Finite-Level Quantization Procedures for Construction and Decoding of Polar Codes
我们考虑有限级别，对称量化过程的建设和解码的极化码。在量子化存在的情况下是否发生极化一般是未知的。Hassani和Urbanke已经证明了一个简单的三能级量子化过程会极化，他们提出了一种计算方法来获得可实现速率的下限。我们找到了一种改进的计算方法，可达到的速率，也是在上述简单的情况下的块错误概率的精确渐近行为。然后，我们证明了某些D-级量化方案，并给出了一个下界可实现的速率。此外，我们表明，一个广泛的类的量子化程序的结果在一个较弱的形式的极化现象。
2020-05-10 cs.IT math.IT
Polar Coded Quantization for Distributed Source Coding
Technical University of Munich（慕尼黑工业大学）；Huawei Technologies Duesseldorf GmbH（华为技术有限公司杜塞尔多夫分公司）；Technion—Israel Institute of Technology（以色列理工学院）
本文提出极化编码量化用于高斯源分布式源编码，通过均方误差失真实现，设计短块长多级5G极化码以实现Wyner-Ziv极化编码量化，显著降低总失真。
2026-04-20 cs.IT math.IT
Binary quantization using Belief Propagation with decimation over factor graphs of LDGM codes
提出了一种基于低密度生成矩阵（LDGM）码因子图抽取的置信传播算法的二进制量化新算法。我们称之为Bias Propagation（BiP）的这种算法可以被认为是Wainwright等人[8]提出的用于二进制量化的Survey Propagation算法的特例。它实现了相同的接近最佳的率失真性能，具有更简单的框架和10-100倍的速度。因此，我们挑战的普遍信念，稀疏线性码的基础上的二进制量化不能解决简单的信念传播算法。最后，我们给出了适当的不规则LDGM代码的例子，与BiP算法的工作，并显示其性能。
2007-10-01 cs.IT math.IT
Design and Analysis of LDGM-Based Codes for MSE Quantization
在R^n的均方误差（MSE）量化中接近1.5329 dB整形（粒度）增益限制在许多问题中是重要的，特别是脏纸编码。为此，我们从一个二进制低密度生成矩阵（LDGM）码开始，并通过周期性地重复其二进制码字的集合来构造量化码书，或者通过Gray映射将其映射到m元码字。量化算法基于置信度传播，并且它使用抽取过程来进行收敛所需的猜测。利用一个真正的典型抽取器（TTD）的结果作为参考，它表明，所提出的量化器的渐近性能可以表征一定的单调性条件的代码的不动点属性，可以分析与密度演化，并进行度分布优化。当迭代次数有限时，通过引入从"坏“猜测中恢复的算法来分析所产生的损失，并且这种分析的结果使得能够进一步优化抽取的速度和度分布。仿真结果表明，在计算复杂性相近的情况下，基于LDGM的量化器的整形增益为1.4906 dB，比极限增益低0.0423 dB，明显优于网格编码量化（TCQ）.
2008-01-16 cs.IT math.IT
EXIT Chart Analysis of Turbo Compressed Sensing Using Message Passing De-Quantization
我们提出了一种迭代解码方法，我们称之为涡轮CS，级联源信道编码的稀疏信号的接收通过AWGN信道传输。turbo-CS编码器应用1比特压缩感测作为与卷积信道编码器串联的源编码器。在Turbo CS译码器中，提出了一种迭代的信源信道联合译码方法来重构信号。我们分析，第一次，涡轮CS解码器的收敛性，通过确定一个退出图的组成解码器。我们修改译码器的软输出以改善Turbo CS译码器的信号重建性能。对于10 dB的固定信号重构性能RSNR，我们在6次迭代后实现了超过5 dB的信道SNR改善。或者，对于-1 dB的固定SNR，我们实现了RSNR的10 dB改善。
2015-05-03 cs.IT math.IT
Generalized parallel concatenated block codes based on BCH and RS codes, construction and Iterative decoding
本文提出了一种基于BCH码和RS码的并行级联分组GPCB码的推广。
2013-03-18 cs.IT math.IT
Mutual-Information Optimized Quantization for LDPC Decoding of Accurately Modeled Flash Data
