[논문 리뷰] Evaluation and Optimization of Gaussian Approximation for Polar Codes.

Jincheng Dai, Kai Niu외 2명|arXiv (Cornell University)|2015. 11. 23.

Error Correcting Code Techniques참고 문헌 18인용 수 12

한 줄 요약

이 논문은 기존 AGA에서의 서브채널 정렬 오류를 식별하기 위해 분화 위반 집합(PVS)과 분화 역전 집합(PRS)을 도입하여 다중 세그먼트 가우시안 근사(GA) 함수를 개선한다. 누적 로그 오차(CLE) 지표와 그 상한을 바탕으로 새로운 방법은 근사 정확도를 향상시켜 장코드 길이에서 고성능 펄스 코드를 가능하게 한다.

ABSTRACT

Gaussian approximation (GA) is widely used to construct polar codes. However when the code length is relatively long, the subchannel selection inaccuracy due to the calculation error of conventional approximate GA (AGA), which uses two-segment approximation function, results in a catastrophic performance loss. In this paper, new principles to design GA approximation functions are proposed. First, we introduce the concepts of polarization violation set (PVS) and polarization reversal set (PRS) to explain the essential reason that conventional AGA can not work well. In the AGA process, the subchannels belonging to these two sets lead to the reliability sorting error among the subsequent subchannels, which violates Arikan's fundamental polarization principle. Moreover, we propose a new metric, named cumulative-logarithmic error (CLE), to quantitatively evaluate the remainder approximation error of AGA in logarithm. We derive the upper bound of CLE to simplify its calculation. Guided by PVS, PRS and CLE bound, we further propose new rules to design multi-segment GA approximation functions, which obviously improve the calculation accuracy of AGA so as to guarantee the excellent performance of polar codes. Numerical results show that the new proposed GA approximation functions are critical to construct high-performance polar codes with long code lengths.

연구 동기 및 목표

• 기존 가우시안 근사(AGA)에서의 서브채널 신뢰성 정렬 오류로 인한 장코드 길이 펄스 코드의 성능 저하 문제를 해결하기 위해.
• 분화 과정 중 서브채널 행동을 분석하여 AGA 실패의 근본 원인을 규명하기 위해.
• GA 함수 설계를 안내하기 위해 로그 영역에서의 근사 오차를 정량적으로 측정하기 위한 지표를 개발하기 위해.
• 아리칸의 분화 원리를 유지하면서 코드 구축 정확도를 향상시키는 새로운 다중 세그먼트 GA 근사 함수를 제안하기 위해.

제안 방법

• 기존 이중 세그먼트 AGA가 잘못 예측하는 서브채널을 식별하기 위해 분화 위반 집합(PVS)을 도입한다.
• 근사 오류로 인해 예상된 신뢰성 순위가 뒤바뀌는 서브채널을 분화 역전 집합(PRS)으로 정의한다.
• 로그 영역에서 잔여 근사 오차를 정량화하기 위해 누적 로그 오차(CLE) 지표를 제안한다.
• CLE의 계산을 단순화하고 효율적인 최적화를 가능하게 하기 위해 CLE의 상한을 유도한다.
• PVS, PRS 및 CLE 상한을 설계 제약 조건으로 사용하여 새로운 다중 세그먼트 GA 근사 함수를 구축한다.
• 기본적인 펄스 코드의 분화 행동을 유지하면서 CLE를 최소화하는 방식으로 GA 근사 함수를 최적화한다.

실험 결과

연구 질문

• RQ1 왜 기존 이중 세그먼트 AGA가 장코드 길이의 펄스 코드에서 서브채널 신뢰성 정렬을 정확히 수행하지 못하는가?
• RQ2 AGA에서 신뢰성 정렬 오류의 구조적 원인은 무엇이며, 이를 형식적으로 특성화할 수 있는가?
• RQ3 AGA의 근사 오차는 어떻게 로그 공간에서 정량적으로 측정할 수 있으며, 이를 함수 설계에 어떻게 활용할 수 있는가?
• RQ4 분화 위반 및 분화 역전 집합을 피할 수 있도록 다중 세그먼트 GA 근사 함수를 설계할 수 있는가?
• RQ5 제안된 방법은 기존 AGA에 비해 장코드 길이의 펄스 코드 성능을 어느 정도 향상시키는가?

주요 결과

• 기존 이중 세그먼트 AGA가 장코드 길이에서 실패하는 이유는 분화 위반 집합(PVS)과 분화 역전 집합(PRS)에 속하는 서브채널으로 인해 정확한 신뢰성 순서가 깨지기 때문이다.
• 누적 로그 오차(CLE) 지표는 로그 영역에서의 잔여 근사 오차를 효과적으로 정량화하여 AGA 정확도의 정밀한 평가를 가능하게 한다.
• CLE의 상한은 계산을 단순화하고 근사 함수 최적화를 효율적으로 수행할 수 있도록 한다.
• 제안된 다중 세그먼트 GA 근사 함수는 CLE를 크게 감소시키고 PVS/PRS 영향을 제거하여 올바른 서브채널 신뢰성 정렬을 보장한다.
• 수치 결과는 새로운 GA 근사 함수가 장코드 길이에서 고성능 펄스 코드를 가능하게 하며, 기존 AGA를 능가함을 확인한다.