[논문 리뷰] Segmented GRAND: Complexity Reduction through Sub-Pattern Combination

Mohammad Rowshan, Jinhong Yuan|arXiv (Cornell University)|2023. 05. 24.

Advanced Wireless Communication Techniques인용 수 4

한 줄 요약

이 논문은 복호화 복잡도를 줄이기 위해 부호어를 패리티 제약 조건에 기반해 세그먼트로 나누고, 각 세그먼트당 부분 패턴을 생성한 후 두 수준의 정수 분할을 통해 근사 최대우도 순서로 조합하는, 근사 최대우도 복호화 기법인 세그먼트화된 ORBGRAND을 제안한다. 이 방법은 평균 쿼리 수를 최대 3배까지 감소시키며, 특히 저신호대노이즈비율(SNR) 및 저코드율에서 버블 오류율(BLER) 성능을 향상시킨다.

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.

연구 동기 및 목표

• 저신호대노이즈비율(SNR) 및 저코드율에서 기존 ORBGRAND 및 GRAND가 과도한 무효 오류 패턴 쿼리로 인해 성능이 저하되는 문제를 해결하기 위해 GRAND의 높은 복호화 복잡도를 해결한다.
• 각 세그먼트의 검사 공간을 제약하는 패리티 제약 조건을 활용해 복호화 중 생성되는 무효 오류 패턴 수를 줄인다.
• 두 수준의 정수 분할을 통해 부분 패턴을 근사 최대우도 순서로 조합함으로써 오류 수정 성능을 향상시키고 평균 쿼리 수를 감소시킨다.
• 단기 블록 길이 부호에 대해 근사 최대우도 복호화의 실용적 구현을 가능하게 하기 위해 성능을 희생시키지 않은 채 계산 부담을 크게 낮춘다.

제안 방법

• 패리티 검사 행렬의 구조에 기반해 부호어를 세그먼트로 나누고, 행 연산을 통해 각 세그먼트에 대해 독립적인 패리티 제약 조건을 추출한다.
• 심호와 일치하는 부분 패턴을 각 세그먼트에 대해 생성하여, 각 세그먼트 내에서 오직 유효한 오류 패턴만 고려한다.
• 로지스틱 무게의 두 수준 정수 분할을 사용해 부분 패턴 조합을 근사 최대우도 순서로 정렬하고, 가장 가능성 높은 오류 패턴 조합을 우선순위로 배치한다.
• 다른 세그먼트의 부분 패턴을 조합하는 방식으로, 총 후보 패턴 수를 줄이면서도 가능성 순서를 유지한다.
• 정해진 수의 쿼리 내에 유효한 부호어를 찾지 못하면 복호화를 조기에 종료하는 기각 임계값을 도입함으로써 효율성을 향상시킨다. 이는 약간의 BLER 저하를 감수하는 대신 복잡도를 낮춘다.
• 비트의 신뢰성과 부호의 구조를 활용해 세그먼트화 및 부분 패턴 생성을 이끌어내어, 일치하지 않는 오류 패턴의 수를 최소화한다.

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

실험 결과

연구 질문

• RQ1 패리티 제약 조건에 기반해 부호어를 세그먼트로 나누면 GRAND 복호화 중 생성되는 무효 오류 패턴 수가 줄어들 수 있는가?
• RQ2 세그먼트화된 부호어에서 부분 패턴을 두 수준 정수 분할 순서로 조합하면 낮은 복잡도로 근사 최대우도 성능을 달성할 수 있는가?
• RQ3 다양한 신호대노이즈비율(SNR) 영역에서 제안된 세그먼트화된 ORBGRAND는 기존 ORBGRAND 대비 평균 쿼리 수를 얼마나 줄이는가?
• RQ4 기각 임계값의 포함 여부가 복호화 복잡도와 블록 오류율(BLER) 간의 트레이드오���에 어떤 영향을 미치는가?
• RQ5 단기 블록 길이 부호에 대해 세그먼트화된 ORBGRAND는 OSD 및 Chase-II와 같은 전통적인 최대우도 복호화 기법보다 복잡도와 BLER 측면에서 뛰어난 성능을 보일 수 있는가?

주요 결과

• eBCH(128,106)에 대해 세그먼트화된 ORBGRAND는 저신호대노이즈비율(SNR)에서 기존 ORBGRAND 대비 평균 쿼리 수를 최대 3배까지 감소시킨다.
• 기각 임계값을 $10^5$로 설정했을 때, eBCH(128,106)의 평균 쿼리 수는 NoC 기준 460.7에서 2C 기준 208.9로 감소하여 55% 감소했다.
• PAC(64,44)의 경우 평균 쿼리 수는 NoC 기준 95.1에서 49.0으로 감소하여 48.4% 감소했으며, 이는 일관된 성능 향상을 보여준다.
• 세그먼트화된 ORBGRAND의 BLER 성능은 ORBGRAND와 거의 동일하지만, 훨씬 낮은 복잡도를 달성한다.
• 기각 기능을 통합함으로써 오류 수정 성능이 향상되며, 검색 공간이 줄어들어 임계값 이내에 유효한 부호어를 찾을 가능성이 높아진다.
• 고신호대노이즈비율(SNR)에서 세그먼트화된 ORBGRAND는 OSD(2)보다 복잡도가 떨어지고, Chase-II(3)와 비교해 BLER는 유사하거나 뛰어나며, 훨씬 적은 쿼리 수로도 성능을 달성하여 뛰어난 효율성을 입증한다.

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