הבנת קודקודים ותפקידם בתקשורת המודרנית

נמוך-רגישות פאריטי-צ'ק (LDPC) מקודמים בלב תיקון שגיאות במגוון רחב של מערכות תקשורת, מרשתות סלולריות ועד מיליארדי מכשירים באינטרנט של דברים (IoT) שהוצגו לראשונה בשנות ה-60 על ידי רוברט גלגר, קודים LDPC התגלו מחדש בסוף שנות ה-90 ומאז הפכו לאבן הפינה של סטנדרטים אלחוטיים מודרניים, כולל 5G, Wi-Fi (802/n) ו-Ratx/R.

העבודה הבסיסית של קודמו של LDPC היא לשחזר את הנתונים המקוריים מסימן שהתקבל שהושחתה על ידי רעש, התערבות, או קידוד.זה עושה זאת על ידי העברת מסרים פרוביביליסטיים משנה בין נודים משתנים ולבדוק נקודות בגרף דו-פרטארי זה חייב להיות יעיל מאוד בהשגת ביצועים גמישים ליד Shann-Sunmit-Limit, הוא חישוב אינטנסיבי וניתן לתרגם ישירות לסוללות חיוניות עבור סוללות קריטיות.

נוף האנרגיה של LDPC Decoders

צריכת האנרגיה ב LDPCcoders אינה מדד יחיד אבל משחק מורכב של עיצוב אלגוריתם, יישום חומרה ותנאים תפעוליים.במכשירים ניידים מופעלים סוללות, כל מילימטר שנשמר ב decoding יכול להאריך זמן, להגדיל את חיי הסוללה, או להפחית את גודל הסוללה הנדרשת. עבור חיישנים פרוסים במקומות מרוחקים, יעילות אנרגיה קובעת תחזוקה ישירה, מערכת עלות, השפעה סביבתית.

למה אנרגיה חשובה למכשירים ניידים ו-IoT

טלפונים ניידים חייבים לאזן זמן אמתיים קידוד - לעתים קרובות במאות מגהביט לשנייה - עם מגבלות תרמיות וחיי סוללה.ד LDPC מותאם גרועה יכול לגרום למעבד להתחמם, ביצועים בילוטליים, או לנקז את הסוללה פעמיים מהר תחת תנאי אותות חלשים.

דרישות נהיגה באנרגיה

  • (FLT:0) אלגוריה מורכבות ומימוש LT:1; אלגוריתמים הליבה של אלגוריתמים - הסתמכות אמונה, מינוס, מינוס, מינוס - יש דרישות חישוביות שונות. אלגוריתמים מדויקים יותר דורשים פעולות מכפילות יותר להסרה, הגדלת אנרגיה.
  • (FLT:0) אדריכלות ההדרומית ויעילות יעילות FLT:1ir: הבחירה בין מעבד למטרות כלליות, DSP, FPGA, או ASIC משפיע באופן מסיבי על אנרגיה לפענוח מעט.
  • (FLT:0) קידודים של LDPC דורש בדרך כלל 5 עד 50 התנגשויות כדי לתכנס.כל אחד מהם צור עלות אנרגיה קבועה; טכניקות סיום מוקדמות יכולות לחסוך אנרגיה משמעותית כאשר הדלקוד מתאחד מוקדם.
  • (FLT:0) פרמטרים CodeFLT:1; אורך בלוק ארוך יותר ושיעורי קוד גבוהים יותר מגבירים את המורכבות של קודקוד ותדירות הגישה לזיכרון, מעלה ישירות צריכת אנרגיה.
  • (בסביבות רועשות, הדלפק חייב לעבוד קשה יותר - יותר מוטציות - לתקן שגיאות, הגדלת האנרגיה למסגרת.

צריכת אנרגיה של LDPC Decoders

כדי לעצב פעמוני אנרגיה יעילים, מהנדסים זקוקים למודלים מדויקים ומדידות. Power ניתח בדרך כלל ברמות מרובות: ברמה האלגוריתמית (מספר ממוצע של פעולות לפענוח מעט), ברמת המיקרו-ארכיטקטורה (פעילות מכושפת, גישה לזיכרון), וברמת המכשיר (מתח חטוף, תדירות, דלוקוז).

