14, 2025•0 citations

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

I. A Melnikov, A. Yu. Uglovskii, Alexey Kreshchuk +2 more

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.

Проблемы передачи информации•Dec 15, 2024•1 citation
предлагается многоуровневый декодер для декодирования квазициклических низкоплотностных кодов с несколькими ребрами (QC−LDPC) с использованием графического процессора (ГП) в системах квантового распределения ключей с непрерывной переменной (НПКРК). Коды с контролем четности низкой плотности обладают отличными характеристиками исправления ошибок и широко применяются в различных системах связи. Ключевое ограничение, которое приводит к низкой скорости декодирования, связано с тем фактом, что успешное декодирование при очень низком отношении сигнал/шум требует большого числа итераций. Поэтому здесь для ускорения сходимости декодирования используется алгоритм многоуровневого распространения доверия (BP). Однако пропускная способность декодирования во время постобработки является одним из основных препятствий, возникающих в системе квантового распределения ключей с непрерывной переменной. Исходя из этой проблемы, предлагается провести оптимизацию методов хранения, которые непосредственно имеют связь с матрицей проверки четности. Оптимизация заключается в объединение подматриц, не имеющих связей между собой, и проведение параллельного декодирования некоторого количество кодовых слов с применением GPU. Для верификации методики было проведено моделирование. В ходе моделирования получены данные, демонстрирующие, что усредненная скорость процедуры декодирования LDPC-кода с тремя типичными кодовыми скоростями, т.е. 0,15, 0,06 и 0,03, достигает 57,12 Мбит/с, 48,25 Мбит/с и 35,51 Мбит/с, соответственно, при одновременном декодировании 128 кодовых слов длиной 106 без преждевременного завершения A multilevel decoder is proposed for decoding quasi-cyclic low-density multi-edge codes (QC-LDPC) using a graphics processor (GPU) in continuous variable quantum key distribution systems (NPCRCS). Low-density parity codes have excellent error correction characteristics and are widely used in various communication systems. The key limitation that leads to a low decoding rate is due to the fact that successful decoding at a very low signal-to-noise ratio requires a large number of iterations. Therefore, the multilevel Trust Propagation (BP) algorithm is used here to accelerate decoding convergence. However, the decoding bandwidth during postprocessing is one of the main obstacles encountered in a continuous variable quantum key distribution system. Based on this problem, it is proposed to optimize storage methods that are directly related to the parity check matrix. Optimization consists in combining submatrices that have no connections with each other and conducting parallel decoding of a certain number of code words using the GPU. A simulation was carried out to verify the methodology. During the simulation, data were obtained demonstrating that the average speed of the LDPC decoding procedure with three typical code speeds, i.e. 0.15, 0.06 and 0.03, reaches 57.12 Mbit/s, 48.25 Mbit/s and 35.51 Mbit/s, respectively, with simultaneous decoding of 128 code words with a length of 106 without premature completion
Для итеративного декодирования на графах используется новый альтернативный подход - это стохастическое декодирование. Возможность стохастического декодирования была недавно предложена для декодирования LDPC-кодов. Эта статья расширяет применение стохастического подхода для декодирования линейных блочных кодов с помощью проверочных матриц (PCM), таких как коды Боуза - Чоудхури - Хоквингема (BCH), коды Рида - Соломона (RS) и блочные турбокоды на основе компонентов кодов BCH. Показано, как стохастический подход способен генерировать информацию мягкого выхода для итеративного декодирования с мягким входом и мягким выходом Soft - Input Soft - Output (SISO). Описывается структура стохастических переменных узлов высокой степени, используемых в кодах с помощью проверочных матриц PCM. Результаты моделирования для кода BCH (128, 120), кода RS (31, 25) и RS (63, 55) и турбокода блока BCH (256, 121) и (1024, 676) демонстрируют эффективность декодирования при закрытии к итеративному декодеру SISO с реализацией с плавающей запятой. Эти результаты показывают производительность декодирования, близкую к адаптивному алгоритму распространения доверия и/или турбо-ориентированному адаптированному