LDPC 码的停止集消除外文翻译资料

 2022-05-04 20:54:41

英语原文共 8 页,剩余内容已隐藏,支付完成后下载完整资料


2017年第五十五届Allerton会议

Allerton House,美国伊利诺伊州UIUC

2017年10月3日至6日

LDPC 码的停止集消除

Anxiao(Andrew)Jiang,Pulakesh Upadhyaya,Ying Wang,Krishna R. Narayanan,Hongchao Zhou,Jin Sima and Jehoshua Bruck

计算机科学与工程系, 德州农工大学

电子和计算机工程系, 德州农工大学

山东大学信息科学与工程学院

加州理工学院电气工程系

摘要

本文研究停止集消除问题,即给定一个停止集,如何去除最少的删除,以便通过k次迭代(包括k =infin;)中的置信传播来解码剩余的删除。 问题的NP硬度已被证实。 给出k = 1的近似算法。 并且当停止集合形成树时,有效的精确算法被提出用于一般k。

1.导言

在本文中,我们研究了LDPC码的一个基本理论问题:当一个噪声LDPC码字中的擦除不能被解码器纠正时,如何去除最少的擦除,以便剩余的擦除变得可解码?这个问题有几个应用程序:

分布式存储。像HDFS这样的分布式文件系统已被广泛应用于大数据应用。通常,它们将数据存储在块中,并将ECC应用于块(其中每个块被视为ECC的码字符号)。二进制LDPC码当然是分布式存储的有吸引力的候选者,因为它们具有优异的码率,良好的局部性(例如,可以通过本地磁盘从几个相邻块中恢复丢失的块)以及优异的计算简单性(仅使用XOR对于解码,因为当每个块具有t个比特时,解码可被看作并行解码的t个二进制LDPC码)。同时,几乎所有大型IT公司都在不同地点存储多份数据。因此,当一个站点在LDPC代码中丢失了一些块并且无法自行恢复它时,它需要从其他远程站点检索丢失的块。由于与远程站点的通信比访问本地磁盘成本高得多,因此只要剩余的擦除可解码,就希望尽量减少从远程站点检索的块数。

通过反馈进行卫星与地面通信。考虑卫星到地面通信,其中数据(例如,大感测图像)被分割成分组(即,块),并且LDPC码被施加在分组上(类似于分布式存储的情况)。由于信道嘈杂,地面接收的一些数据包可能无法解码,地面将请求卫星重新发送一些丢失的数据包。由于卫星地面通信的成本很高,因此希望最小化重发分组的数量。

让我们更具体地定义问题。让LDPC码的解码器成为以下广泛使用的迭代信念传播(BP)算法:在每次迭代中,使用每一个只涉及一次擦除的paritycheck方程来解码该擦除;并重复,直到每个方程涉及零或至少两个删除。如果解码失败,那么我们留下一个停止集,这是一组删除,这样每个涉及它们的奇偶校验方程至少涉及其中的两个。如果我们用双向Tanner图来表示LDPC码,则停止集是变量节点的子集(表示删除),使得与其中任何一个相邻的校验节点至少与其中的两个相邻。我们举例说明了图1中不同原始比特擦除率(RBER)的停止集的平均大小。它是针对速率为0.923的(8192,7561)LDPC码和正则度 (dv = 3, dc = 39)。(对于接近码的解码阈值的RBER,BP解码后的不可校正的比特擦除率(UBER)如图1(a)所示。)对于从0到1的全部范围内的RBER,平均停止集大小即BP解码后的不可解码擦除的平均数量)如图1(b)所示。可以看出,随着RBER从0增加到1,平均停止集大小近似线性增加(从0到8192)。

图1 (81927561) LDPC 码的统计

(a) 在代码的解码阈值附近为不同的 RBERs (b) 不同 RBERs 的平均停车设置大小

现在可以将学习问题正式地定义如下。假设G =(Vcup;C,E)为二部图,其中V(表示擦除)是LDPC码Tanner图中变量节点的子集,C是同一Tanner图中校验节点的子集, C中的节点与V中的至少一个节点相邻,E是Tanner图中边的集合,其中一个端点在V中,另一个端点在C中。如果C中的每个节点具有二次或更多次数,则称为G停止图和V被称为停止组。现在让kge;1是一个整数参数。如果在G上运行的迭代BP算法(如前所述)可以在k次迭代内对V中的所有变量节点(其中V中的每个变量节点都是擦除)进行解码,那么V被称为可解码集(或简单地可解码)。否则,它是一个不可解码集(或者简单地不可解码)。 (这里我们引入参数k来使问题更一般,并且不仅控制擦除的可解码性,而且还控制解码的时间。)注意,停止集必须是不可解码集,但反之亦然。我们研究的问题称为停止消除(SSEk)问题,如下所示。

定义1.给定一个停止图G =(Vcup;C,E),如何从V中移除最小数量的变量节点,使得其余变量节点可以在k次迭代内通过BP解码来解码?

