[論文レビュー] Segmented GRAND: Complexity Reduction through Sub-Pattern Combination

Mohammad Rowshan, Jinhong Yuan|arXiv (Cornell University)|May 24, 2023

Advanced Wireless Communication Techniques被引用数 4

ひとこと要約

本稿では、パリティ制約に基づいて符号語をセグメントに分割し、各セグメントごとに部分パターンを生成し、2段階の整数分割を用いて近似最大尤度順に組み合わせることで、複雑さを低減するセグメント化 ORBGRAND を提案する。この手法により、平均クエリ数が最大3倍まで削減され、特に低SNRおよび低コードレートにおいて、放棄機能を組み合わせた場合のBLER性能が向上する。

ABSTRACT

The ordered-reliability bits (ORB) variant of guessing random additive noise decoding (GRAND), known as ORBGRAND, achieves remarkably low time complexity at high code rates compared to other GRAND variants. However, its computational complexity remains higher than other near-ML universal decoders like ordered-statistics decoding (OSD). To address this, we propose segmented ORBGRAND, which partitions the error pattern search space based on code properties, generates syndrome-consistent sub-patterns (reducing invalid error patterns), and combines them in a near-ML order using sub-weights derived from two-level integer partitions of logistic weight. Numerical results show that segmented ORBGRAND reduces the average number of queries by at least 66\% across all SNRs and cuts basic operations by over an order of magnitude, depending on segmentation and code rate. Further efficiency gains come from leveraging pre-generated shared sub-patterns, reducing average decoding time. Furthermore, with abandonment ($b=10^{5}$ or smaller), segmented ORBGRAND provides a 0.2 dB power gain over ORBGRAND. Additionally, we provide an analytical justification for why the logistic weight-based ordering of error patterns in ORBGRAND closely approximates the ML order and discuss the underlying assumptions of ORBGRAND.

研究の動機と目的

• 低SNRおよび低コードレートにおいて、従来の ORBGRAND や GRAND が不正なエラーパattersの過剰なクエリにより性能を発揮できない、GRAND の高いデコーディング複雑さに対処すること。
• 各セグメントごとの検査制約を活用して探索空間を制限することで、デコーディング中に生成される不正なエラーパattersの数を削減すること。
• 2段階の整数分割を用いて部分パターンを近似最大尤度順に組み合わせることで、誤り訂正性能を向上させるとともに、平均クエリ数を削減すること。
• 計算負荷を著しく低減しつつ性能に影響を与えないように、短ブロック長コードにおける近似最大尤度デコーディングの実用的実装を可能にすること。

提案手法

• パリティ検査行列の構造に基づいて符号語をセグメントに分割し、各行の操作を用いて各セグメントごとに独立したパリティ制約を抽出する。
• 各セグメントに対して、シンディームに整合する部分パターンを生成し、各セグメント内でのみ有効なエラーパターンを考慮する。
• 論理的重みの2段階の整数分割を用いて、部分パターンの組み合わせを近似最大尤度順に並べ替え、最も可能性の高いエラーパターンの組み合わせを優先する。
• 異なるセグメントからの部分パターンを、尤度順序を維持しつつ、テストすべき候補パターンの総数を削減する方法で組み合わせる。
• 所定のクエリ数以内に有効な符号語が見つからなければ、デコーディングを早期に終了するための放棄しきい値を導入し、効率を向上させるが、BLERがわずかに悪化する。
• ビットの信頼性とコードの構造を活用してセグメンテーションと部分パターン生成をガイドし、整合性のないエラーパターンの数を最小限に抑える。

Fig. 1: The error pattern generation process with pre-evaluation in “constrained GRAND” [ 28 ] for two constraints.

実験結果

リサーチクエスチョン

• RQ1 パリティ制約に基づいて符号語をセグメント化することで、GRANDデコーディング中に生成される不正なエラーパターンの数を削減できるか？
• RQ2 セグメント化された符号語からの部分パターンを2段階の整数分割順序で組み合わせることで、低複雑さで近似最大尤度性能を達成できるか？
• RQ3 提案手法であるセグメント化 ORBGRAND は、さまざまなSNR領域において、従来の ORBGRAND と比較して平均クエリ数をどの程度削減できるか？
• RQ4 放棄しきい値の導入が、デコーディング複雑さとブロック誤り率（BLER）のトレードオフに与える影響はいかほどか？
• RQ5 短ブロック長コードにおいて、セグメント化 ORBGRAND は、OSD や Chase-II といった従来の最大尤度デコーディング方式と比較して、複雑さと BLER の両面で優れるか？

主な発見

• eBCH(128,106) において、セグメント化 ORBGRAND は従来の ORBGRAND と比較して、平均クエリ数を最大3倍まで削減する。特に高SNRにおいて顕著である。
• 放棄しきい値を $10^5$ に設定した場合、eBCH(128,106) の平均クエリ数は NoC 時の 460.7 から 2C 時の 208.9 に低下し、55% の削減が達成された。
• PAC(64,44) では、平均クエリ数が NoC 時の 95.1 から 3C 時の 49.0 に低下し、48.4% の削減が達成され、一貫した性能向上が確認された。
• セグメント化 ORBGRAND の BLER 性能は ORBGRAND とほぼ同一であり、複雑さは著しく低減されている。
• 放棄機能を組み合わせることで誤り訂正性能が向上し、探索空間が小さくなるため、しきい値以内に有効な符号語が見つかりやすくなる。
• 高SNRにおいては OSD(2) よりも複雑さが低く、Chase-II(3) と同等またはそれを上回るBLER性能を達成しながら、はるかに少ないクエリ数で動作するため、優れた効率性を示している。

Fig. 2: The proposed error pattern generation approach based on sub-patterns in “segmented GRAND” for two segments.