מורכבות אלגוריתמית לעומת אנרגיה

אלגוריתם הקידום (BP) הידוע גם כאלגוריתם של המוצר, מציע את הביצועים הטובים ביותר תיקון שגיאות, אך הוא אינטנסיבי חישובי.כל אחד מההתריעה דורש מספר גדול של חישובים היפרבוליים (לבדוק עדכונים ללא דה 2020) אשר יקרים באותו לוגיקה חומרת כוח ואפקטים.

המונחים: trade-offs

הפלטפורמה החומרה שנבחרה ל-LDPC decoding יש השפעה עמוקה על צריכת האנרגיה:

  • (ב) ⁇ :0) תכלית כללית CPUsFLT:1: גמישות אך אנרגיה גבוהה בשל הוראה להביא, לרשום קבצים, ו- cache מתגעגע רק לעומס או למניעה נמוכה.
  • (ב) ⁇ :0)GPUsveFLT:1; גבוה דרך לוח אבל לעתים קרובות יעיל כוח עבור ניתוק מתמשך של כוח טיפוסי שואבת 100-300W הופכת אותם לבלתי מתאימים לנייד.
  • (FLT:0)FPGAsigFLT:1: Reconfigurable, המציע איזון טוב של ביצועים וכוח אם העיצוב מותאם אישית עבור המכשיר.
  • (FLT:0)ASICsssigFLT:1: תקן הזהב של מכשירים מאומנים באנרגיה.על ידי ביטול מעבר מיותר, באמצעות בלוקים זיכרון מותאם אישית, ומינוף תהליכים CMOS בעלי כוח נמוך, ASIC LDPC decoders להשיג יעילות אנרגיה נמוכה כמו 1-10 picojoules ל bit in an Advanced nodes (למשל, 28m, 7n).

(הנייד המודרני SoCs משלב בלוקים ייעודיים של LDPC עבור 5G NR, השגת יעילות אנרגיה מתחת 5 pJ /bit בשיא באמצעות חישוב: סקר מקיף שפורסם ב-FLT:0IEEE סקרים תקשורת & TutorialsFLT:1 לעומת מעל 40 LDPC decoder וסיק כי עיצובים מקבילים לחלוטין מציעים את היעילות הטובה ביותר, בעוד סקרי תקשורת 3 מעלות צלזיוס) נמוך יותר (FEE) על פני שטח תקשורת גבוהה יותר (FLT2; LT2; LT) על פני שטח:

אסטרטגיות להורדת אנרגיה-Efficient LDPC

צמצום צריכת האנרגיה ב- LDPC decoders דורש גישה רב-מכוונת לאורך אופטימיזציה חומרה, חדשנות אלגוריתמית והתאמה ברמת המערכת.הסעיפים הבאים מפורטים את הטכניקות היעילות ביותר בשימוש בפועל ומחקר.

טכניקות אופטימיזציה קשיחות

עיצוב חומרה LDPC coder של כוח נמוך ממינוף מספר טכניקות מפתח:

  • (FLT:0) ארכיטקטורות עיבוד פלנל 1: קודים מקבילים מלאים כי מיידית את כל המשתנה ולבדוק נקודות בלוגיקה יכול להשיג גבוה באמצעות עומס נמוך, אבל הם סובלים מעומס גבוה וכוח סטטי.
  • (FLT:0) עיצוב מזכר-מודע (FLT:1): LDPC decoding דורש קריאה תכופה וכתיבה של הודעות ביניים.שימוש ב-port יחיד במקום זיכרונות דו-פורט, צמצום ביטים באמצעות קוונטיזציה, ומימוש בנקאות רב-בנקאית למזער את החלפת הפעילות יכול לחסוך 20–40% של אנרגיה קודרית.
  • (FLT:0Clock gating and Power gatingFears1) : אלמנטים עיבוד רבים הם בטלה במהלך חלקים של ציר הזמן המרתיע (למשל, במהלך בדיקת עיבוד ללא דה כאשר צמתים משתנים הם idle) שעון גלימה חל אות מלוטש קנס על מנת לרשום ולוגיקה, חיתוך כוח דינמי.
  • (FLT:0) ותדירות הגדלה (DVFS)FLT:1: מתח הסתגלותי סקאלה המבוססת על דרישות דרך חישוב או איכות ערוץ יכול להפחית את האנרגיה באופן דרסטי עם מתח.לדוגמה, כאשר תנאי ערוצים טובים, הפעוט יכול לתכנס בפחות היחלשות ולפעול במתח נמוך יותר.

