ITERACYJNE DEKODOWANIE KRÓTKICH KODÓW PARZYSTOŚCI O NISKIEJ GĘSTOŚCI W OPARCIU O EWOLUCJĘ RÓŻNICOWĄ
Mykola Shtompel
shtompel.mykola@kart.edu.uaUkrainian State University of Railway Transport, Department of Transport Communication (Ukraina)
https://orcid.org/0000-0003-3132-8335
Sergii Prykhodko
Ukrainian State University of Railway Transport, Department of Transport Communication (Ukraina)
https://orcid.org/0000-0001-6535-8351
Abstrakt
Aby zapewnić określoną jakość usług w sieciach Internetu Rzeczy, stosowane są krótkie kody korekcji błędów, w szczególności kody kontroli parzystości o niskiej gęstości. W artykule zaproponowano podejście do dekodowania tych kodów oparte na wspólnym zastosowaniu procedur propagacji zaufania i ewolucji różnicowej. Pokazano, że w celu zmniejszenia obszaru wyszukiwania wektorów błędów w oparciu o ewolucję różnicową, konieczne jest użycie najmniej wiarygodnej podstawy macierzy kontroli parzystości. Przedstawiono schemat blokowy i pseudokod połączonego algorytmu dekodowania krótkich kodów kontroli parzystości o niskiej gęstości. Wyniki symulacji wykazały, że proponowana metoda dekodowania zapewnia dodatkowy zysk
z kodowania w porównaniu z klasyczną metodą dekodowania. Zastosowanie przedstawionej iteracyjnej metody dekodowania krótkich kodów o niskiej gęstości parzystości poprawi wydajność transmisji danych w infrastrukturze Internetu Rzeczy.
Słowa kluczowe:
Internet Rzeczy, kody o niskiej gęstości parzystości, dekodowanie iteracyjne, ewolucja różnicowaBibliografia
Buchberger A. et al.: Learned decimation for neural belief propagation decoders: Invited paper. ICASSP 2021–2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2021, 8273–8277.
Google Scholar
Chaibi H. et al.: Parallel genetic algorithm decoder scheme based on DP-LDPC codes for industrial IoT scenarios. Procedia Computer Science 176, 2020, 3496–3505.
Google Scholar
Chettri L., Bera R.: A comprehensive survey on internet of things (IoT) toward 5G wireless systems. IEEE Internet of Things Journal 7(1), 2019, 16–32.
Google Scholar
Jiang M. et al.: Partial CRC-aided decoding of 5G-NR short codes using reliability information. Science China Information Sciences 62, 80303, 2019.
Google Scholar
Khan B. S. et al.: URLLC and eMBB in 5G industrial IoT: A survey. IEEE Open Journal of the Communications Society 3, 2022, 1134–1163.
Google Scholar
Liu T., Chen X.: Deep learning-based belief propagation algorithm over non-binary finite fields. International Conference on Wireless Communications and Signal Processing (WCSP), 2020, 164–169.
Google Scholar
Panchenko S. et al.: Analysis of efficiency of the bioinspired method for decoding algebraic convolutional codes. Eastern-European Journal of Enterprise Technologies 2-4(98), 2019, 22–30.
Google Scholar
Price K., Storn R. M., Lampinen J. A.: Differential evolution: A practical approach to global optimization. Springer 2005.
Google Scholar
Rosseel J. et al.: Error structure aware parallel BP-RNN decoders for short LDPC codes. 2021 11th International Symposium on Topics in Coding (ISTC), 2021, 1–5.
Google Scholar
Rosseel J. et al.: Decoding short LDPC codes via BP-RNN diversity and reliability-based post-processing. IEEE Transactions on Communications 70(12), 2022, 7830–7842.
Google Scholar
Watanabe K. et al.: Shortened LDPC codes accelerate OSD decoding performance. EURASIP Journal on Wireless Communications and Networking 22, 2021.
Google Scholar
Autorzy
Mykola Shtompelshtompel.mykola@kart.edu.ua
Ukrainian State University of Railway Transport, Department of Transport Communication Ukraina
https://orcid.org/0000-0003-3132-8335
Autorzy
Sergii PrykhodkoUkrainian State University of Railway Transport, Department of Transport Communication Ukraina
https://orcid.org/0000-0001-6535-8351
Statystyki
Abstract views: 92PDF downloads: 43
