.png){kind=icon}
返回
RL-Based Parallel LDPC Decoding with Clustered Scheduling
.png){kind=icon}
PRE
AI
DOI：10.3390/e28020215.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种基于强化学习（RL）的解码框架，用于采用聚类调度对低密度奇偶校验（LDPC）码进行高通量并行解码。并行LDPC解码器必须在纠错性能和解码延迟之间取得平衡，同时避免内存冲突。为解决这一权衡问题，我们构建了满足两边缘独立性质的校验节点簇，从而实现无冲突的行并行置信传播。一个RL智能体被离线训练，用于为簇分配Q值，并在解码期间优先安排其更新顺序。为克服现有基于RL的调度方法的指数级存储需求，我们引入了Q-Sum方法，将簇级Q值近似为单个校验节点Q值之和，将存储复杂度从校验节点数量的指数级降低到线性级。我们进一步提出了“飞行中”聚类策略，该策略在解码期间动态强制执行两边缘独立性，并在静态聚类不可行时提供额外的灵活性。在加性高斯白噪声（AWGN）信道上对阵列式LDPC码的仿真结果表明，所提出的方法改善了并行LDPC解码器的延迟-性能权衡，在保持与现有最佳解码方法相当误码率的同时，实现了更低的解码延迟和更高的吞吐量。
Keyword:
high-throughput decoding
message-passing scheduling
error-correcting codes
low-density parity-check codes
reinforcement learning
期刊
IF:
2
论文数:
956
被引数:
2.4W
机构
引用论文
.png){kind=icon}
Channel Coding for 6G Extreme Connectivity—Requirements, Capabilities, and Fundamental Tradeoffs
PREAI
分享收藏分享收藏
查看更多内容