[论文解读] Correction Trees as an Alternative to Turbo Codes and Low Density Parity Check Codes

Jarosław Duda, Paweł Korus|arXiv (Cornell University)|Apr 24, 2012

Error Correcting Code Techniques参考文献 8被引用 4

一句话总结

本文提出了一种基于大规模状态空间（2^64 个状态）的校正树的新颖纠错范式，实现在低至中等误码率下的近乎无损解码，且计算开销可忽略不计。通过用堆优化的序列解码过程替代传统的卷积解码，以校正路径的树结构为基础，该方法在 1/2 和 1/4 码率码中分别实现了高达 0.05 和 0.13 的比特误码率下的实际纠错能力，优于低噪声环境下的 LDPC 和 Turbo 码，同时在接近香农极限时仍保持有效性。

ABSTRACT

The rapidly improving performance of modern hardware renders convolutional codes obsolete, and allows for the practical implementation of more sophisticated correction codes such as low density parity check (LDPC) and turbo codes (TC). Both are decoded by iterative algorithms, which require a disproportional computational effort for low channel noise. They are also unable to correct higher noise levels, still below the Shannon theoretical limit. In this paper, we discuss an enhanced version of a convolutional-like decoding paradigm which adopts very large spaces of possible system states, of the order of $2^{64}$. Under such conditions, the traditional convolution operation is rendered useless and needs to be replaced by a carefully designed state transition procedure. The size of the system state space completely changes the correction philosophy, as state collisions are virtually impossible and the decoding procedure becomes a correction tree. The proposed decoding algorithm is practically cost-free for low channel noise. As the channel noise approaches the Shannon limit, it is still possible to perform correction, although its cost increases to infinity. In many applications, the implemented decoder can essentially outperform both LDPC and TC. This paper describes the proposed correction paradigm and theoretically analyzes the asymptotic correction performance. The considered encoder and decoder were verified experimentally for the binary symmetric channel. The correction process remains practically cost-free for channel error rates below 0.05 and 0.13 for the 1/2 and 1/4 rate codes, respectively. For the considered resource limit, the output bit error rates reach the order of $10^{-3}$ for channel error rates 0.08 and 0.18. The proposed correction paradigm can be easily extended to other communication channels; the appropriate generalizations are also discussed in this study.

研究动机与目标

• 为解决 LDPC 和 Turbo 码在低噪声环境下因固定开销的迭代解码效率低下而存在的局限性。
• 探索在卷积式编码中使用极大状态空间（≥2^64）的潜力，以减少状态碰撞，并实现基于树的解码。
• 设计一种低复杂度、可扩展的解码算法，使其在低误码率下实际计算成本趋近于零。
• 证明即使计算成本随渐近增加，纠错仍可在接近香农极限处持续进行。
• 提供一种可适应多种信道（包括删除、插入和同步错误）的框架。

提出的方法

• 使用至少 2^64 的系统状态空间，使状态碰撞的概率几乎可忽略（约 5×10^−20），从而将纠错结构从循环状态机转变为树结构。
• 采用序列解码策略，其中校正树中的每个节点代表一条部分校正路径，节点权重反映该路径的可能性。
• 利用最小堆数据结构，高效获取每一步中最可能的校正路径，与基于栈的方法相比，访问复杂度从 O(n) 降低至 O(log n)。
• 应用双向校正机制，同时探索前向和后向校正路径，显著降低失败概率。
• 将初始节点权重设为转换概率的负对数，以高效剪枝不可能的校正模式。
• 通过将删除、插入和全局双射变换建模为可调权重的概率校正，将该方法推广至具有比特擦除、删除和全局同步错误的信道。

实验结果

研究问题

• RQ1 具有 2^64 状态空间的校正系统是否能消除状态碰撞，并实现基于树的解码而非基于循环的状态转移？
• RQ2 基于堆的序列解码算法是否相比基于栈或迭代的方法显著降低解码复杂度？
• RQ3 所提出的校正树是否能在低信道误码率下实现近乎零计算成本，优于 LDPC 和 Turbo 码？
• RQ4 当信道误码率趋近香农极限时，解码成本如何变化？
• RQ5 该方法在存在删除、插入或同步错误的信道中，纠错能力可达到何种程度？

主要发现

• 对于 1/2 码率码，当信道比特误码率低于 0.05 时，校正过程实际计算成本可忽略不计，在 0.08 误码率下输出比特误码率可达到 10^−3。
• 对于 1/4 码率码，该方法在信道误码率高达 0.13 时仍具成本效益，在 0.18 误码率下输出比特误码率可达到 10^−3。
• 随着信道噪声趋近香农极限，解码成本趋于无穷大，但纠错在理论上仍可实现。
• 双向校正机制显著降低了失败概率，尤其在高误码率环境下。
• 基于堆的校正路径选择将每步操作的解码复杂度降低至 O(log n)，实现了高效的大规模树遍历。
• 该方法在擦除信道、删除和同步错误信道中均具有良好的泛化能力，分析结果表明当码率低于香农容量时，纠错速度超过树的增长速度。