The soft-aided bit-marking (SABM) algorithm is based on the idea of marking bits as highly reliable bits (HRBs), highly unreliable bits (HUBs), and uncertain bits to improve the performance of hard-decision (HD) decoders. The HRBs and HUBs are used to assist the HD decoders to prevent miscorrections and to decode those originally uncorrectable cases via bit flipping (BF), respectively. In this paper, an improved SABM algorithm (called iSABM) is proposed for staircase codes (SCCs). Similar to the SABM, iSABM marks bits with the help of channel reliabilities, i.e., using the absolute values of the log-likelihood ratios. The improvements offered by iSABM include: (i) HUBs being classified using a reliability threshold, (ii) BF randomly selecting HUBs, and (iii) soft-aided decoding over multiple SCC blocks. The decoding complexity of iSABM is comparable of that of SABM. This is due to the fact that on the one hand no sorting is required (lower complexity) because of the use of a threshold for HUBs, while on the other hand multiple SCC blocks use soft information (higher complexity). Additional gains of up to 0.53 dB with respect to SABM and 0.91 dB with respect to standard SCC decoding at a bit error rate of $10^{-6}$ are reported. Furthermore, it is shown that using 1-bit reliability marking, i.e., only having HRBs and HUBs, only causes a gain penalty of up to 0.25 dB with a significantly reduced memory requirement.


翻译:软辅助比分标记( SABM) 算法基于以下想法: 将比特标记为高度可靠的比特( HRB) 、高度不可靠的比特( HUB) 和不确定比特, 以提高硬决定( HD) 解码器的性能。 HRB 和 HUB 用于协助 HD 解码器, 防止错误校正, 并分别通过比特翻转( BFF) 解码那些原本无法校正的案件。 本文中, 提议为楼梯代码( SCC) 改进SAB 算法( 称为 ISB) 。 类似于 SABM, iSABB 标记比特, 帮助频道再恢复性( 即使用对正对比值的绝对值) 。 iSABMR 显示比值比值比值比值, 而 IMB 的解码比值只比值比值比值只有1 。 这与 IMB 的数值比值比值比值比值比值比值不同, 是因为SB 。

0
下载
关闭预览

相关内容

如今,服务业占据了IT行业的主要部分。公司越来越喜欢专注于其核心专业领域,并使用IT服务来满足其所有外围需求。服务计算是一门新的科学,其目的是研究和更好地理解这个高度流行的产业的基础。它涵盖了利用计算和信息技术来建模、创建、操作和管理业务服务的科学和技术。SCC 2019也将为构建这一重要科学的支柱和塑造服务计算的未来做出贡献。 官网链接:https://conferences.computer.org/services/2019/
Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
专知会员服务
21+阅读 · 2021年3月25日
最新《Transformers模型》教程,64页ppt
专知会员服务
306+阅读 · 2020年11月26日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2019年1月8日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
手写决策树
七月在线实验室
4+阅读 · 2017年9月20日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
0+阅读 · 2021年5月7日
Arxiv
0+阅读 · 2021年5月4日
VIP会员
相关VIP内容
Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
专知会员服务
21+阅读 · 2021年3月25日
最新《Transformers模型》教程,64页ppt
专知会员服务
306+阅读 · 2020年11月26日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关资讯
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2019年1月8日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
手写决策树
七月在线实验室
4+阅读 · 2017年9月20日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员