[論文レビュー] Randomized Lattice Decoding

Shuiyin Liu, Cong Ling+1 more|arXiv (Cornell University)|Feb 27, 2010

Wireless Communication Security Techniques参考文献 28被引用数 1

ひとこと要約

本稿では、Kleinのサンプリング技法を用いたランダム化ラティスデコーディングを提案し、ラティス還元支援デコーディングの性能を向上させる。多項式時間計算量のもとで近似最大尤度（near-ML）性能を達成する。ランダムラウンドイングによるラティス点のサンプリングを行い、それらの中から最も近い点を選択することで、誤り率を顕著に低減する。特に中程度の次元（例：32次元まで）において顕著な性能向上が得られ、並列化と1回の事前処理としてのラティス還元により、計算コストを低く抑えられる。

ABSTRACT

Despite its reduced complexity, lattice reduction-aided decoding exhibits a widening gap to maximum-likelihood (ML) performance as the dimension increases. To improve its performance, this paper presents randomized lattice decoding based on Klein's sampling technique, which is a randomized version of Babai's nearest plane algorithm (i.e., successive interference cancelation (SIC)). To find the closest lattice point, Klein's algorithm is used to sample some lattice points and the closest among those samples is chosen. Lattice reduction increases the probability of finding the closest lattice point, and only needs to be run once during pre-processing. Further, the sampling can operate very efficiently in parallel. The technical contribution of this paper is two-fold: we analyze and optimize the decoding radius of sampling decoding resulting in better error performance than Klein's original algorithm, and propose a very efficient implementation of random rounding. Of particular interest is that a fixed gain in the decoding radius compared to Babai's decoding can be achieved at polynomial complexity. The proposed decoder is useful for moderate dimensions where sphere decoding becomes computationally intensive, while lattice reduction-aided decoding starts to suffer considerable loss. Simulation results demonstrate near-ML performance is achieved by a moderate number of samples, even if the dimension is as high as 32.

研究の動機と目的

• 次元が増加するに従い、ラティス還元支援デコーディングと最大尤度（ML）デコーディングの性能ギャップを是正すること。
• 高次元において顕著な誤り率の悪化を受ける既存のラティスデコーディング手法の限界を克服すること。
• 球体デコーディングの指数的計算量を伴わない低複雑度のデコーディング手法を構築し、近似ML性能を達成すること。
• 球体デコーディングが非現実的で、かつラティス還元支援デコーディングの性能が低下する中程度の次元（例：32次元）における実用的デコーディングを可能にすること。

提案手法

• Kleinのランダムサンプリング技法を適応し、決定的 nearest plane 探索に代えて、ランダムラウンドイングを用いて効率的なラティス点のサンプリングを実現する。
• ラティスの幾何構造を向上させるために、1回の事前処理としてのラティス還元を実施し、最も近いラティス点をサンプリングする確率を高める。
• サンプリングされた点群の中から最も近い点を選択することで、Babaiの逐次干渉キャンセレーション（SIC）を上回るデコーディング精度を実現する。
• サンプリングベースの手法のデコーディング半径を最適化し、Kleinの元来のアルゴリズムよりも誤り性能を向上させる。
• 並列処理によりサンプリングプロセスを実装し、高い効率性を達成することで、リアルタイムまたは低遅延応用を可能にする。
• 高いサンプリング品質を維持しつつ、計算オーバーヘッドを最小限に抑える効率的なランダムラウンドイング手順を導入する。

実験結果

リサーチクエスチョン

• RQ1 Kleinの技法に基づくランダムサンプリングは、多項式時間計算量を維持したまま、Babaiのデコーディングよりも固定のデコーディング半径の向上を達成できるか？
• RQ2 本手法は、さまざまな次元において、既存のラティス還元支援デコーディングと比較して、誤り性能でどのように差をつけるか？
• RQ3 近似ML性能を達成するために必要な最適なサンプル数は何か？ これにより、複雑度の増加は最小限に抑えられるか？
• RQ4 デコーディング半径を解析的に最適化することで、Kleinの元来のアルゴリズムを上回る誤り性能を達成できるか？
• RQ5 中程度の次元系において、並列サンプリングは性能を劣化させることなく、どの程度効率性を向上させられるか？

主な発見

• 提案手法のランダム化ラティスデコーディングは、多項式時間計算量のもとで、Babaiのデコーディングと比較して固定のデコーディング半径の向上を達成する。
• 32次元のような高次元でも、中程度のサンプル数で近似最大尤度性能を達成できる。
• 球体デコーディングが計算的に非現実的となる中程度の次元において、従来のラティス還元支援デコーディングを顕著に上回る性能を示す。
• ラティス還元は事前処理の1回のみで十分であり、全体のデコーディング複雑度を低減できる。
• サンプリングプロセスは効率的に並列化可能であり、高スルーレートかつ低遅延のデコーディング実装を可能にする。
• 最適化されたサンプリング半径は、Kleinの元来のアルゴリズムよりも優れた誤り性能を実現し、提案された解析と設計の有効性を示している。