LDPC codes: tracking non-stationary channel noise using sequential variational Bayesian estimates

要約

確率的グラフィカル モデルを使用して、LDPC コードの非定常信号対雑音比を追跡するための逐次ベイジアン学習方法を提案します。
階層化ツリー実行交差プロパティ (LTRIP) アルゴリズムと呼ばれる汎用クラスター グラフ構築アルゴリズムを使用して、LDPC コードをクラスター グラフとして表します。
チャネル ノイズ推定器はグローバル ガンマ クラスターであり、非定常ノイズ変動のベイズ追跡を可能にするために拡張されています。
実際の 5G ドライブのテスト データに基づいて、提案したモデルを評価します。
私たちの結果は、私たちのモデルが非定常チャネル ノイズを追跡できることを示しており、実際の平均チャネル ノイズの固定知識を備えたLDPC コードよりも優れた性能を発揮します。

要約(オリジナル)

We present a sequential Bayesian learning method for tracking non-stationary signal-to-noise ratios in LDPC codes using probabilistic graphical models. We represent the LDPC code as a cluster graph using a general purpose cluster graph construction algorithm called the layered trees running intersection property (LTRIP) algorithm. The channel noise estimator is a global Gamma cluster, which we extend to allow for Bayesian tracking of non-stationary noise variation. We evaluate our proposed model on real-world 5G drive test data. Our results show that our model is capable of tracking non-stationary channel noise, which outperforms an LDPC code with a fixed knowledge of the actual average channel noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google