高容量NAND闪存使用多级单元（MLC）来在每个单元中存储多个位并实现高存储密度。更高的密度导致增加的原始出错率（BER），这需要强大的纠错码。低密度奇偶校验（LDPC）码是AWGN信道中一类著名的容量逼近码。然而，LDPC码传统上使用软信息，而闪存读取通道仅提供硬信息。低分辨率软信息可以通过以不同的字线电压执行每个单元的多次读取来获得。我们选择这些字线电压的值，以最大化的互信息的输入和输出的等效多读通道在任何指定的噪声模型。我们的研究结果表明，最大互信息（MMI）量化提供了更好的软信息LDPC解码给定的量化水平比恒定的PDF比量化的方法。我们还表明，调整LDPC码的量化设置的度分布提供了显着的性能改善。
2012-02-07 cs.IT math.IT
Iterative Bounded Distance Decoding of Product Codes with Scaled Reliability
提出了一种改进的乘积码迭代有界距离译码方法。该算法基于迭代地交换硬消息，并利用信道可靠性在每次迭代时做出硬决策。性能提高了0.26 dB。
2018-05-14 cs.IT math.IT
Iterative Decoding of Trellis-Constrained Codes inspired by Amplitude Amplification (Preliminary Version)
我们提出了一个解码器的网格约束码，超类的Turbo码和LDPC码。受量子计算振幅放大的启发，我们试图放大最可能的码字的相对可能性，直到它从所有其他码字中脱颖而出。
2019-10-28 cs.IT math.IT
A Novel and Efficient Vector Quantization Based CPRI Compression Algorithm
诸如集中式无线电接入网络（C-RAN）的未来无线网络将需要递送当前4G技术的约100至1000倍的数据率。对于基于C-RAN的网络架构，迫切需要极大地增强通用公共无线电接口（CPRI）的有效数据率。CPRI数据的压缩是潜在的增强之一。本文介绍了一种基于矢量量化的CPRI链路压缩算法，利用劳埃德算法。为了提高码书训练的性能，研究了I/Q样本矢量化方法和Lloyd码书训练算法的增强初始化方法。采用多级矢量量化和非均匀保护的多组量化，降低了码书搜索复杂度和码书大小。仿真结果表明，在误差向量幅度（EVM）失真小于2%的情况下，该方案可以实现上行链路4倍压缩和下行链路4.5倍压缩。值得注意的是，矢量量化码本被证明是相当强大的数据调制失配，衰落，信噪比（SNR）和多普勒扩展。
2015-10-16 cs.IT math.IT
Transform coder identification based on quantization footprints and lattice theory
变换编码通常用于具有存储器的离散源的有损压缩。输入信号被分成N维向量，并通过线性映射进行变换。然后，对变换系数进行量化和熵编码。在本文中，我们考虑的问题，确定变换矩阵以及量化步长。我们研究了具有挑战性的情况下，其中唯一可用的信息是一组P变换解码矢量。我们制定的问题，找到最大的行列式，包含所有观察到的向量的格子。我们提出了一个算法，能够找到最优解，我们正式研究其收敛性。我们的分析表明，当P >= N + d时，可以成功地识别变换和量化步长，其中d是一个小整数，并且失败的概率随着P-N的增加呈指数下降到零。
2012-11-16 cs.IT math.IT
On Parameter Optimization of Product Codes for Iterative Bounded Distance Decoding with Scaled Reliability
基于最近提出的具有尺度可靠性的迭代有界距离译码算法，利用密度进化算法对二进制乘积码（PC）的参数进行优化。我们表明，二进制PC与组件代码的3位纠错能力提供了最好的性能复杂性的权衡。
2019-08-26 cs.IT math.IT
Quantized Polar Code Decoders: Analysis and Design
大规模机器类型通信的应用，如传感器网络、智能计量、“物联网”或过程和工厂自动化，预计将在未来五到十年内产生巨大的经济影响。低复杂度的节能和经济高效的通信方案对于实现大规模部署至关重要。为了满足这些要求，我们研究了在短块长度机制中使用粗量化的极化码的解码。特别是，我们设计的方案，以减轻粗量化的影响，这还没有得到充分的探讨，在以前的作品。本文介绍了三电平量化连续相消（SC）和SC列表（SCL）解码器。对数似然比（LLR）的粗量化导致路径度量（PM）的量化。量化PM严重影响SCL解码器的列表管理，从而导致性能下降。提出了两种缓解策略：1.）基于最大似然（ML）而不是PM从解码器的列表中选择获胜码字。2.）的情况。在每个解码步骤中利用关于比特估计的可靠性的统计知识来改进列表管理。我们证明了我们的技术在模拟的有效性。特别是，我们的增强证明是有用的低码率制度，在文献中的理论预测量化造成的明显损失。此外，我们把我们的工作的角度进行比较，更精细的量化和部分未量化的计划。这就产生了关于哪些量化方案为实际实施提供最佳成本效益比的见解和建议。
