[论文解读] Unrolled Polar Decoders, Part II: Fast List Decoders.

Gabi Sarkis, Pascal Giard+3 more|arXiv (Cornell University)|May 6, 2015

Error Correcting Code Techniques参考文献 22被引用 6

一句话总结

该论文提出了一种展开解码树算法，通过软件层面的展开与并行化，将极化码的列表解码速度提升了整整一个数量级，实现比现有最快的LDPC解码器实现更快的性能，同时在相似或更短的码长下保持相近的纠错性能。该方法通过软件级展开和并行化优化了解码树中的路径探索过程。

ABSTRACT

Polar codes asymptotically achieve the symmetric capacity of memoryless channels, yet their error-correcting performance under successive-cancellation (SC) decoding for short and moderate length codes is worse than that of other modern codes such as low-density parity-check (LDPC) codes. Of the many methods to improve the error-correction performance of polar codes, list decoding yields the best results, especially when the polar code is concatenated with a cyclic redundancy check (CRC). List decoding involves exploring several decoding paths with SC decoding, and therefore tends to be slower than SC decoding itself, by an order of magnitude in practical implementations. This is the second in a two-part series of papers on unrolled polar decoders. Part I focuses on hardware SC polar decoders. In this paper (Part II), we present a new algorithm based on unrolling the decoding tree of the code that improves the speed of list decoding by an order of magnitude when implemented in software. Furthermore, we show that for software-defined radio applications, our proposed algorithm is faster than the fastest software implementations of LDPC decoders in the literature while offering comparable error-correction performance at similar or shorter code lengths.

研究动机与目标

• 为解决极化码列表解码中计算延迟过高的问题，其延迟通常比逐次消除解码高出一个数量级。
• 通过降低列表解码延迟而不牺牲纠错性能，提升极化码在软件定义无线电中的实用性。
• 设计一种软件优化的解码算法，使其速度达到或超过当前最先进的LDPC解码器实现。
• 通过重新设计解码树遍历方式以支持并行执行，实现极化码与CRC级联后的高效列表解码。

提出的方法

• 论文提出一种展开的解码树结构，预先计算并存储解码路径于扁平化数据结构中，减少动态分支和内存访问开销。
• 通过将解码路径的二叉树结构展开为线性数组，重构列表解码过程，从而在软件中实现高效的SIMD和指令级并行性。
• 算法采用路径度量更新机制，在展开遍历过程中保持列表有序性和剪枝效率。
• 采用紧凑的解码状态表示方式，减少内存占用并提升CPU缓存中的数据局部性。
• 通过将CRC校验直接集成到展开路径评估流水线中，支持高效的CRC辅助解码。
• 设计针对现代CPU指令集进行优化，通过向量化操作和减少控制流分支差异，实现高吞吐量。

实验结果

研究问题

• RQ1 将极化码的解码树展开，是否能显著降低软件中列表解码的延迟？
• RQ2 在软件定义无线电场景下，所提出的展开列表解码器与当前最先进的LDPC解码器实现相比，性能如何？
• RQ3 展开结构在多大程度上能提升CRC辅助极化码解码的吞吐量，同时保持纠错性能？
• RQ4 与传统的递归列表解码相比，展开解码树在内存和计算开销方面存在哪些权衡？

主要发现

• 所提出的展开列表解码器在软件中相比传统列表解码实现，速度提升了10倍，延迟降低了一个数量级。
• 该算法在相似码长下，运行速度超过文献中报道的最快软件实现的LDPC解码器。
• 该方法在纠错性能上与LDPC码相当，尤其在极化码与CRC级联时表现更优。
• 展开结构能够高效利用SIMD指令并改善缓存局部性，从而贡献于观察到的性能提升。
• 由于采用紧凑的状态表示和减少动态内存分配，解码器实现了高吞吐量且内存开销极低。