.png){kind=icon}
返回
Multiple-Masks Error Correction Code Transformer for Short Block Codes
.png){kind=icon}
PRE
AI
DOI：10.1109/JSAC.2025.3559154.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着深度学习应用的不断拓展，神经解码器已成为关键的研究焦点，特别是旨在提升传统解码算法的解码性能。具体而言，利用Transformer架构的错误纠正码Transformer（ECCT）在基于神经网络的解码器中达到了最先进的性能。我们提出了三项技术贡献，以显著提升ECCT的性能。首先，我们提出了一种新颖的ECCT Transformer架构，称为多掩码ECCT（MM ECCT）。我们采用具有不同掩码矩阵的多个掩码自注意力块进行并行处理，以学习码字比特之间的多样化关系。其次，我们发现基于系统奇偶校验矩阵（PCMs）构建掩码矩阵可以使注意力图变得稀疏，这不仅增强了解码性能，还降低了计算复杂度。最后，我们提出使用从系统PCM的循环排列中推导出的互补掩码矩阵。这些互补掩码矩阵专门设计用于增强循环码的解码。我们的广泛仿真结果表明，具有精心设计的掩码矩阵的所提出的MM ECCT架构在神经网络解码器中大幅优于原始ECCT，实现了最先进的解码性能。源代码可在https://github.com/iil-postech/mm-ecct获取。
Keyword:
Channel coding
error correcting code
error correction code transformer
mask matrix
transformer
期刊
IF:
17.2
论文数:
6.4K
被引数:
3.1W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏
查看更多内容