2019-02-27 cs.IT math.IT
Compress-and-Forward via Multilevel Coding and Trellis Coded Quantization
压缩转发（CF）中继可以提高通信速率，即使中继不能解码的源信号。CF的有效实现是当代感兴趣的话题，部分原因是其对诸如云RAN之类的无线技术的潜在影响。在高频谱效率机制中CF实现的性能与相应的信息理论可实现速率之间存在差距。我们首先重新制定了一个困境，造成这种差距，并提出了缓解的方法。我们利用网格编码量化（TCQ）在中继连同多级编码在源和中继，在一种方式，便于计算在联合解码的目的地的比特LLR。这项工作的贡献包括设计TCQ端到端的中继性能，因为失真最小化TCQ是次优的。所报告的改进包括比PSK调制的先前结果增加1dB增益。
2023-01-09 cs.IT math.IT
High Throughput Polar Code Decoders with Information Bottleneck Quantization
本文针对极化码译码器实现，提出了基于信息瓶颈（IB）量化的优化Fast-SSC译码器，在12nm工艺下实现布局布线，相比现有技术在保持纠错能力的同时提升了面积和能效。
2024-06-03 cs.IT math.IT
Erasure Codes with a Banded Structure for Hybrid Iterative-ML Decoding
本文提出了新的FEC码的擦除信道，LDPC波段，已被设计，以优化混合迭代最大似然（ML）解码。实际上，这些码同时具有稀疏奇偶检验矩阵和具有带结构的生成器矩阵，稀疏奇偶校验矩阵允许有效地使用迭代LDPC解码，生成器矩阵允许在擦除信道上进行快速ML解码。这两种解码算法的组合导致擦除码在复杂度和擦除校正能力之间实现非常好的折衷。
2009-01-22 cs.IT math.IT
Polar Codes: Robustness of the Successive Cancellation Decoder with Respect to Quantization
极化码在连续解码下可证明地实现宽信道阵列的容量。这假设了无限精度的算术运算。考虑到解码算法的连续性，人们可能会担心性能对计算精度的敏感性。我们表明，即使是非常粗糙量化的解码算法导致优异的性能。更具体地说，我们表明，在基数仅为三的字母表的连续解码下，解码器仍然有一个阈值，并且该阈值是容量的相当大的一部分。更一般地，我们表明，如果我们愿意以低于容量的速率$δ$传输，那么我们只需要$c \log(1/δ)$位的精度，其中$c$是一个通用常数。
2012-09-20 cs.IT math.IT
A Novel Iterative Soft-Decision Decoding Algorithm for RS-SPC Product Codes
本文给出了RS-SPC乘积码的一种广义构造。提出了一种低复杂度的联合译码方案，该方案基于整个校验矩阵的二进制展开进行BP迭代译码。各种功能强大的RS码可以用作RS-SPC乘积码的分量码，这为本地解码（解码单个分量码字）提供了良好的性能。所提出的基于BP的迭代译码是一种全局译码，并且它实现了与大块长度的码相当的纠错能力。这种两阶段解码方案保留了局部解码的低延迟和复杂度，同时通过全局解码实现了高可靠性。仿真结果表明，该方案在复杂度和误码性能之间取得了较好的折衷。
2021-12-20 cs.IT math.IT
Efficient Scheduling of Serial Iterative Decoding for Zigzag Decodable Fountain Codes
喷泉码是在因特网上实现用于多播的可靠通信系统的纠删码。锯齿形可解码喷泉码（ZDF）是Raptor码的一种推广，即采用移位运算产生输出分组。ZDF码的译码采用两级迭代译码算法，该算法结合了逐包剥离算法和逐位剥离算法。通过逐位剥离算法和移位操作，ZDF码在迭代译码下的译码删除率和译码开销都优于Raptor码。然而，逐位剥离算法花费长的解码时间。本文提出了一种ZDF码的快速逐位译码算法。仿真结果表明，与现有算法相比，该算法大大减少了译码时间。
2018-04-16 cs.IT math.IT
Iterative Turbo Receiver for LDPC-Coded MIMO Systems Based on Semi-definite Relaxation
