[论文解读] An Efficient Soft Decoder of Block Codes Based on Compact Genetic Algorithm

Ahmed Azouaoui, Ahlam Berkani+1 more|arXiv (Cornell University)|Nov 14, 2012

Error Correcting Code Techniques参考文献 17被引用 9

一句话总结

本文提出了一种新型软判决译码算法，用于线性分组码，采用紧凑遗传算法（cGA）在对偶码上而非码本身上运行，显著降低了译码复杂度——尤其适用于高码率码。该方法在性能上与最先进的算法（如Shakeel的算法）相当，同时由于在对偶域中优化，计算负载更低。

ABSTRACT

Soft-decision decoding is NP-hard problem of great interest to developers of communication system. We present an efficient soft-decision decoding of linear block codes based on compact genetic algorithm (cGA) and compare its performance with various other decoding algorithms including Shakeel algorithms. The proposed algorithm uses the dual code in contrast to Shakeel algorithm that uses the code itself. Hence, this new approach reduces the decoding complexity of high rates codes. The complexity and an optimized version of this new algorithm is also presented and discussed.

研究动机与目标

• 为解决分组码软判决译码的NP难问题，提出一种基于启发式的方法。
• 降低译码复杂度，特别是传统方法计算成本高昂的高码率线性分组码。
• 利用对偶码结构，提升译码过程的收敛性和效率。
• 提出一种优化的cGA译码器版本，计算负载更低，性能更优。
• 在误码纠正能力和复杂度方面，将所提算法与现有软判决译码技术（包括Shakeel的算法）进行比较。

提出的方法

• 该算法使用紧凑遗传算法（cGA）在对偶码空间中搜索最可能的码字，而非原始码空间。
• 通过在对偶域中操作，减小了搜索空间，并利用对偶码的结构特性提升译码效率。
• cGA维护一个表示潜在解中比特分布的概率向量，通过选择和重组机制迭代更新。
• 适应度函数基于软输入度量评估候选解的可能性，引导搜索朝向最可能的码字。
• 通过调整cGA参数并减少冗余评估，引入了算法的优化版本，以提升速度和收敛性。
• 译码过程将对偶空间中找到的最佳解映射回原始码空间，输出估计的码字。

实验结果

研究问题

• RQ1 紧凑遗传算法能否在对偶域中有效译码分组码，从而降低译码复杂度？
• RQ2 与传统码空间译码相比，对偶域译码在误码纠正性能和计算负载方面有何差异？
• RQ3 使用cGA对高码率码的软判决译码收敛速度和准确性有何影响？
• RQ4 与Shakeel的算法相比，所提方法在复杂度和误比特率性能方面表现如何？
• RQ5 哪些参数调优策略能提升基于cGA的译码器的效率和鲁棒性？

主要发现

• 所提cGA译码器在软判决译码的误比特率（BER）方面，性能与Shakeel的算法相当。
• 在对偶码空间中操作可降低译码复杂度，尤其对高码率码而言，因有效搜索空间更小。
• 与基线cGA实现相比，优化后的算法表现出更快的收敛速度和更低的计算负载。
• 该方法在各种信噪比（SNR）水平下均表现出鲁棒性，能以高效搜索维持低BER。
• 利用对偶码可更好地利用码的结构特性，增强启发式搜索的有效性。
• 结果证实，通过cGA实现的对偶域译码是传统软判决译码方法的可行且高效的替代方案。