[論文レビュー] Min-Max decoding for non binary LDPC codes

Valentin Savin|ArXiv.org|Mar 7, 2008

Error Correcting Code Techniques参考文献 6被引用数 6

ひとこと要約

本稿では、非バイナリLDPC符号のための低複雑性で準最適なSum-ProductおよびMin-Sumデコーディングの代替手段として、Min-Maxデコーディングアルゴリズムを提案する。選択的実装により、高メトリクスのシンボルに焦点を当てることで計算複雑性を低減し、GF(16)上での標準Min-Maxと比較して最大4倍低い複雑性で、Sum-Productデコーディングから0.2 dBのギャップで準最適性能を達成する。

ABSTRACT

Iterative decoding of non-binary LDPC codes is currently performed using either the Sum-Product or the Min-Sum algorithms or slightly different versions of them. In this paper, several low-complexity quasi-optimal iterative algorithms are proposed for decoding non-binary codes. The Min-Max algorithm is one of them and it has the benefit of two possible LLR domain implementations: a standard implementation, whose complexity scales as the square of the Galois field's cardinality and a reduced complexity implementation called selective implementation, which makes the Min-Max decoding very attractive for practical purposes.

研究の動機と目的

• 優れた誤り訂正性能を示す一方で、実用的導入が制限される非バイナリLDPC符号の高いデコーディング複雑性に対処すること。
• Min-Sumデコーディングの非最適性を軽減するため、外的メッセージの過大評価を低減する新しいアルゴリズムを提案すること。
• Sum-Productアルゴリズムに近い性能を維持しながら、ノイズ推定に依存しない低複雑性・準最適なデコーディング手法を開発すること。
• 計算負荷を著しく低減するが性能損失のない、Min-Maxデコーディングの選択的実装を導入すること。
• 性能、複雑性、数値安定性のバランスを取ることで、非バイナリLDPC符号の実用的導入を可能にすること。

提案手法

• 非バイナリLDPC符号のための準最適な反復デコーディング手法として、LLRドメインにおけるMin-Maxアルゴリズムを提案する。
• 標準バージョン（1チェックノードあたりO(q²)の複雑性）と選択的実装の2つのバージョンを用いてMin-Maxを実装する。
• 閾値に基づくプルーニング戦略（cot）を用い、最小-最大計算に参加するシンボル数を制限し、信頼性の高いシンボルに焦点を当てる。
• 選択的実装における選択精度の向上を図るため、事前情報（ai）の正規化を適用する。
• 整数部に基づく集合Δ′およびΔ′′を定義し、シンボルをグループ化することで、重複する最大値計算を削減する。
• 同じインデックスグループに属するシンボル間でのみ最大値を計算することで、アルゴリズムを最適化し、多数の最大値計算を不要にする。

実験結果

リサーチクエスチョン

• RQ1 非バイナリLDPC符号のための低複雑性反復デコーディングアルゴリズムを設計可能か。その性能は最適なSum-Productアルゴリズムに近いか。
• RQ2 計算効率を維持しつつ、Min-Sumアルゴリズムの非最適性をどのように低減できるか。
• RQ3 どの選択的プルーニング戦略が、性能劣化を伴わずにMin-Maxデコーディングの複雑性を効果的に低減できるか。
• RQ4 シンボルグループ化と閾値処理を用いることで、チェックノード処理における演算数をどの程度削減できるか。
• RQ5 選択的Min-Max実装は、標準Min-Maxと比較して顕著に低い複雑性で準最適性能を達成できるか。

主な発見

• GF(16) LDPC符号について、AWGNチャネル上での16-QAM通信において、Min-Maxデコーディングアルゴリズムは最適なSum-Productデコーディングからわずか0.2 dBのギャップに留まる。
• GF(16)上での標準Min-Maxと比較して、選択的実装によるMin-Maxデコーディングは計算複雑性を4倍低減する。
• 選択的Min-Maxデコーダは、標準バージョンと同一の収束特性と性能を維持しており、性能損失がない。
• 事前に定義された平均事前情報（ai = 12）とカットオフ閾値（cot = 31）を用いることで、効果的なシンボルプルーニングと複雑性低減が可能になる。
• Sum-Productアルゴリズムとは異なり、チャネルノイズ推定に依存しない計算の安定性と独立性を達成する。
• 選択的実装は、デコーディングの後期段階で特に効果的であり、未確定なシンボルが少数残る状況で顕著な複雑性削減が得られる。