在这项工作中，我们开发了一种新的迭代Turbo接收机的LDPC编码的多天线系统的基础上半定松弛（SDR）。对于经典的Turbo接收机，前向纠错（FEC）码仅在解码器处使用。尽管如此，通过在检测阶段利用FEC码，我们提出的SDR检测器可以输出外部信息，大大提高了解码器的可靠性。我们还提出了一个简化的SDR涡轮接收机，解决每个码字，而不是解决多个SDR问题的迭代涡轮处理中的一个SDR问题。该方案显著降低了软件无线电Turbo接收机的时间复杂度，而误码性能保持与以前相似。事实上，我们的简化方案是通用的，在这个意义上，它是适用于任何基于列表的迭代接收器。
2018-08-20 cs.IT math.IT
Iterative List-Decoding of Gabidulin Codes via Gröbner Based Interpolation
我们展示了如何Gabidulin码可以列表解码使用迭代参数化的方法。对于一个给定的接收到的字，我们的解码算法处理其条目一个接一个，在每一步构建四个多项式。这就产生了一个参数化的插值解决方案的数据到目前为止。根据最终结果，获得关于秩度量最接近接收到的字的所有码字的列表。
2014-05-28 cs.IT math.IT
LDPC Codes Which Can Correct Three Errors Under Iterative Decoding
本文给出了列重为3的LDPC码采用GallagerA算法译码时能纠正3个错误的充要条件。然后，我们提供了一个建设技术，导致在一个代码满足上述条件。我们还提供了数值评估的代码性能，通过模拟结果。
2008-01-08 cs.IT math.IT
Approaching Capacity at High-Rates with Iterative Hard-Decision Decoding
现在已经观察到各种低密度奇偶校验（LDPC）集合接近具有消息传递解码的容量。然而，所有这些都使用软（即，非二进制）消息和它们的分量码的后验概率（APP）解码。在本文中，我们表明，可以接近容量在高速率使用迭代硬判决解码（HDD）的广义乘积码。具体而言，一类空间耦合的GLDPC码与BCH分量码被认为是，据观察，在高速率制度，他们可以接近容量下提出的迭代HDD。这些码可以被看作是广义乘积码，并且与编织分组码密切相关。提出了一种迭代HDD算法，使人们能够通过密度演化（DE）分析这些代码的性能。
2017-05-17 cs.IT math.IT
Graph-Cover Decoding and Finite-Length Analysis of Message-Passing Iterative Decoding of LDPC Codes
本文的目标是推导出一个框架，用于低密度奇偶校验码的消息传递迭代译码的有限长度分析。为此，我们引入了图覆盖解码的概念。而在最大似然解码中，代码中的所有码字都竞争成为接收向量的最佳解释，在图覆盖解码下，代码的Tanner图表示的所有有限覆盖中的所有码字都竞争成为最佳解释。我们对图覆盖解码感兴趣，因为它是一种理论工具，可以用来显示线性规划解码和消息传递迭代解码之间的联系。也就是说，一方面，事实证明，图覆盖解码本质上等同于线性规划解码。另一方面，由于迭代的、局部操作的解码算法（如消息传递迭代解码）无法区分底层的Tanner图和任何覆盖图，因此图覆盖解码可以作为解释消息传递迭代解码行为的模型。理解图覆盖解码的行为相当于理解所谓的基本多面体。因此，我们给出了这个多面体的一些特征，并解释了它与早期概念的关系，这些概念是为了理解有限长度代码的消息传递迭代解码的行为而引入的。
2005-12-20 cs.IT math.IT
Stability of Iterative Decoding of Multi-Edge Type Doubly-Generalized LDPC Codes Over the BEC
利用EXIT图方法，给出了多边型（MET）双广义低密度奇偶校验（D-GLDPC）码系综迭代译码局部稳定的充要条件.在这样的代码集成中，使用任意线性分组码作为分量码与通过使用多个边缘类型的局部Tanner图连通性的进一步设计相结合。这些代码合奏的稳定性条件被证明是简洁地描述在一个适当定义的多项式矩阵的谱半径的值。
2011-12-16 cs.IT math.IT
Finite Alphabet Iterative Decoders, Part II: Improved Guaranteed Error Correction of LDPC Codes via Iterative Decoder Diversity
