Neural layered min-sum decoders for cyclic codes
Neural layered min-sum decoders for cyclic codes
复制标题
循环码的神经分层最小和解码器
DOI：
10.1016/j.phycom.2023.102194
复制
发表时间：
2023
影响因子：
2.2
通讯作者：
Lau, Francis C.M.
中科院分区：
文献类型：
--
作者：
Wang, Ming;Li, Yong;Liu, Jianqing;Guo, Taolin;Wu, Huihui;Lau, Francis C.M.
提出了一种基于分层最小和算法的低复杂度神经网络循环码译码器。通过将分层最小和算法推广到神经网络，在保持良好纠错性能的同时减少了网络权值的数量。选择Bose-Chaudhuri-Hocquenghem（BCH）码、二次剩余（QR）码和穿孔Reed-Muller（RM）码作为三个示例性二进制循环码。仿真结果表明，与现有的神经网络解码器相比，该神经网络解码器具有更低的计算复杂度和更优越的上级性能。此外，神经解码器结合修改的随机冗余解码（mRRD）算法进行了研究，以接近一些短码的最大似然解码的性能。
This paper proposes a low-complexity neural network decoder based on the layered min-sum algorithm to decode cyclic codes. By generalizing the layered min-sum algorithm to its neural network counterpart, the number of network weights decreases while retaining a good error correction performance. The Bose–Chaudhuri–Hocquenghem (BCH) codes, quadratic residue (QR) codes, and punctured Reed–Muller (RM) codes are selected as three exemplary binary cyclic codes. Simulation results show that the proposed neural decoder achieves superior performance with less computational complexity compared with the state-of-the-art neural network decoder. Further, a neural decoder incorporating the modified random redundant decoding (mRRD) algorithm is investigated to approach the performance of maximum-likelihood decoding for some short codes.
登录
查看更多内容
LDPC码神经最小和译码器自下而上的设计方法
影响因子：
1.6
作者：
Guangwen Li;Xiaofei Yu;Yuan Luo;Guangfen Wei
通讯作者：
Guangfen Wei
DOI：
10.1109/icc.2019.8761286
发表时间：
2018-11
期刊：
ICC 2019 - 2019 IEEE International Conference on Communications (ICC)
影响因子：
--
作者：
Yihan Jiang;Hyeji Kim;Himanshu Asnani;Sreeram Kannan;Sewoong Oh;P. Viswanath
通讯作者：
Yihan Jiang;Hyeji Kim;Himanshu Asnani;Sreeram Kannan;Sewoong Oh;P. Viswanath
修剪和量化神经置信传播解码器
影响因子：
16.4
作者：
Andreas Buchberger;Christian Häger;H. Pfister;L. Schmalen;A. Graell i Amat
通讯作者：
A. Graell i Amat
ISI通道任意速率通道编码自编码器的设计
影响因子：
6.3
作者：
Yitian Zhang;Huihui Wu;M. Coates
通讯作者：
M. Coates
使用深度神经网络解码二次余数代码
影响因子：
2.9
作者：
Ming Wang;Yong Li;R. Liu;Huihui Wu;Youqiang Hu;F. Lau
通讯作者：
F. Lau