[論文レビュー] Optimal Non-Uniform Mapping for Probabilistic Shaping

Georg Böcherer|arXiv (Cornell University)|Aug 6, 2012

Wireless Communication Security Techniques被引用数 1

ひとこと要約

本稿では、離散的入力メモリレス通信路における確率的形状化のための最適非一様マッピングを設計する効率的なアルゴリズムを提案する。相対エントロピーを用いて、実現可能なM型入力確率質量関数（pmf）と目標の容量達成pmfとの間の近似誤差を最小化する。本手法は、信号点数と入力確率を同時に最適化することで、従来の中心極限定理（CLT）手法を上回り、収束速度が速く、容量へのギャップも小さい。特にCLTの限界を超える大きな信号点数のケースで顕著な性能向上を示す。

ABSTRACT

The construction of optimal non-uniform mappings for discrete input memoryless channels (DIMCs) is investigated. An efficient algorithm to find optimal mappings is proposed and the rate by which a target distribution is approached is investigated. The results are applied to non-uniform mappings for additive white Gaussian noise (AWGN) channels with finite signal constellations. The mappings found by the proposed methods outperform those obtained via a central limit theorem approach as suggested in the literature.

研究の動機と目的

• 非一様マッピングを用いた確率的形状化において、大きなMを用いる場合に生じる高コストな符号化の実用的制限を解消すること。
• Mを増加させた際に、M型pmfが目標の容量達成pmfにどの程度速く近づくかを特定すること。
• 有限なMに対して、目標pmfへの相対エントロピーを最小化する最適なM型pmfを同定すること。
• 有限信号点数を有するAWGNチャネルにおける確率的形状化において、中心極限定理（CLT）手法を改善すること。

提案手法

• M型pmf dが目標pmf tにどの程度近いかを測る指標として、相対エントロピー D(d∥t) を用いる。
• O(Mn) 時間で、D(d∥t) を最小化するM型pmfを計算するアルゴリズムを提案。この際、目標pmfの累積分布関数の量子化を活用する。
• 2段階最適化を適用：まず、凸最適化と線形探索を用いて等間隔信号点を有する場合の容量達成pmfを計算し、次にそのpmfの最良の2m型近似を見つける。
• 再スケーリングを用いて、エネルギー制約を厳密に満たし、相互情報量と平均パワーを保持する。
• すべての2m型近似の中から相互情報量を最大化するように、最終的な信号点数とpmfを選択する。
• 凸最適化にはCVXを用い、AWGNチャネル上での数値シミュレーションにより結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 Mを増加させた際に、M型pmfが目標の容量達成pmfにどの程度速く収束するか？
• RQ2 有限なMに対して、与えられた目標pmfを最もよく近似するM型pmfは何か？
• RQ3 信号点数と入力確率を同時に最適化することで、従来のCLTに基づく手法を上回ることができるか？
• RQ4 最適非一様マッピングを用いた場合、CLT手法と比較して容量へのギャップはどの程度達成できるか？

主な発見

• M型近似と目標pmfとの間の相対エントロピーは、O(1/M) で上界が与えられ、収束速度が1/Mであることを確認した。
• m = 4, 5, 6 の場合、提案手法はCLT手法とは異なる2m型pmfを生成し、容量へのギャップを小さくした。
• 提案手法による容量ギャップはmが増加するにつれて単調に減少するが、CLT手法は1/mに従う対数的スケーリングと一致する。
• 特にm ≥ 4の大きな信号点数の場合、最適化された信号点数と入力確率のおかげで、相互情報量の増加量においてCLT手法を上回った。
• アルゴリズムはCLT手法とは異なる数の信号点を選択しており、信号点数とpmfの両方を同時に最適化することが有益であることを示した。
• 数値結果により、最適な2m型近似の相互情報量がMが増加するにつれて目標pmfの相互情報量に収束することが確認され、本手法の有効性が裏付けられた。