最近，我们提出了一类新的有限字母迭代译码器（FAID）的低密度奇偶校验（LDPC）码。这些解码器能够以低得多的复杂度在二进制对称信道上超越错误平层区域中的置信传播。在本文中，我们介绍了一种新的方案，以进一步提高保证纠错能力，从什么是可实现的FAID列重量三LDPC码。所提出的方案使用多个FAID，这些FAID共同校正比给定代码上的单个FAID更多的错误模式。该方案所使用的FAID的集合被明智地选择，以确保各个解码器具有不同的解码动态并纠正不同的错误模式。因此，它们可以共同纠正一组不同的错误模式，这被称为解码器分集。我们提供了一个系统的方法来生成一组FAID解码器的多样性在一个给定的代码的基础上的知识，最有害的陷阱集存在于代码。以著名的列重3的$(155,64)$ Tanner码（$d_{min}$ = 20）为例，详细描述了该方法，并证明了在译码器分集的情况下，保证的纠错能力可以显著提高。
2012-07-19 cs.IT math.IT
Multiple-Description Lattice Vector Quantization
在本论文中，我们建构并分析了以格型向量量化为基础的多重描述码。
2007-07-17 cs.IT math.IT
GLDPC-PC Codes for MIMO Systems with Iterative Detection and Decoding
提出融合 GLDPC 与短类极化分量码的 GLDPC-PC，借助软输入软输出迭代置信传播解码降低延迟与错误平层，并在 MIMO IDD 系统中显著提升性能。
2024-05-09 cs.IT math.IT
High Rate Communication over One-Bit Quantized Channels via Deep Learning and LDPC Codes
本文提出了一种将已知编码方案与自编码器相结合来设计纠错码的方法。具体来说，我们将LDPC码与一个训练有素的自编码器开发的纠错码的棘手的非线性信道。LDPC编码器缩小了自编码器的输入空间，使自编码器更容易学习。所提出的纠错码显示出有前途的结果为一位量化，一个具有挑战性的情况下，非线性信道。具体地，我们的设计给出了瀑布斜率比特出错率，即使对于诸如16-QAM和64-QAM之类的高阶调制格式，尽管是一比特量化。该增益在理论上是通过证明训练的自编码器向LDPC解码器提供近似高斯分布的数据来实现的，即使接收到的信号由于一比特量化而具有非高斯统计。
2020-02-28 cs.IT math.IT
Iterative Detection and Decoding for Cell-Free Massive Multiuser MIMO with LDPC Codes
提出了一种适用于无小区大规模多输入多输出（CF-mMIMO）系统的迭代检测与译码（IDD）方案。用户将编码数据发送到接入点（AP），该数据在中央处理单元（CPU）处被联合检测。在检测器和低密度奇偶检验码（LPDC）解码器之间以对数似然比（LLR）的形式迭代地交换符号，从而提高编码系统的性能。我们提出了一个基于列表的多反馈分集与连续干扰消除（MF-SIC），以提高性能的CF-mMIMO。此外，该检测器与并行干扰消除（PIC）和MF-PIC方案进行了比较。最后，比较了CF-mMIMO和Col-mMIMO的误出错率性能。
2022-10-24 cs.IT math.IT
High-Rate Short-Block LDPC Codes for Iterative Decoding with Applications to High-Density Magnetic Recording Channels
本文研究了一类新的高码率低复杂度LDPC码--三角形单奇偶检验（T/SPC）码。T/SPC是一种规则的、可软解码的、线性时间可编码/可解码的代码。与先前的高速率和低复杂度LDPC码（诸如众所周知的Turbo乘积码/单奇偶检验（TPC/SPC））相比，T/SPC提供更高的码率、更短的码字和更低的复杂度。这使得T/SPC在集成电路上的实际实现非常有吸引力。此外，我们分析了基于软输入软输出（SISO）均衡器的迭代解码器在高密度垂直磁记录通道上使用T/SPC的性能。计算机模拟表明，该方案是能够实现高达0.3 dB的TPC/SPC码的增益与实现复杂度显着降低。
2011-04-07 cs.IT math.IT
Recursive/Iterative unique Projection-Aggregation of RM codes
本文描述了Reed-Muller（RM）码的递归唯一投影-聚合（RUPA）译码和迭代唯一投影-聚合（IUPA）译码，分别从递归投影-聚合（RPA）和迭代投影-聚合（IPA）算法中去除非唯一投影。我们表明，这些算法具有竞争力的纠错性能，同时需要高达95%的预测比基线RPA算法。
2022-10-28 cs.IT eess.SP math.IT
Lagrangians, Renormalization, and Quantization in Prefix Coding