алгоритму распространения доверия Stochastic decoding capability has recently been proposed for decoding LDPC codes. This paper expands on the application of the stochastic approach to decoding linear block codes using parity check matrices (PCMs) such as Bose-Chowdhury-Hawkingham (BCH) codes, Reed-Solomon (RS) codes, and BCH component-based block turbo codes. We show how the stochastic approach is able to generate soft-output information for iterative decoding with soft-input and soft-output Soft-Input Soft-Output (SISO). We describe the structure of high degree stochastic node variables used in codes using PCM parity check matrices. Simulation results for BCH code (128, 120), RS code (31, 25) and RS (63, 55), and BCH block turbo code (256, 121) and (1024, 676) demonstrate the decoding efficiency on close to SISO iterative decoder with floating point implementation. These results show decoding performance close to the adaptive trust propagation algorithm and / or turbo-oriented adapted trust propagation algorithm
АЛГОРИТМЫ ИТЕРАТИВНОГО ПРИЕМА БЛОКОВЫХ ТУРБО-КОДОВ НА ОСНОВЕ НИЗКОПЛОТНОСТНЫХ КОДОВ КОНЕЧНОЙ ЕВКЛИДОВОЙ ГЕОМЕТРИИ Л. Е. Назаров, З. Т. Назарова Фрязинский филиал Института радиотехники и электроники им.В.А.Котельникова РАН, 141190, Московская область, г.Фрязино, пл.академика Введенского, д.1 Статья поступила в редакцию 21 апреля 2020 г.Аннотация.Приведены результаты исследований двух наиболее эффективных алгоритмов итеративного посимвольного приема корректирующих (помехоустойчивых) блоковых турбо-кодов, формируемых с использованием составляющих блоковых кодов.В качестве составляющих кодов рассмотрены помехоустойчивые блоковые низкоплотностные коды конечной Евклидовой геометрии с циклической структурой, что определяет низкую сложность формирования алгоритмов формирования кодовых слов и алгоритмов приема.Показано, что при приеме этих турбо-кодов можно применить алгоритмы итеративного приема, разработанные для общего класса низкоплотностных кодов, в частности, алгоритм BP и его модификация MIN_SUM_BP.Даны результаты моделирования этих алгоритмов итеративного приема для ряда рассматриваемых турбо-кодов для канала с аддитивным белым гауссовским шумом и для Релеевского канала с замиранием сигналов.
разработан эффективный алгоритм декодирования суммы произведений (MSPA), который не только сокращает задержку критического пути, но и улучшает использование аппаратных средств и пропускную способность декодера при сохранении погрешности алгоритма декодирования. Алгоритм min-sum (MS) и его варианты заменяют сложные вычисления контрольных узлов (CN) в SPA простыми операциями сложения и сравнения, но это приводит к потере производительности до 1 дБ по сравнению с SPA для более высоких длин кодовых слов, кодовых скоростей и степеней узла. Представлены три полностью параллельные архитектуры низкоплотностного декодера, основанные на структуре проекционной геометрии (PG) полей Галуа LDPC-кодов. Эти конструкции отличаются архитектурами битового узла (BN) и контрольного узла (CN). Схема 9-битного квантования с фиксированной точкой используется для достижения лучшей производительности при исправлении ошибок. Другим значительным вкладом этой работы является конвейеризация предлагаемых архитектур декодера для дальнейшего повышения общей пропускной способности. Эти параллельные и конвейерные архитектуры реализованы для 73-битных (скорость 0,616) и 1057-битовых (скорость 0,769) кодов PG-LDPC с регулярной структурой на программируемой логической интегральной схеме (ПЛИС) Xilinx Virtex-6 LX760. Предлагаемые конструкции также являются гибкими с точки зрения квантования, степени узла, коэффициента параллельности и длины кодового слова this paper develops an efficient sum-of-products (MSPA) decoding algorithm that not only reduces the critical path delay, but also improves hardware utilization and decoder throughput while maintaining decoding algorithm error. The min-sum (MS) algorithm and its variants replace the complex control node (CN) calculations in SPA with simple addition and comparison operations, but this results in a performance loss of up to 1 dB compared to SPA for higher codeword lengths, code rates, and powers node. Three fully parallel low-density decoder architectures based on the projection geometry (PG) structure of the Galois fields of LDPC codes are presented. These designs differ in bit node (BN) and control node (CN) architectures. A 9-bit fixed-point quantization scheme is used to achieve better error correction performance. Another significant contribution of this work is the pipelining of proposed decoder architectures to further improve overall throughput. These parallel and pipelined architectures are implemented for 73-bit (rate 0.616) and 1057-bit (rate 0.769) regular structure PG-LDPC codes on the Xilinx Virtex-6 LX760 field-programmable logic integrated circuit (FPGA). The proposed designs are also flexible in terms of quantization, node degree, parallelism factor, and codeword length
