קודים נמוכים של נאמנות-Check (LDPC) הפכו לאבן הפינה של תיקון השגיאה המודרנית, מתן ביצועים לטווח רחב של מערכות תקשורת.מעבורת חלל עמוק לרשתות סלולריות 5G, היכולת שלהם לגשת למגבלת שאנון הופכת אותם להכרחיים, אך צריכת האנרגיה היא שינוי משמעותי של אלגוריתמים המופעלים על ידי סוללות - סמארטפונים, חיישנים מסורתיים, ללבוש, יקרים, ומכשירים סביבתיים, לא דורשים לעתים קרובות, לחץ דם אחד, באופן משמעותי, אך ורק אמצעי הגנה על ידי מערכת הפעלה מהירה יותר, היא יעילה, כלומר, היא יעילה, כלומר, לחץ דם יחיד.

מאמר זה בוחן את האסטרטגיות העיקריות של הנדסה יעילה LDPC קודים כי איזון ביצועים תיקון שגיאות עם תקציבי הכוח המחמירים של מכשירים מופעלים סוללות.We נבחן עיצוב ממטריקס, אלגוריתמים דלים מסובכת נמוכה, ארכיטקטורות חומרה חומרה-מודע, וטכניקות הסתגלות מתפתחות המבטיחות להאריך את תוחלת החיים של המכשיר ללא הקרבת שלמות נתונים.

אתגר האנרגיה ב-LDPC

כדי להעריך את הצורך בעיצוב יעיל באנרגיה, חשוב להבין היכן הכוח נצרך ב- LDPC decoding. אלגוריתם האמונה הסטנדרטי (BP), בעוד אופטימלי, כרוך חישוב חוזר של העדכונים של Check-node ו-node משתנה. כל אחד מההתמרון דורש פעולות צף, זיכרון ותנועות נתונים.

מכשירים המופעלים על ידי סוללה מתמודדים עם מספר אתגרים נפרדים:

  • (FLT:0) תקציב האנרגיה של לימיטה: 1FLT:1, חיישן IoT טיפוסי עשוי להיות בעל יכולת אנרגיה כוללת של כמה ג'אולים.
  • (FLT:0) מגבלות כוח: FLT:1, מכשירים רבים יש מגבלות כוח גבוהות מאוד. פרץ דו-משמעי יכול לרוקן את הסוללה או אפילו לעלות על יכולת הרגולטור.
  • (FLT:0) Idle לעומת קואופרטיבים פעילים: ibph:1) ביישומים רבים (למשל, רשתות חיישן אלחוטי), המכשיר הוא idle ברוב הזמן ורק לעתים משדר או מקבל נתונים.

לכן, עיצוב LDPC יעיל באנרגיה חייב לכוון לא רק אנרגיה מוחלטת לבלוק מקודד, אלא גם את פרופיל הכוח העליון ואת היכולת להיכנס במהירות ולצאת ממדינות בעלות כוח נמוך.

עקרונות עיצוב מרכזיים לאנרגיה

« « « ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

ה"שקט" ב- LDPC כבר מרמז על הדרך העיקרית ליעילות: מטריקס הסלקטיבי צריך להיות רק מעטים ברציפות ועמודה. A s ⁇ matrix באופן ישיר להפחית את מספר הקישורים של Check-node ומשתנה-node, חיתוך העבודה החישובית עבור מכשירים מופעלים סוללות, ספויילריות זו יכולה להיות דחיפה נוספת מאשר קבוע בסיס קבוע או נמוך יותר של 2Bouts- לפעמים - אם כי לפעמים יש להפחית את המורכבות של 2Bcfrep-p-p-p-p-p-uptuptexit-uptextexit-uptexit-upt.

קיצור של Low-Latency Applications

בעוד קודים ארוכים של LDPC (למשל, 64800 ביטים בקיבולת הגישה של DVB-S2), הם דורשים באופן יחסי יותר זיכרון ועיבוד. עבור מכשירים המופעלים על סוללות אשר משדרים חבילות קצרות (כמו קוראי חיישן), קודים של 256 עד 1024 ביטים הם לעתים קרובות יותר מעשי. קודים קצרים יותר מאפשרים ל-buffers קטנים יותר, פחות קידודים להתכנסות, וצריכת חשמל דינמית, אך מפל, אזור זה פחות.