University of Austin（奥斯汀大学）；Wolfram Institute（沃尔夫勒姆研究所）；Solomonoff Consulting（所罗门诺夫咨询）
本文提出了一种基于统计力学框架的前缀编码方法，通过拉格朗日量、重整化和量化技术，建立了熵最优编码的统一理论，并展示了Elias ω码作为典型案例。
2026-01-19 cs.IT math-ph math.IT
Iterative Decoding of Low-Density Parity Check Codes (A Survey)
近十年来，纠错码的译码算法取得了很大的进展。本文介绍了低密度奇偶检验码的迭代消息传递算法的一些基本结果。对于某些重要的随机信道，这一系列的工作使得非常接近香农容量的算法非常有效（无论是在理论上还是在实践中）。
2006-10-05 cs.CC cs.IT math.IT
On the Asymptotic Performance of Iterative Decoders for Product Codes
我们认为硬判决迭代解码器的产品代码在擦除通道，它采用重复轮的解码行和列交替。我们推导出精确的渐近概率解码失败的纠错能力的行和列的代码，解码轮数，和信道擦除概率的函数。我们研究的情况下，能够纠正一个恒定的错误量的代码，和代码的情况下，能够纠正一个恒定的分数，他们的长度。
2005-08-20 cs.DM cs.IT math.IT
Cloud Radio-Multistatic Radar: Joint Optimization of Code Vector and Backhaul Quantization
一个多基地雷达设置被认为是分布式接收天线连接到一个融合中心（FC）通过有限容量的回程链路。类似于通信中的云无线电接入网络，接收天线在将接收到的基带信号发送到FC之前对其进行解调。最大化的检测性能在FC联合在发射天线使用的码向量和回程量化引入的噪声的统计的问题进行了研究。具体而言，采用信息理论的Bhattacharyya距离的标准来评估检测性能的FC和信息理论的量化率的措施，手头的问题是通过块坐标下降（BCD）的方法加上优化最小化（MM）。数值结果表明，所提出的联合优化方法的优点比更传统的解决方案，执行单独的优化。
2014-11-03 cs.IT math.IT math.ST
Physical Layer Secret Key Agreement Using One-Bit Quantization and Low-Density Parity-Check Codes
本文提出一种基于一比特量化和信道估计差异的物理层密钥生成 LLR 计算方法，结合优势蒸馏与 Slepian-Wolf LDPC 码实现密钥协商，并通过仿真证明其能降低比特不一致概率。
2023-07-08 cs.IT eess.SP math.IT
Two-Dimensional Quantization for Geometry-Aware Audio Coding
School of Electrical and Computer Engineering, Ben-Gurion University of the Negev, Be’er Sheva, Israel（电气与计算机工程学院，内盖夫本· Gurion大学，贝尔谢巴，以色列）
本文提出了一种二维量化方法Q2D2，通过将特征对投影到结构化的2D网格上，提高了音频压缩效率，同时保持了最先进的重建质量。
2026-05-18 cs.AI cs.IT cs.LG
Autoencoder-Based Error Correction Coding for One-Bit Quantization
University of Texas at Austin（德克萨斯大学奥斯汀分校）
提出了一种基于深度学习的AWGN信道纠错编码方案，该方案在接收端采用1比特量化约束。具体来说，它首先表明，最佳的纠错码，最大限度地减少了比特错误的概率，可以通过完美地训练一个特殊的自动编码器，其中“完美”是指收敛的全局最小值。然而，在大多数情况下，完美的训练是不可能的。为了接近具有次优训练的完美训练的自动编码器的性能，我们提出利用turbo码作为隐式正则化，即，使用turbo码和自动编码器的级联。经验表明，这种设计提供了几乎相同的性能，假设完美训练的自动编码器，我们也提供了一个理论证明，为什么是这样的。所提出的编码方法与集成（外部）Turbo码一样具有带宽效率，因为自动编码器利用了来自脉冲整形的多余带宽，并且由于神经网络中的稀疏性而更智能地打包信号。我们的研究结果表明，建议的编码方案在有限的块长度优于传统的Turbo码，即使QPSK调制。此外，所提出的编码方法可以使一位量化操作，甚至为16-QAM。
2019-09-24 cs.IT cs.LG eess.SP
