論文の概要: AI/ML based Joint Source and Channel Coding for HARQ-ACK Payload
- arxiv url: http://arxiv.org/abs/2511.19943v1
- Date: Tue, 25 Nov 2025 05:31:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.289493
- Title: AI/ML based Joint Source and Channel Coding for HARQ-ACK Payload
- Title（参考訳）: HARQ-ACK PayloadのためのAI/MLベースジョイントソースとチャネル符号化
- Authors: Akash Doshi, Pinar Sen, Kirill Ivanov, Wei Yang, June Namgoong, Runxin Wang, Rachel Wang, Taesang Yoo, Jing Jiang, Tingfang Ji,
- Abstract要約: 我々は、新しい「フリーランチ」学習アルゴリズムを用いてトランスフォーマーベースのエンコーダを学習し、エンコーダの前のソースを利用するために、コードワードごとのパワーシェイピングを提案する。
我々は,複数の情報ビットを持つ符号化ビットシステムへのNeyman-Pearsonテストの拡張を開発し,デコーダのACKビット上でのUnequal Error Protection of NACKを実現する。
- 参考スコア（独自算出の注目度）: 7.429342241207199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Channel coding from 2G to 5G has assumed the inputs bits at the physical layer to be uniformly distributed. However, hybrid automatic repeat request acknowledgement (HARQ-ACK) bits transmitted in the uplink are inherently non-uniformly distributed. For such sources, significant performance gains could be obtained by employing joint source channel coding, aided by deep learning-based techniques. In this paper, we learn a transformer-based encoder using a novel "free-lunch" training algorithm and propose per-codeword power shaping to exploit the source prior at the encoder whilst being robust to small changes in the HARQ-ACK distribution. Furthermore, any HARQ-ACK decoder has to achieve a low negative acknowledgement (NACK) error rate to avoid radio link failures resulting from multiple NACK errors. We develop an extension of the Neyman-Pearson test to a coded bit system with multiple information bits to achieve Unequal Error Protection of NACK over ACK bits at the decoder. Finally, we apply the proposed encoder and decoder designs to a 5G New Radio (NR) compliant uplink setup under a fading channel, describing the optimal receiver design and a low complexity coherent approximation to it. Our results demonstrate 3-6 dB reduction in the average transmit power required to achieve the target error rates compared to the NR baseline, while also achieving a 2-3 dB reduction in the maximum transmit power, thus providing for significant coverage gains and power savings.
- Abstract（参考訳）: 2Gから5Gまでのチャネル符号化は、物理層の入力ビットを均一に分散させると仮定している。
しかし、アップリンクに送信されるハイブリッド自動リピート要求認識(HARQ-ACK)ビットは本質的に一様ではない。
このような情報源に対しては、深層学習技術によって支援されたジョイントソースチャネル符号化を用いることで、大幅な性能向上が得られる。
本稿では、新しい「フリーランチ」学習アルゴリズムを用いてトランスフォーマーベースのエンコーダを学習し、HARQ-ACK分布の小さな変化に対して頑健でありながら、エンコーダの前のソースを利用するために、コードワードごとのパワーシェーピングを提案する。
さらに、任意のHARQ-ACKデコーダは、複数のNACKエラーによる無線リンク障害を回避するために、低負の認識(NACK)エラー率を達成する必要がある。
我々は,複数の情報ビットを持つ符号化ビットシステムへのNeyman-Pearsonテストの拡張を開発し,デコーダのACKビット上でのUnequal Error Protection of NACKを実現する。
最後に,提案したエンコーダとデコーダの設計を,フェージングチャネルの下で5Gニューラジオ(NR)準拠のアップリンク設定に適用し,最適レシーバ設計と低複雑性コヒーレント近似を記述する。
その結果,NRベースラインと比較して目標誤差率を達成するのに必要な平均送信電力は3～6dB削減され,最大送信電力は2～3dB削減された。
関連論文リスト
- Fooling the Decoder: An Adversarial Attack on Quantum Error Correction [49.48516314472825]
本研究では,基本的なRL曲面符号デコーダ(DeepQ)を目標とし,量子誤り訂正に対する最初の逆攻撃を生成する。
メモリ実験における論理量子ビット寿命を最大5桁まで短縮する攻撃を実証する。
この攻撃は、機械学習ベースのQECの感受性を強調し、堅牢なQEC手法に関するさらなる研究の重要性を強調している。
論文 参考訳（メタデータ） (2025-04-28T10:10:05Z) - Decoding for Punctured Convolutional and Turbo Codes: A Deep Learning Solution for Protocols Compliance [32.887114329215045]
本稿では,畳み込み畳み込み符号とターボ符号に対して,LSTMを用いたニューラルデコーダを提案する。
提案したLSTMベースのニューラルネットワークデコーダのキーコンポーネントは、句読取認識の埋め込みで、句読取パターンを直接ニューラルネットワークに組み込む。
論文 参考訳（メタデータ） (2025-02-21T14:00:14Z) - Hierarchical generation and design of quantum codes for resource-efficient loss-tolerant quantum communications [0.0]
我々は損失耐性量子コードを生成するための新しいプロトコルを開発した。
これらのコードは、クォービット損失に対する情報保護の中心である。
静的フィードバック機構を備えた単一量子エミッタでこれを実現する方法を示す。
論文 参考訳（メタデータ） (2025-01-30T19:00:06Z) - Efficient Encoder-Decoder Transformer Decoding for Decomposable Tasks [53.550782959908524]
エンコーダ・デコーダモデルのための新しい構成を導入し、構造化された出力と分解可能なタスクの効率を改善する。
提案手法は,インプットを一度エンコードして並列にデコードすることで,トレーニングと推論の効率を向上する。
論文 参考訳（メタデータ） (2024-03-19T19:27:23Z) - Modular decoding: parallelizable real-time decoding for quantum
computers [55.41644538483948]
リアルタイム量子計算は、ノイズの多い量子ハードウェアによって生成されたデータのストリームから論理的な結果を取り出すことができる復号アルゴリズムを必要とする。
本稿では,デコーディングの精度を犠牲にすることなく,最小限の追加通信でこの問題に対処できるモジュールデコーディングを提案する。
本稿では,格子探索型耐故障ブロックのモジュールデコーディングの具体例であるエッジ頂点分解について紹介する。
論文 参考訳（メタデータ） (2023-03-08T19:26:10Z) - Denoising Diffusion Error Correction Codes [92.10654749898927]
近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。
最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。
本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
論文 参考訳（メタデータ） (2022-09-16T11:00:50Z) - Graph Neural Networks for Channel Decoding [71.15576353630667]
低密度パリティチェック(LDPC)やBCH符号など、様々な符号化方式の競合復号性能を示す。
ニューラルネットワーク(NN)は、与えられたグラフ上で一般化されたメッセージパッシングアルゴリズムを学習する。
提案するデコーダを,従来のチャネル復号法および最近のディープラーニングに基づく結果と比較した。
論文 参考訳（メタデータ） (2022-07-29T15:29:18Z) - Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。
本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。
我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
論文 参考訳（メタデータ） (2022-02-09T18:48:02Z) - DRF Codes: Deep SNR-Robust Feedback Codes [2.6074034431152344]
本稿では,DNN(Deep-neural-network)に基づく誤り訂正符号を提案する。
付加的な白色ガウス雑音 (AWGN) チャネルにおけるSNR損耗率と誤り率の両面から, DRF符号の精度は, 高い結果が得られた。
論文 参考訳（メタデータ） (2021-12-22T10:47:25Z)
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。