論文の概要: Code Rate Optimization via Neural Polar Decoders

• arxiv url: http://arxiv.org/abs/2506.15836v1
• Date: Wed, 18 Jun 2025 19:22:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.822269
• Title: Code Rate Optimization via Neural Polar Decoders
• Title（参考訳）: ニューラルポーラデコーダによるコードレート最適化
• Authors: Ziv Aharoni, Bashar Huleihel, Henry D Pfister, Haim H Permuter,
• Abstract要約: ニューラル極復号器(NPD)の応用による通信速度の最適化手法を提案する。 チャネル入力と出力間の相互情報(MI)を推定するためにNPDを使用し、入力分布のモデルを最適化する。 均一かつ独立かつ同一に分散された入力分布によって達成されたものに対して,MIとBERの大幅な改善が見られた。
• 参考スコア（独自算出の注目度）: 19.03393799585162
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a method to optimize communication code rates via the application of neural polar decoders (NPDs). Employing this approach enables simultaneous optimization of code rates over input distributions while providing a practical coding scheme within the framework of polar codes. The proposed approach is designed for scenarios where the channel model is unknown, treating the channel as a black box that produces output samples from input samples. We employ polar codes to achieve our objectives, using NPDs to estimate mutual information (MI) between the channel inputs and outputs, and optimize a parametric model of the input distribution. The methodology involves a two-phase process: a training phase and an inference phase. In the training phase, two steps are repeated interchangeably. First, the estimation step estimates the MI of the channel inputs and outputs via NPDs. Second, the improvement step optimizes the input distribution parameters to maximize the MI estimate obtained by the NPDs. In the inference phase, the optimized model is used to construct polar codes. This involves incorporating the Honda-Yamamoto (HY) scheme to accommodate the optimized input distributions and list decoding to enhance decoding performance. Experimental results on memoryless and finite-state channels (FSCs) demonstrate the effectiveness of our approach, particularly in cases where the channel's capacity-achieving input distribution is non-uniform. For these cases, we show significant improvements in MI and bit error rates (BERs) over those achieved by uniform and independent and identically distributed (i.i.d.) input distributions, validating our method for block lengths up to 1024. This scalable approach has potential applications in real-world communication systems, bridging theoretical capacity estimation and practical coding performance.
• Abstract（参考訳）: 本稿では,ニューラル極復号器(NPD)を用いた通信速度の最適化手法を提案する。 このアプローチを利用することで、極性コードのフレームワーク内で実用的なコーディングスキームを提供しながら、入力分布よりもコードレートを同時に最適化することができる。 提案手法は,チャネルモデルが未知のシナリオに対して設計されており,チャネルを入力サンプルから出力サンプルを生成するブラックボックスとして扱う。 NPDを用いてチャネル入力と出力間の相互情報(MI)を推定し、入力分布のパラメトリックモデルを最適化する。 この方法論は、トレーニングフェーズと推論フェーズという2段階のプロセスを含む。 トレーニング段階では、2つのステップを交互に繰り返す。 まず、推定ステップは、チャネル入力のMIを推定し、NPDを介して出力する。 第二に、改善ステップは入力分布パラメータを最適化し、NPDによって得られたMI推定を最大化する。 推論フェーズでは、最適化されたモデルを使用して極性コードを構築する。 これは、最適化された入力分布と、デコード性能を高めるためにリストデコードに対応するために、Honda-yamamoto (HY) スキームを組み込むことを含む。 メモリレス・有限状態チャネル(FSC)実験の結果,特にチャネルのキャパシティを達成できる入力分布が一様でない場合において,本手法の有効性が示された。 これらのケースでは、一様かつ独立かつ同一に分散された入力分布(すなわち、d)により達成されたビット誤り率(BER)を大幅に改善し、ブロック長を最大1024まで検証する。 このスケーラブルなアプローチは、理論的キャパシティ推定と実用的な符号化性能をブリッジして、現実世界の通信システムに潜在的な応用をもたらす。

関連論文リスト

• Near-Field Channel Estimation for XL-MIMO: A Deep Generative Model Guided by Side Information [70.25632840894272]
  本稿では,大規模マルチインプット多重出力(XL-MIMO)システムにおける近接場(NF)チャネル推定について検討する。 我々は、推定チャネルを洗練するためのGenAIベースのアプローチを提案する。 実験結果から,提案手法はCEの大幅な性能向上を実現することができることが示された。
  論文  参考訳（メタデータ） (2025-05-11T08:35:36Z)
• Towards Optimal Multi-draft Speculative Decoding [102.67837141152232]
  MDSD(Multi-Draft Speculative Decoding)は、各トークンを生成する際に、小さなドラフトモデルで複数のドラフトを生成する手法である。 本稿では、最適輸送問題の双対性について論じ、最適受容率を効率的に計算する方法を提供する。
  論文  参考訳（メタデータ） (2025-02-26T03:22:44Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Data-Driven Optimization of Directed Information over Discrete Alphabets [15.372626012233736]
  方向性情報(DI)は、逐次解析モデルの研究と分析のための基本的な尺度である。 離散入力空間上でのDIのための新しい推定最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-02T12:25:40Z)
• Deep Learning-Based Intra Mode Derivation for Versatile Video Coding [65.96100964146062]
  本稿では,Deep Learning based intra Mode Derivation (DLIMD) と呼ばれるインテリジェントイントラモード導出法を提案する。 DLIMDのアーキテクチャは、異なる量子化パラメータ設定と、非平方要素を含む可変符号化ブロックに適応するように開発されている。 提案手法は,Versatile Video Coding (VVC) テストモデルを用いて,Y, U, Vコンポーネントの平均ビットレートを2.28%, 1.74%, 2.18%削減できる。
  論文  参考訳（メタデータ） (2022-04-08T13:23:59Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Neural Calibration for Scalable Beamforming in FDD Massive MIMO with Implicit Channel Estimation [10.775558382613077]
  チャネル推定とビームフォーミングは、周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおいて重要な役割を果たす。 受信したアップリンクパイロットに応じて,基地局のビームフォーマを直接最適化する深層学習方式を提案する。 エンド・ツー・エンドの設計のスケーラビリティを向上させるために,ニューラルキャリブレーション法を提案する。
  論文  参考訳（メタデータ） (2021-08-03T14:26:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。