文献

J-GLOBAL ID：202202267499007416   整理番号：22A0223733

MarkovGaussメモリインパルス雑音チャネルにおける極符号のための深層学習ベース復号化【JST・京大機械翻訳】

Deep Learning Based Decoding for Polar Codes in Markov Gaussian Memory Impulse Noise Channels

著者 (3件)： Tseng Shu-Ming (Department of Electronic Engineering, National Taipei University of Technology, Taipei, Taiwan) ,  Hsu Wei-Cheng (Pegatron Corporation, Taipei, Taiwan) ,  Tseng Der-Feng (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan)
資料名： Wireless Personal Communications  (Wireless Personal Communications)
巻： 122  号： 1  ページ： 737-753  発行年： 2022年 
JST資料番号： W2022A  ISSN： 0929-6212  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 以前の論文では,機械学習を使用しない復号方式は,付加的白色Gauss雑音またはメモリレスインパルス雑音を考慮した。計算複雑度と復号化待ち時間を減らすために深い学習を適用する復号化方法は,インパルス雑音を考慮しない。ここでは,MarkovGaussメモリインパルス雑音チャネルの下での極符号に対するLong Short-Termメモリ(LSTM)ニューラルネットワーク(NN)復号器を適用し,そのビット誤り率を,逐次キャンセル化(SC),Belief伝搬(BP)および逐次キャンセル化リスト(SCL)のような既存の極符号復号器と比較した。シミュレーション結果において,最初に,提案したLSTMベースの極符号復号器を訓練するために,MarkovGaussメモリインパルス雑音チャネルにおける最適訓練SNR値4.5dBを見つけた。最適訓練SNR値はAWGNチャネルで1.5dBと異なった。提案したLSTMベースの極符号復号器のビットエラー率は,MarkovGaussメモリインパルス雑音チャネルにおける以前の非深層学習ベースの復号器SC/BP/SCLの3分の1である。提案したLSTMベースの方法の実行時間は,提案したLSTMベースの方法が固有の並列構造を持ち,1つのショット操作を持つので,SC/BP/SCL法よりも5Ω≦12倍少なく,従って復号化待ち時間がはるかに少ない。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *記憶装置 ,  シミュレーション ,  ニューラルネットワーク ,  復号器 ,  Gauss雑音 ,  *インパルス雑音 ,  *復号化 ,  計算量 ,  待ち時間 ,  チャネル ,  機械学習 ,  AWGN通信路
準シソーラス用語： ビット誤り率 ,  実行時間 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： MarkovGaussチャネル ,  メモリインパルス雑音 ,  極コード ,  長期短期記憶

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (5件)： インパルス雑音 ,  チャネル ,  符号 ,  深層学習 ,  復号化