קודים לא מאורגנים נגד מבנה

קודים LDPC לא מובנים (במובנים) יכולים להשיג ביצועים של קיבולת קרובה, אך קשה ליישם ביעילות בחומרה.עבור יעילות אנרגיה, FLT:0quasi-cyclic LDPC (QC-LDPC) ,3, 000:1 קודים מועדפים (Circulant Structure) מאפשר ייצוג קומפקטי ומקבילה decoding, צמצום הגישה ומאפשר יישום נמוך יותר, 000 CDC-R)

טכניקות בנייה ספרדיות

בניית מאטריקס של חנינה-check שהיא גם ספארית וגם מבצעת היטב תחת מגבלות אנרגיה דורש תשומת לב לכמה שיטות בנייה:

ההרחבה המתקדמת (PEG)

אלגוריתם PEG בונה גרף טנר עם גירות גדול (אורך המחזור הקצר ביותר) girth גדול יותר מקטין את הקורלציה בין הודעות, המאפשר לקוד להתמזג מהר יותר ועם פחות היכרים. ⁇ מעטים יותר לחסוך ישירות אנרגיה. קודי מבוסס PEG יכול להיות מותאם לאורך קודים ספציפיים ומשקלות עמודה, מה שהופך אותם גמישים עבור עיצובים באנרגיה.

עיצובים מבוססי פרוטוגרף

קודים פרוטוגרף מתחילים ממטריקס קטן "אמא" אשר מומרים באמצעות הסמכת circulant לגודל הרצוי.גישה זו מניבה קודים מובנה עם תכונות גרף צפויות. על ידי בחירת בקפידה את חלוקת התואר של פרוטוגרף - לדוגמה, הדגשת צומת 2 - מעצבים יכולים למזער את מספר עדכוני הסימון-node ובכך להפחית את העומס חישובי תהליך הסרת התוספתן גם יוצר מבנה קבוע או גמיש פחות משקף, אשר פחות משקף, מאשר ארכיטקטורת כוח.

הכחשת האנרגיה

מחקר עדכני חקר "עיצוב של בדידות" שבו ממטריקס ה- parity-check נועד להיות הפצה לא אחידה של אלה - צפופה יותר בשורות ו- s ⁇ באחרים. גישה זו יכולה לאזן את עומס העבודה על מחזורים מרתיעים, המאפשרת תוספת של כוח קבוע יותר למשוך ולהימנע מפסגות שידגישו את ההתנגדות הפנימית של סוללה.

מכלול נמוך של טיהור אלגוריתמים

האלגוריתם של המניין והגרסאות שלו נותרו הבחירה המעשית ביותר עבור קודקודים מאומנים באנרגיה, על ידי החלפת פונקציות BP אינטנסיביות חישובית:0tanhphFLT:1 ו-FLT:2atanhcioFLT 3 פונקציות של BP עם השוואות פשוטות, min-sum מקטין מורכבות על ידי סדר גודל.

מינוס ונורמלי Min-Sum

Pure Min-sum מציג שגיאה Approximation שיכולה לדרג ביצועים. Offset Min-sum subtracts a קבוע קטן מכל הודעה צ'ק-נודה, בעוד ש- Min-sum מונרמל על ידי גורם מדרג פחות מאחת. שתי הטכניקות לפצות חלקית על התגברות של פלטי הצ'ק-לאד, מה שמוביל לביצועים קרוב ל- BP תוך שמירה על המורכבות הנמוכה של הערך או ה-ה-ה-ה-ה-ה-ה-ה-ה-ה-ה-ה-ה-ה-ה-זמנית-ה-ה-ה-ה-הלחץ-ה-ה-ה-לתקן-לתקן-הלחץ-לתקן-לתקן-לדוגמא, עשויה להתאים באופן חלקי לחיסכון הקלהמצב של חומרהמדפסה-למידתית-למידתית-למידתי-לתקן של חומרהלחץ על ה-למידתית-לתקן של חומרה-למידתיתיקים-לתקן של חומרתיקים-למידתית-למידתית-ה-ה-למידת-למידת-למידתית-למידתית-למידתית-למידתית-ל

