[논문 리뷰] Pruned Collapsed Projection-Aggregation Decoding of Reed-Muller Codes

Qin Huang, Bin Zhang|arXiv (Cornell University)|2021. 05. 25.

Error Correcting Code Techniques참고 문헌 9인용 수 4

한 줄 요약

이 논문은 하위공간 간의 교차 크기를 측정하는 상관계수를 기반으로 하위공간의 소수 집합을 선택하여 Reed-Muller 코드에 대한 프루닝된 붕괴된 투영-집합(Pruned Collapsed Projection-Aggregation, PCPA) 디코딩을 제안한다. 낮은 상관계수를 가진 하위공간을 선호함으로써 PCPA는 전체 CPA 디코딩 수준에 근접한 성능를 달성하면서도 복잡도를 크게 감소시켰으며, RPA 및 CPA보다도 복잡도에서 뛰어나면서도 RM(3,7) 및 RM(3,5) 코드의 near-최적 오류 수정 성능을 유지한다.

ABSTRACT

The paper proposes to decode Reed-Muller (RM) codes by projecting onto only a few subspaces such that the number of projections is significantly reduced. It reveals that the probability that error pairs are canceled simultaneously in two different projections is determined by their intersection size. Then, correlation coefficient which indicates the intersection size of two subspaces in a collection is introduced for collecting subspaces. Simulation results show that our proposed approach with a small number of projections onto collected subspaces performs close to the original approach.

연구 동기 및 목표

• 투영에 사용되는 하위공간의 수를 제한함으로써 Reed-Muller 코드에 대한 붕괴된 투영-집합(CPA) 디코딩의 계산 복잡도를 감소시키는 것.
• 최소한의 투영 수로도 최고의 디코딩 성능을 달성할 수 있도록 유의미한 하위공간을 선택할 수 있는 기준을 규명하는 것.
• 두 개의 s차원 하위공간 𝐵_i 및 𝐵_j 간의 교차 크기를 정량화하기 위해 상관계수 r_{ij} = dim(𝐵_i ∩ 𝐵_j)/s 를 정의하는 것.
• 하위공간 집합 S에 대해 전체 상관계수 r_S = ΣᵢΣⱼ r_ij 를 정의하여 하위공간의 중복 정도를 평가하는 것.

제안 방법

• 모든 N_{r,m} 개의 하위공간 대신 선택된 (r−1)-차원 하위공간 집합에 수신 벡터를 투영하는 프루닝된 붕괴된 투영-집합(PCPA) 알고리즘을 제안한다.
• 두 개의 s차원 하위공간 𝐵_i 및 𝐵_j 간의 교차 크기를 정량화하기 위해 상관계수 r_{ij} = dim(𝐵_i ∩ 𝐵_j)/s 를 도입한다.
• 하위공간 집합 S에 대해 전체 상관계수 r_S = ΣᵢΣⱼ r_ij 를 정의하여 전체 하위공간의 중복 정도를 평가한다.
• 몬테카를로 시뮬레이션을 통해 r_S 가 낮은 하위공간 집합일수록 추정치 간 일치도가 높고 디코딩 성능도 향상됨을 보여준다.
• 선택된 하위공간에서의 추정치를 기반으로 다수결 투표를 수행하여 반복적으로 로그우도비 벡터를 정밀화한다.
• 각 하위공간 투영으로부터 얻어진 RM(1, m−r+1) 코드를 디코딩하기 위해 빠른 헤르미트 변환(Fast Hadamard Transform, FHT)을 적용한다.

실험 결과

연구 질문

• RQ1 작은, 신중히 선택된 하위공간 집합이 복잡도를 크게 감소시키면서도 RM 코드 디코딩에서 near-최적 성능을 달성할 수 있는가?
• RQ2 하위공간 간의 교차 크기가 투영-집합 디코딩에서 오류 상쇄 가능성과 추정치 일치도에 어떤 영향을 미치는가?
• RQ3 하위공간의 교차 크기를 기반으로 한 상관계수 지표가 붕괴된 투영-집합 디코딩에서 하위공간 선택에 효과적인 지표가 될 수 있는가?
• RQ4 낮은 상관계수를 가진 하위공간을 선택할 경우, 무작위 또는 높은 상관계수를 가진 선택에 비해 더 나은 오류 성능를 보일 수 있는가?
• RQ5 RM(3,7) 및 RM(3,5) 코드에 대해 PCPA의 성능은 단어 오류율과 계산 복잡도 측면에서 CPA 및 RPA와 비교해 어떻게 되는가?

주요 결과

• RM(3,7)에 대해 64개의 투영을 사용한 PCPA는 CPA 및 RPA와 비교해 단지 0.1 dB의 성능 저하로 단어 오류율(WER) 10⁻³을 달성한다.
• RM(3,7)에 대해 64개의 투영을 사용한 PCPA는 CPA의 2667개 투영에서 64개로 감소시켜 투영 횟수를 97.8% 감소시켰다.
• RM(3,5)에 대해 r_S = 9 인 집합은 r_S = 31 인 집합보다 성능이 뛰어나, 낮은 상관계수 지표가 더 좋은 성능를 유도함을 보여준다.
• RM(3,7)에서 r_S = 69 인 집합과 r_S = 313 인 집합을 비교했을 때, PCPA와 CPA 간 성능 격차는 WER = 10⁻³일 때 단지 0.25 dB 뿐이다.
• 상관계수 r_S 는 하위공간 집합의 품질을 효과적으로 예측할 수 있다: 낮은 r_S 는 높은 추정치 일치도와 더 나은 디코딩 성능를 의미한다.
• RM(3,5)에 대해 9개의 투영을 사용한 PCPA는 CPA 및 하한 유니온 경계에 매우 가까운 성능를 달성하여, 상관계수 기반 선택 전략의 효과성을 입증한다.