如果对“k次迭代”的约束不存在,我们可以看到k为infin;并称之为SSEinfin;问题。

本文的其余部分安排如下。 在第二节和第三节中,我们分别证明了SSEinfin;问题的NP-硬度和有限k的SSEk问题。 在第四节中,我们提出了后一个问题的近似算法。 在第五节中,我们提出了有效的算法,当停止集形成树结构时,它为SSE问题返回最优解。 在第六部分,我们提出结论。 由于空间限制,我们跳过一些细节进行证明和分析。 有兴趣的读者可以参考完整论文[3]了解详情。

2.SSEinfin;问题的NP-Hardness

在本节中,我们证明了SSEinfin;问题是NP难题。证明有两个步骤:首先,使用众所周知的集合覆盖问题,我们证明了覆盖几乎所有元素的相关覆盖问题 - 我们称之为伪集合覆盖问题 - 是NP完全的;那么我们将后一个问题归结为SSEinfin;问题。

A.伪集覆盖问题的NP完备性

考虑众所周知的集封面问题。假设让T = {T1, T2,···, Tn}是 n 元素的一个宇宙 。让 S1, S2,···, Sm 是 T的 子集 ,使得T=Umi=1Si(每个Si被认为覆盖了它的元素)。设kle;m是一个正整数。设置的覆盖问题询问是否存在 k 子集的Si1 , Si2, ···, Sik 使得.T=Ukj=1Sij现在, 我们定义一个伪集覆盖问题, 它只在其问题中不同: 它询问是否存在 k 子集 si1Si 2,···, Sik 使得.|Ukj=1Sij|ge;|T|-1

定理2.伪集覆盖问题是NP-完备的。

伪集合覆盖问题与经典集合覆盖问题密切相关。 为了证明上述定理,请参见[3]。

B.SSEinfin;问题的NP-硬度

我们现在通过使用伪套覆盖问题的减少来证明SSEinfin;问题的NP硬度。 让我们从一些结构开始。

考虑图2(a)所示的二分图。 它由四个变量节点 (si,tj,uij和wij)和三个校验节点(c1i,j,c2i,j和c3i,j)。我们通过Di、j来表示它, 以指示它连接节si和节点tj。我们证明了它在迭代BP 解码的一些基本属性.

图2

(a) 二部图 Di,j, 它连接变量节点si和t j

(b) 图形 Dij的符号

(c) 伪集覆盖问题的实例, 其中 T = {T1, t2, t3, t4, T5} 和 S1 = {t1, t3, t4}, S2 = {t 1, t3}, S3 = {t 2, t4, t5}

(d) 相应的图形 GI

(e) 对应的图形 GI , 并提供了完整的详细信息

(f) 相应的图形 GII

引理3. 在图形 Di j, 包含变量节点si ,tj ,ui, j ,和 wi ,j作为停止集, 如果变量节点的值 si 已知, BP 解码算法将恢复所有其余三个变量节点的值.

另一方面, 如果变量节点的值 t j 已知, BP 解码算法将无法恢复其他三个变量节点的值.

证明: 如果值 s i 通过使用检查节点来了解 c 1 i、j 和 c 2 i、j , BP 解码算法将恢复u i, j 和 w i, j 的值。然后通过检查节点 c3i, j, 它将恢复 t j 的值.

如果值 t j 变为已知, 因为 c 3 i, j 次数为3, BP 算法将无法恢复任何其他值。

图形 Di、j 将被视为连接节点s i 和节点 t j 的'小工具' 。为了简化演示文稿, 在下面, 我们通常用图 2 (b) 中所示的符号来表示它, 其中 '门' g i, j 代表 五节点 (c 1 i、j , c 2 i、j , c 3 i、j , u i, j , w i, j ) 及其事件边缘。门的 '方向' g i, j 表示上述引理中显示的 '定向' 属性: 解码 s i 导致解码 t j , 但不反之亦然.

如前所述,考虑输入参数的伪集覆盖问题 T = {t1, t2,···, tn}, S 1 , S 2 , ···, Sm 和 k le; m 。为了将其减少到 SSEinfin; 问题, 我们将伪集覆盖问题的每个实例映射到 SSEinfin;问题的某个实例.

让我们从生成二进图G I开始。我们首先分配m n个节点:对于伪集覆盖问题中的每个子集S i(1le;ile;m)或元素t j(1le;jle;n),在G I中存在对应的变量节点s i或t j。 然后,每当伪集覆盖问题有t jisin;S i,我们通过二部图D i,j连接节点s i和t j。 这样获得的图形是G I.下面显示了一个示例.

示例4。让伪集覆盖问题为 T = {T1, t2, t3, t4, T5} 和 S 1 = {t1, t3, t4}, S2 {t1, t 3}, S3 = {t2, t4, t5}。(因为 k 与映射无关, 我们不指定它。) 如图2(c)所示,当且仅当tjisin;Si时,存在Si与tj之间的边。在图2(d)和(e)中都示出了相应的图GI, 在图 2 (d) 中使用每个 di、j 的符号, 以及的完整详细信息. GI 如图 2 (e) 所示。很容易看到 GI 和伪集覆盖问题之间的对应关系。

我们现在创建二进图 GII 如下所示。给定的图形 GI, 我们添加 m 1 附加检查节点c0, c 1 , c2,···, cm 。对于 0 le; i le; m 和 1 le;jle;

全文共17196字,剩余内容已隐藏,支付完成后下载完整资料


资料编号:[12725],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。