A Low-Complexity Neural Normalized Min-Sum LDPC Decoding Algorithm using Tensor-Train Decomposition

Compared with traditional low-density parity-check (LDPC) decoding algorithms, the current model-driven deep learning (DL)-based LDPC decoding algorithms face the disadvantage of high computational complexity. Based on the Neural Normalized Min-Sum (NNMS) algorithm, we propose a low-complexity model...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	IEEE communications letters Jg. 26; H. 12; S. 1
Hauptverfasser:	Liang, Yuanhui, Lam, Chan-Tong, Ng, Benjamin K.
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York IEEE 01.12.2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Schlagworte:	Algorithms Artificial neural networks Bit error rate Complexity Computational complexity Decoding Decomposition Error correcting codes Iterative decoding Machine learning Mathematical analysis Model-Driven LDPC Decoding Neural Normalized Min-Sum Propagation losses Symbols Syndrome Loss Tensor-Train Decomposition Tensors
ISSN:	1089-7798, 1558-2558
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!