Цель работы – повышение производительности декодирования квазициклических LDPC–кодов для радиорелейной системы связи на основе многослойного планирования на графическом и центральном процессорах. В перечень решаемых задач входит: реализация программной модели TDMP декодеров на базе CPU и GPU на языках программирования C++ и CUDA; внесение методов повышения производительности; анализ помехоустойчивости и производительности реализованных декодеров; сравнение производительности с аналогичными разработками. В результате работы было продемонстрировано увеличение производительности до 42-х раз на CPU и до 3-х раз на GPU, по сравнению с исходными алгоритмами декодирования, используемыми в рассматриваемой радиорелейной системе. Показано, что предлагаемые реализации декодеров для GPU и CPU обеспечивают более высокую производительность, до 8.47 раз на GPU, и до 3.25 раз на CPU, по сравнению с аналогичными работами. Реализованные в работе алгоритмы могут быть использованы как часть приемного тракта сигналов радиорелейной системы связи. Использовались открытые образовательные ресурсы поиска и анализа информации. Использовались средства автоматизации (автоматизированной) разработки MATLAB, Visual Studio. Применены языки программирования MATLAB, C++, CUDA.
В настоящее время глубокое обучение как актуальное направление исследований дало плодотворные результаты в области обработки естественного языка, распознавания и генерации графов, например, ChatGPT и Sora. Объединение глубокого обучения с алгоритмами декодирования для канального кодирования также постепенно становится актуальным направлением исследований в области связи. В этой статье мы используем глубокое обучение для улучшения адаптивного алгоритма экспоненциальной минимальной суммы (AEMS) для LDPC-кодов. Во-первых, мы расширяем итеративную процедуру декодирования между контрольными узлами (CNs) и переменными узлами (VNs) в алгоритме декодирования AEMS в сеть распространения с прямой передачей, основанную на графе Таннера, полученном из H-матрицы LDPC-кодов. Во-вторых, для повышения эффективности обучения модели и снижения вычислительной сложности мы присваиваем одинаковый весовой коэффициент всей краевой информации в каждой итерации сети декодирования AEMS, что снижает вычислительную сложность и гарантирует эффективность декодирования, и мы называем ее общей нейронной сетью декодирования AEMS (SNAEMS). Результаты моделирования показывают, что производительность декодирования предложенной сети декодирования SNAEMS превосходит производительность обычного декодера AEMS, а коэффициент усиления кодирования постепенно увеличивается по мере увеличения длины кода. Currently, deep learning, as a hot research direction, has yielded fruitful research results in natural language processing and graph recognition and generation, such as ChatGPT and Sora. Combining deep learning with decoding algorithms for channel coding has also gradually become a research hotspot in the field of communication. In this paper, we use deep learning to improve the adaptive exponential min sum (AEMS) algorithm for LDPC codes. Initially, we extend the iterative decoding procedure between check nodes (CNs) and variable nodes (VNs) in the AEMS decoding algorithm into a feedforward propagation network based on the Tanner graph derived from the H matrix of LDPC codes. Second, in order to improve the model training efficiency and reduce the computational complexity, we assign the same weight factor to all the edge information in each iteration of the AEMS decoding network, which reduces the computational complexity while guaranteeing the decoding performance, and we call it the shared neural AEMS (SNAEMS) decoding network. The simulation results show that the decoding performance of the proposed SNAEMS decoding network outperforms that of the conventional AEMS decoder, and its coding gain is gradually enhanced as the code length increases.
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.