המונחים: Decoding

קידוד שכבתי (הידוע גם כמסר מסובך עובר) תהליכים תת-קרקעיים של שורות ברצף, עדכון הודעות משתנות-node בהדרגה. גישה זו מתתכנסת בערך במחצית מספר ההאקרים בהשוואה לוח הזמנים הצפה הסטנדרטי, חיתוך האנרגיה הכוללת הנדרשת לפענוח חסום באופן משמעותי.

טכניקת סיום מוקדמת

אסטרטגיה פשוטה אך יעילה היא להפסיק לפענוח ברגע שמשוואות ה- parity-check מרוצים (או לאחר ספירת ההסרה המקסימלית) ניתן לבצע "בדיקה מסנדרום" בסוף כל ההצתה עם מינימום מעל הראש.עבור ערוצי SNR בינוניים עד גבוה, בלוקים רבים מתכנסים רק 1–3, כדי לחסוך את האנרגיה של הנותרים.

עיצוב קוד קשיח-Aware Code Design

הקוד LDPC היעיל ביותר באנרגיה הוא חסר תועלת אם החומרה של דה-קוד לא יכולה לנצל את התכונות שלה.עיצוב משותף של קוד וארכיטקטורה הוא חיוני.

המונחים: Parallel Decoding

קודים מקבילים מלאים להשיג גבוה דרך לוח, אבל לצרוך כוח גדול במעלה שטח, מה שהופך אותם בלתי מתאימים למכשירים מופעלים סוללה קטנה.FLT:0Serials או חצי-שש-שש-שש-שש-שש-עשר מרכיבים עיבוד (PEs) על פני מחזורים מרובים, צמצום שיא הנוכחי ומאפשר לדרגות מתוחות.

זיכרון ואופטימיזציה של נתונים

גישה לזיכרון היא לעתים קרובות הצרכן האנרגיה הדומיננטית בדלנים דיגיטליים.קוד מעוצב היטב יכול להפחית את הצורך באחסון גדול: קודים קצרים עם גורמי הרמת קטנים דורשים פחות ערכים בזיכרון ההודעה.בנוסף, תוכניות עדכון במקום (שם הודעות משתנות שאינן כתובות יתר על המידה כמו שהן מקוות) נמנעים מנפיחות כפולה.

וולט ותדירות גבוהה Scaling

מעגלים מודרניים CMOS יכולים לפעול במתחי אספקה נמוכים יותר כאשר תדירות השעון הנדרשת מופחת. a LDPC decoder המיועד קוד ספציפי יכול להיות שעון שלו התדירות הגדלה כאשר שיעור הנתונים נמוך (הקוד בחיישנים) על ידי הורדת המתח, צריכת החשמל טיפות quadratly.

גישות הסתגלות ו היברידיות

מכשירים המופעלים על ידי סוללה פועלים לעיתים קרובות בסביבות ערוץ דינמי.קוד קבוע וקודקוד יכול להיות לא יעיל: אגרסיבי מדי כאשר הערוץ הוא טוב, או לא מספיק כאשר התנאים להחמיר.

Multi-Mode Decoding

קוד בודד יכול לתמוך בקודים מרובים או לוחות זמנים מרובים, מעבר ביניהם על בסיס איכות ערוץ.לדוגמה, כאשר הערוץ הוא pristine, הcoder יכול להשתמש ב- מינוס קל משקל עם סיום מוקדם. כאשר ספייקים הפרעות להתרחש, זה יכול ליפול חזרה לאלגוריתם חזק יותר BP (למרות עלות אנרגיה גבוהה יותר).

