[논문 리뷰] Mutual-Information Optimized Quantization for LDPC Decoding of Accurately Modeled Flash Data

Jiadong Wang, Guiqiang Dong외 2명|arXiv (Cornell University)|2012. 02. 07.

Error Correcting Code Techniques참고 문헌 14인용 수 4

한 줄 요약

이 논문은 플래시 메모리에서 LDPC 디코딩을 위한 상호정보량 최적화 양자화(MMI)를 제안하며, 입력과 출력 간 상호정보량을 최대화하도록 워드라인 전압을 선택한다. 이 방법은 일정 PDF 비율 양자화보다 우수하며, 양자화 채널에 대해 도수 분포 적응을 결합할 경우 LDPC 성능을 크게 향상시킨다.

ABSTRACT

High-capacity NAND flash memories use multi-level cells (MLCs) to store multiple bits per cell and achieve high storage densities. Higher densities cause increased raw bit error rates (BERs), which demand powerful error correcting codes. Low-density parity-check (LDPC) codes are a well-known class of capacity-approaching codes in AWGN channels. However, LDPC codes traditionally use soft information while the flash read channel provides only hard information. Low resolution soft information may be obtained by performing multiple reads per cell with distinct word-line voltages. We select the values of these word-line voltages to maximize the mutual information between the input and output of the equivalent multiple-read channel under any specified noise model. Our results show that maximum mutual-information (MMI) quantization provides better soft information for LDPC decoding given the quantization level than the constant-pdf-ratio quantization approach. We also show that adjusting the LDPC code degree distribution for the quantized setting provides a significant performance improvement.

연구 동기 및 목표

• 다중 읽기에서의 소프트 정보를 활용하여 플래시 메모리의 성능 격차를 해소한다.
• 기존 LDPC 코드가 소프트 정보에 의존하지만 플래시 시스템은 하드 신뢰도 출력만 제공하는 한계를 극복한다.
• 등가 이산 메모리 없는 채널(DMC)의 입력과 출력 간 상호정보량 I(X;Y)를 최대화하도록 다중 읽기의 워드라인 전압을 최적 선택하는 방법을 개발한다.
• 양자화가 LDPC 코드 성능에 미치는 영향을 조사하고, 양자화된 환경에 맞는 도수 분포 조정 전략을 제안한다.
• 실제 유지 보존 노이즈 모델 하에서 상호정보량 최대화가 히وري스틱한 일정 PDF 비율 방법보다 더 우수한 소프트 정보를 제공함을 입증한다.

제안 방법

• 4-level MLC와 다중 읽기에서의 다중 출력 수준을 갖는 플래시 메모리 읽기 채널을 [8]의 유지 보존 노이즈 모델을 사용해 이산 메모리 없는 채널(DMC)로 모델링한다.
• 유지 보존 노이즈 모델을 사용해 확률 전이 행렬을 수치적으로 계산하여 각 워드라인 전압 설정에 대한 채널 응답을 표현한다.
• 입력(기록된 임계 전압)과 출력(읽기 결과) 간 상호정보량 I(X;Y)를 최대화하도록 상호정보량 최대화(MMI)를 적용하여 최적의 워드라인 전압을 선택한다.
• 상호정보량 최대화 방법을 [9]의 일정 PDF 비율 방법과 비교한다. 이 방법은 인접한 확률 밀도 함수 간 비율 R을 일정하게 유지하도록 전압을 설정한다.
• 양자화된 채널를 고려해 도수 분포를 최적화한 비정규형 LDPC 코드를 설계하며, 해로운 흡수 집합인 (4,2), (5,1), (5,2)를 제거하기 위해 표준 AWGN 최적 도수 분포에서 조정한다.
• 블록 길이 n=9118, 레이트 0.9021인 계층적 신뢰도 전파 디코딩을 사용하고, 기준 BCH 코드(n=9152)와 성능을 비교한다.

실험 결과

연구 질문

• RQ1 상호정보량 최대화(MMI)를 통한 워드라인 전압 선택이 일정 PDF 비율 방법과 비교해 상호정보량과 디코딩 성능 측면에서 어떻게 다를까?
• RQ2 양자화 수준과 채널 모델(실제 유지 보존 노이즈 vs. 가우시안)이 플래시 메모리에서 LDPC 코드 성능에 어떤 영향을 미치는가?
• RQ3 양자화된 채널 설정에 맞게 LDPC 도수 분포를 조정하면 하드 또는 저해상도 소프트 디코딩 하에서 프레임 오류율(FER) 성능을 크게 향상시킬 수 있는가?
• RQ4 LDPC 코드에서 뛰어난 AWGN 임계값이 항상 하드 또는 양자화된 디코딩 하에서 더 좋은 성능을 보장하는가?
• RQ5 양자화 방법의 선택이 LDPC 코드의 도수 분포와 채널 모델 간의 매칭 정도에 얼마나 의존하는가?

주요 결과

• MMI 방법은 다양한 유지 시간과 노이즈 모델에서 일정 PDF 비율 방법보다 항상 높은 상호정보량을 달성한다.
• 같은 양자화 수준에서 MMI 방법은 더 나은 소프트 정보를 제공하여 일정 비율 방법보다 낮은 프레임 오류율(FER)을 이룬다.
• LDPC 코드의 도수 분포가 양자화된 채널과 매칭되지 않을 경우, 일정 비율 방법이 약간 MMI를 앞서는 성능을 보일 수 있지만, 이는 잘못된 코드 설계 탓이며, 양자화 방법의 문제는 아니다.
• 도수 분포를 조정해 (4,2), (5,1), (5,2) 흡수 집합을 제거하면 하드 양자화 하에서도 성능 향상이 뚜렷하게 나타나며, 원래 AWGN 임계값이 우수하던 코드일지라도 효과가 있다.
• 도수 3 노드를 도수 4로 증가시킨 Code 2는 하드 디코딩 하에서 Code 1(AWGN 최적)과 Code 3(더 높은 최대 도수, AWGN 최적)를 모두 앞서며, 코드-채널 매칭의 중요성을 입증한다.
• LDPC 코드 성능은 등가 채널의 상호정보량과 매우 밀접하게 연관되어 있다: 높은 상호정보량은 낮은 FER와 관련이 있으며, MMI가 효과적인 설계 지표임을 검증한다.