[논문 리뷰] Probabilistic Parity Shaping for Linear Codes

Georg Böcherer, Diego Lentner외 2명|arXiv (Cornell University)|2019. 02. 27.

Error Correcting Code Techniques인용 수 6

한 줄 요약

이 논문은 선형 코딩을 사용할 때 시스템 비트와 패리티 비트를 모두 형상화할 수 있도록 확장한 선형 계층형 확률적 형상화(Linear Layered Probabilistic Shaping, LLPS)를 제안한다. 이는 심호성 분포 매칭기(Syndrome Distribution Matcher, SDM)를 사용해 확률적 패리티 형상화(Probabilistic Parity Shaping, PPS)를 가능하게 한다. 수정된 패리티 체크 행렬을 기반으로 비용 최소화 SDM을 통해 시스템 비트와 패리티 비트를 형상화함으로써, 선형 코딩을 사용해 임의의 원하는 입력 분포를 달성할 수 있으며, LDPC 코딩을 사용한 더러운 종이 코딩(Dirty Paper Coding, DPC)에서 에너지 효율성을 0.8 dB 향상시킨다. 또한 n≈1000인 경우, 룩업 테이블(LUT) 크기를 2⁵⁰⁰에서 2¹⁶로 감소시켜 실용적인 구현 가능성을 확보한다.

ABSTRACT

Linear layered probabilistic shaping (LLPS) is proposed, an architecture for linear codes to efficiently encode to shaped code words. In the previously proposed probabilistic amplitude shaping (PAS) architecture, a distribution matcher (DM) maps information bits to shaped bits, which are then systematically encoded by appending uniformly distributed parity bits. LLPS extends PAS by probabilistic parity shaping (PPS), which uses a syndrome DM to calculate shaped parity bits. LLPS enables the transmission with any desired distribution using linear codes, furthermore, by LLPS, a given linear code with rate $R_ ext{fec}$ can be operated at any rate $R\leq R_ ext{fec}$ by changing the distribution. LLPS is used with an LDPC code for dirty paper coding against an interfering BPSK signal, improving the energy efficiency by 0.8 dB.

연구 동기 및 목표

• OOK 및 강도 변조와 같은 변조 방식에서 형상화된 패리티 비트가 최적임을 고려할 때, 선형 코딩에서 형상화된 패리티 비트가 필요한 이유를 해결하기 위해.
• 형상화된 코드워드로의 인코딩에 필요한 룩업 테이블(LUT)의 급격한 증가 문제를 해결하기 위해. 이는 비율 R에 대해 2^{Rn} 비례하여 증가한다.
• PAS 아키텍처를 확장하여, 시스템 비트와 패리티 비트를 모두 형상화함으로써, 임의의 비율 R ≤ R_fec에서의 인코딩을 가능하게 하기 위해.
• 기존 간섭을 알고 있는 더러운 종이 코딩(Dirty Paper Coding, DPC)에 대해 실용적이고 저복잡도의 인코딩을 가능하게 하여, 간섭을 노이즈로 간주하는 것보다 높은 에너지 효율성을 달성하기 위해.

제안 방법

• 선형 계층형 확률적 형상화(LLPS)를 제안하며, 이는 심호성 분포 매칭기(Syndrome Distribution Matcher, SDM)를 사용해 확률적 패리티 형상화(PPS)를 도입함으로써 PAS를 확장한다.
• 패리티 체크 행렬 H를 [H_s | H_p]로 수정함으로써, H_s는 m×(k−ℓ)이고 H_p는 m×(m+ℓ)가 되도록 하여 패리티 비트에 대해 다수의 해를 허용한다.
• 비용 함수 f(p)를 최소화하는 방식으로 패리티 벡터 p를 선택하며, 이는 교차 엔트로피 또는 하밍 무게와 같은 함수일 수 있다. 이때 p^T H_p = s를 만족해야 하며, s는 심호성이다.
• SDM은 크기가 2^ℓ인 코스에 대해 온라인으로 검색하거나, LUT 크기가 2^{n−k}인 오프라인 방식으로 실현할 수 있으며, 이때 ℓ ≈ (n−k)(1/H(B) − 1)이다.
• LLPS를 더러운 종이 코딩(DPC)에 적용함으로써, 송신기가 간섭을 알고 있으며, 간섭 상태에 따라 시스템 비트와 패리티 비트를 모두 SDM을 사용해 형상화한다.
• 최적화된 PB|Z 분포로부터 유도된 소프트 정보를 사용한 민감도 전파 디코딩을 적용함으로써, 저복잡도의 고비율 전송을 가능하게 한다.

실험 결과

연구 질문

• RQ1 선형 코딩에서 형상화된 패리티 비트를 포함한 확률적 형상화를 확장할 수 있는가? 이는 비균일한 패리티 분포가 요구되는 채널에서 최적의 전송을 가능하게 한다.
• RQ2 심호성 기반 매칭을 통해 형상화된 코드워드의 인코딩 복잡도를 블록 길이에 따라 지수적으로 증가하는 것을 방지하고, 관리 가능한 수준으로 낮출 수 있는가?
• RQ3 LLPS는 알려진 간섭이 존재하는 상황에서 최적의 DPC 비율 I(B;Y)−I(B;Z)를 달성하는가? 그리고 실용적 코딩으로 효율적으로 구현 가능한가?
• RQ4 실제 채널 조건에서, 기존의 PAS 및 간섭을 노이즈로 간주하는 방법보다 LLPS가 에너지 효율성 면에서 뛰어나게 성능을 발휘할 수 있는가?

주요 결과

• LLPS는 선형 코딩을 사용해 원하는 임의의 입력 분포로 인코딩할 수 있으며, 형상화 분포를 조정함으로써 임의의 비율 R ≤ R_fec에서 작동할 수 있다.
• n≈1000, 비율 1/2인 LDPC 코딩에서, 간섭을 노이즈로 간주하는 것과 비교해 더러운 종이 코딩(DPC)에서 에너지 효율성을 0.8 dB 향상시킨다.
• 인코딩에 필요한 룩업 테이블(LUT) 크기는 기존의 계층형 확률적 형상화 방식에서의 2^{500}에서 ℓ=16일 경우 2^{16}으로 감소하여 실용적인 구현이 가능해졌다.
• LLPS의 점근적 가용 비율은 최적의 DPC 비율 I(B;Y)−I(B;Z)와 일치하며, 이상적인 구성 요소를 사용할 경우 이론적 최적성을 확인한다.
• 유한 길이 시뮬레이션 결과, 스펙트럼 효율 0.4697 bpcu에서 에너지 효율성에 0.8 dB의 향상을 기록했으며, 신호 대 잡음비(SNR) 4.5 dB에서 프레임 오류율(FER)이 10^{-2} 이하로 유지된다.
• 최적화된 PB|Z 분포는 외곽 상점점(예: x=±1)을 선호하여 간섭 제한 상황에서의 신뢰성을 향상시킨다.