קודים סטנדרטיים

קודים LDPC תואמים מאפשרים ריצוף מצטבר ללא עיצוב מחדש של הפעוט. על ידי puncturing bits או שילוב של מספר רב של parity-check matrices, שיעור הקוד היעיל יכול להשתנות.מכשיר יכול להתחיל עם קוד אינטרנט גבוה (low Redundancy) הדורש אנרגיה מינימלית ל bit, ולאחר מכן לבקש פיסות parity נוספות רק אם לא מצליח זה אנלוגי לעתים קרובות לשימוש יעיל ביותר עבור סוללות אנרגיה גבוהה.

אנליסטים ופיצול-Signal Decoding

גישה מבטיחה אך יותר קידוד היא ליישם את LDPC decoding במעגלים אנלוגיים או מעורבים. Analog decoders לנצל את הפיזיקה הטבעית של הסיכום וההשוואה הנוכחית, ביצוע פעולות הסימון בדומיינים בזמן מתמשך ללא לוגיקה דיגיטלית מעוכבת, אבטיפוסים ראשוניים הראו הוראות של צמצום גודל באנרגיה ביחס לעמיתים דיגיטליים.

אינטגרציה עתידית ושילוב Machine Learning

צומת של למידת מכונה (ML) ו- LDPC עיצוב קוד הוא גבול פעיל.מודלים של ML יכולים ללמוד את לוח הזמנים המרתיע האופטימלי עבור קוד וערוץ נתון, פוטנציאל להפחית את ספירת ההסרה יותר מאשר היוריסטים שנוצרו על ידי הידיים. לדוגמה, FLT:0reinforcement LearningFLT:1 יכול להכשיר מדיניות אשר מחליט כאשר לעצור אותה בהתבסס על מידע חלקי, להסתגל בזמן אמתי להפחתה של 30% מהזמן.

כיוון נוסף הוא השימוש באלגוריתם BP:0 (Duncoders) מבוסס רשתי (FLT: 1) שדומה לאלגוריתם BP עם מספר קטן של שכבות שניתן לרכבת.מספרים כאלה "לומדים" ניתן להפוך לקלים מאוד, באמצעות פעולות ליניאריות בלבד פונקציות הפעלה, וניתן ליישם אותם בקידוד קבוע עם דיוק נמוך.

בנוסף, העלייה של AIFLT:0 (החדשנית AIFLT) אומר כי מכשירים מופעלים סוללה יש יותר ויותר מאיצים עצביים על הסיפון. Co-optimizing LDPC קידוד עם משימות הקצוץ יכול לחלוק משאבי חומרה, תוך כדי הרת הכותרת עלות האנרגיה.לדוגמה, אותן יחידות מאטריקס-אבור המשמשות עבור רשתות עצביות יכול להיות למטרות מחדש עבור פעולות מרשם במהלך מחזורי.

מסקנה

תכנון קודי LDPC יעילים באנרגיה עבור מכשירים מופעלים סוללות אינו טכניקה אחת, אלא בעיה אופטימיזציה רב-פנים על פני השטח על פני בנייה קוד, בחירת אלגוריתם, יישום חומרה.העיצובים היעילים ביותר מתחילים עם מאפים אולטרה-סלים, תוך שימוש ב-Squatset Min-sumconding in a Layerd לוח זמנים, כוללים סיום מוקדם, והתאמה של קצב או יכולות מרובות-mode, תמיד שמירה על המשקל של צריכת החשמל של התקני המסחר.

ככל שהאינטרנט של הדברים ממשיך להתרחב והמכשירים מתכווץ למאזני תת-מילימטר, הביקוש לתיקון שגיאות בעוצמה נמוכה רק יגבר.קהילת המחקר מגיבה למשפחות קוד חדשות, אלגוריתמים חדשים, עיצובים חדשים של אלגוריתמים, ותבניות מתוחכמות המבטיחים לשמור על מכשירים המופעלים על סוללות מחוברים ללא הקרבת חיי סוללה.

(ב) ראו את הסקר הקלאסי של FLT:0Richardson ו- Urbanke על קודים של LDPCIRFLT:1, The FLT:2IEEE 5G סטנדרטי עבור NR Channel codingFLT 3: והעבודה האחרונה על קידוד יעיל באנרגיה באמצעות חיזוק למידה FLT:5 לשקול גם LT:6Floganalogarchal Reduction LT 7.