[논문 리뷰] On the Role of Quantization of Soft Information in GRAND

Peihong Yuan, Ken R. Duffy외 2명|arXiv (Cornell University)|2022. 03. 25.

Error Correcting Code Techniques인용 수 10

한 줄 요약

이 논문은 오차 정정 성능을 향상시키기 위해 양자화된 신뢰도 정보를 사용하는 GRAND 디코딩의 소프트 입력 변종인 ORBGRAND와 DSGRAND를 제안한다. ORBGRAND는 순서가 매겨진 신뢰도 비트(약 ~log₂n 비트의 양자화에 해당)를 사용하며, DSGRAND는 전통적인 소프트 양자화를 적용한다; 두 방법 모두 CA-SCL보다 훨씬 낮은 복잡도와 메모리 요구량을 가지면서 거의 최대우도(ML) 성능을 달성하며, 고 SNR에서 2–3비트의 양자화로도 CA-SCL를 능가한다.

ABSTRACT

In this work, we investigate guessing random additive noise decoding (GRAND) with quantized soft input. First, we analyze the achievable rate of ordered reliability bits GRAND (ORBGRAND), which uses the rank order of the reliability as quantized soft information. We show that multi-line ORBGRAND can approach capacity for any signal-to-noise ratio (SNR). We then introduce discretized soft GRAND (DSGRAND), which uses information from a conventional quantizer. Simulation results show that DSGRAND well approximates maximum-likelihood (ML) decoding with a number of quantization bits that is in line with current soft decoding implementations. For a (128,106) CRC-concatenated polar code, the basic ORBGRAND is able to match or outperform CRC-aided successive cancellation list (CA-SCL) decoding with codeword list size of 64 and 3 bits of quantized soft information, while DSGRAND outperforms CA-SCL decoding with a list size of 128 codewords. Both ORBGRAND and DSGRAND exhibit approximately an order of magnitude less average complexity and two orders of magnitude smaller memory requirements than CA-SCL.

연구 동기 및 목표

• 소프트 정보의 양자화가 GRAND 디코딩에서 오차 정정 성능 향상에 미치는 영향을 조사하는 것.
• 오직 신뢰도 값의 순서만을 사용하는 양자화 소프트 입력으로서의 ORBGRAND를 개발하여 복잡도를 최소화하는 것.
• 전통적인 양자화기를 사용해 소프트 정보를 더 잘 활용하는 이산화 소프트 GRAND인 DSGRAND를 제안하는 것.
• ORBGRAND와 DSGRAND가 낮은 복잡도와 메모리로 거의 용량 한계 성능을 달성할 수 있음을 보여주는 것.
• DSGRAND가 상당히 감소된 계산 및 메모리 요구량으로 CA-SCL 디코딩을 능가함을 보여주는 것.

제안 방법

• ORBGRAND는 로그우도비율(LLR)의 순서를 소프트 정보로 사용하며, 쿼리 순서를 결정하기 위해 크기 n의 정렬 연산만 필요로 한다.
• 이 방법은 순서 통계와 오차 매칭 디코딩 이론을 활용하여 가용 수신률과 용량 근접 성능를 분석한다.
• DSGRAND는 소프트 LLR 값에 전통적인 양자화기를 적용하여 표준 양자화 수준(예: 2–3비트)을 사용해 노이즈 가설 쿼리를 안내한다.
• 두 방법 모두 유니버설하고 코드에 종속되지 않은 디코딩 전략을 사용한다: 유효한 코딩워드를 찾을 때까지 노이즈 가설을 순차적으로 테스트한다.
• 디코딩 복잡도는 코드 길이가 아니라 부족 비트 수(n−k)에 의해 제한되며, 이는 효율적인 병렬 처리를 가능하게 한다.
• 성능 평가는 (128,106) CRC-폴라 코드를 포함한 다양한 SNR 지점과 코드 파rameter에서 BLER, BER, uBLER 지표를 사용해 평가된다.

실험 결과

연구 질문

• RQ1 ORBGRAND는 오직 순서가 매겨진 신뢰도(log₂n 비트)만을 사용할 경우, 모든 SNR 영역에서 용량 근접 성능를 달성할 수 있는가?
• RQ2 전통적인 소프트 양자화를 사용하는 DSGRAND의 성능는 실용적인 양자화 수준에서 최대우도(ML) 디코딩 및 CA-SCL와 비교해 어떻게 되는가?
• RQ3 소프트 GRAND 변종에서 양자화 해상도와 디코딩 성능 사이의 상호 교환 관계는 어떠한가?
• RQ4 ORBGRAND와 DSGRAND는 CA-SCL 디코딩에 비해 복잡도와 메모리 요구량을 얼마나 줄이는가?
• RQ5 소프트 디코딩 디코더가 없는 코드, 예를 들어 BCH 또는 CRC 코드와 같은 코드에 대해 소프트 입력 디코딩을 갖춘 GRAND를 일반적으로 적용할 수 있는가?

주요 결과

• 다중선 ORBGRAND는 정확한 곡선 피팅을 통해 모든 SNR 수준에서 용량 근접 성능를 달성하며, 이는 이론적 강건성을 입증한다.
• 3비트의 양자화를 사용한 DSGRAND는 ML 디코딩과 0.1 dB 이내의 성능를 달성하며, 리스트 크기가 128인 CA-SCL를 능가한다.
• 2비트의 양자화를 사용한 DSGRAND는 ML 디코딩과 0.25 dB 이내의 성능를 달성하여 극도로 낮은 양자화로도 뛰어난 성능를 보인다.
• Eb/N0 = 5.5 dB일 때, DSGRAND는 리스트 크기가 128인 CA-SCL에 비해 약 ~5.6%의 복잡도와 약 ~4.5%의 메모리만을 요구한다.
• ORBGRAND는 소프트 정보가 3비트뿐인 상태에서 Eb/N0 = 5.5 dB일 때 BLER가 7.81×10⁻⁵를 기록하며, 리스트 크기가 64인 CA-SCL를 능가한다.
• ORBGRAND와 DSGRAND는 모두 CA-SCL에 비해 평균 디코딩 복잡도를 약 10배 감소시키고, 메모리 요구량을 약 100배 감소시킨다.