Boosting Learning for LDPC Codes to Improve the Error-Floor Performance

要約

低密度パリティ チェック (LDPC) コードは、強力な誤り訂正能力とシンプルなデコード プロセスにより、通信システムでの商用化に成功しています。
ただし、LDPC 符号のエラー フロア現象は、誤り率が一定のレベルで急激に減少しなくなるため、極めて低い誤り率を達成し、超高信頼性が要求されるシナリオにLDPC 符号を導入する際に課題をもたらします。
この研究では、エラーフロア効果を排除するニューラル ミンサム (NMS) デコーダのトレーニング方法を提案します。
まず、アンサンブル ネットワークのブースティング学習手法を活用して、デコード ネットワークを 2 つのニューラル デコーダーに分割し、最初のデコーダーが訂正できなかった未訂正の単語に特化するようにポスト デコーダーをトレーニングします。
次に、トレーニングにおける勾配の消失の問題に対処するために、前のブロックを再トレーニングしながら重みのブロックをローカルにトレーニングするブロック単位のトレーニング スケジュールを導入します。
最後に、満たされていないチェック ノードに異なる重みを割り当てると、最小限の重みでエラー フロアが効果的に低下することを示します。
これらのトレーニング方法を標準のLDPCコードに適用することにより、他の復号方法と比較して最高のエラーフロアパフォーマンスを達成します。
提案された NMS デコーダは、モジュールを追加せずに新しいトレーニング方法のみによって最適化されており、追加のハードウェア コストを発生させることなく既存のLDPC デコーダに統合できます。
ソース コードは https://github.com/ghy1228/LDPC_Error_Floor で入手できます。

要約(オリジナル)

Low-density parity-check (LDPC) codes have been successfully commercialized in communication systems due to their strong error correction capabilities and simple decoding process. However, the error-floor phenomenon of LDPC codes, in which the error rate stops decreasing rapidly at a certain level, presents challenges for achieving extremely low error rates and deploying LDPC codes in scenarios demanding ultra-high reliability. In this work, we propose training methods for neural min-sum (NMS) decoders to eliminate the error-floor effect. First, by leveraging the boosting learning technique of ensemble networks, we divide the decoding network into two neural decoders and train the post decoder to be specialized for uncorrected words that the first decoder fails to correct. Secondly, to address the vanishing gradient issue in training, we introduce a block-wise training schedule that locally trains a block of weights while retraining the preceding block. Lastly, we show that assigning different weights to unsatisfied check nodes effectively lowers the error-floor with a minimal number of weights. By applying these training methods to standard LDPC codes, we achieve the best error-floor performance compared to other decoding methods. The proposed NMS decoder, optimized solely through novel training methods without additional modules, can be integrated into existing LDPC decoders without incurring extra hardware costs. The source code is available at https://github.com/ghy1228/LDPC_Error_Floor .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google