חידושים אלגוריתמיים

צמצום העומס החישובי ללא הקרבת ביצועי תיקון שגיאות הוא מוקד מחקר ראשוני.כמה אלגוריתמים בשימוש נרחב:

  • (FLT:0)Min-sum וגרסאותיה של ®FLT:1: כאמור, סימולציות של Min-sum לבדוק עיבוד Node. Normalized Min-sum ו- offset Min-sum מציג גורם קבוע או הסתגלותי לגישה ביצועי BP. אלגוריתמים אלה שולטים בחומרה שאינה מוגבלת באנרגיה, כי הם מבטלים שכפול וטבלאות חיפוש.
  • (הופנה מהדף ⁇ ) [ה]:0 [ה] [ה] [ה] [ה] [ה] [ה]] [ה][דרושה] [ה] [ה]]]] [ה]]] [הההתעלוב] [ה] [ה]] [ה]]]] [התחילה] [ה]]] [ה]] ב[ה[ה] [ה] [ה'[ה']']'[ה'[ה']'[ה'[ה'[ה'[ה'[ה'[ה'[ה']']'[ה'[ה']'[ה'[ה']']']']']']'[ה'[ה'[ה']']'[ה']']']'[ה'[ה']']'[ה']']'[ה']']'[ה'[ה']'[ה'[ה'[ה'[ה']'[ה'[ה']']'[ה'[ה'[ה'[ה'
  • (FLT:0) טכניקות סיום מוקדמות (IRSTROL:1): לעצור את ההדקה מוקדם כאשר התסמונת עוברת (כלומר, כל בדיקות השוויון מסופקות) עבור יחסים גבוהים לרעש, המקודד עשוי לתכנס ב 2–3 נקודות במקום 20.פשוט סיום מבוסס תסמונת מוסיף משקל מינימלי ויכול להפחית את האנרגיה הממוצעת למסגרות על ידי 40–60% בתנאים אופייניים.
  • (FLT:0) ,העברה והגדרה לא חד-משמעית: שימוש ב- 4bit או 5bit קבוע ייצוגים במקום 8 סיביות מפחית את גודל הזיכרון ואת המורכבות הלוגיקה.לא חד-מיניפורמיזציה, שבו קוונטיה קטנה יותר משמשת עבור גודל קטן, יכול להשיג ביצועים ליד-float עם רזולוציה של 3-4 סיביות.

גישות הסתגלות והגדרה

בגלל תנאי ערוץ, שיעורי נתונים הנדרשים, ורמות סוללה משתנות באופן דינמי, אחד בגודל אחד של איכות חיים - כל decoders לבזבז אנרגיה. coders הסתגלות תואמים פרמטרים כגון מספר ההאקרים, מתח תפעולי, או אפילו אלגוריתם decoding עצמו בזמן אמת:

  • (FLT:0) בקרת ההנעה המבוססת על מידע רך FIRLT:1: הפעוט יכול לפקח על האמינות של ה bits הקודד (למשל, גודל יחסי לב ממוצע) ולעצור מוקדם אם אמינות גבוהה.
  • (ב) [15] ,(א) , ⁇ ) , אלגוריתם של ה- BP המלא עבור קידוד ראשוני גבוה, ולאחר מכן לעבור ל- Min-sum לאחר ההתכנסות כדי לחסוך אנרגיה, או להשתמש ב- Min-sum עבור ערוצים שאינם מבוססים BP רק כאשר יש צורך.
  • (FLT:0 ,code Rate and block אורך reconfigurationFLT:1) : פרוטוקולים מודרניים רבים מאפשרים שינויים דינמיים פרמטרים קודים.חומרה קודר חייבת לתמוך במבנים קודים מרובים ביעילות.עיצובים המשתמשים ברשת גמישה או בדיקה מחדש ללא אפשרות למקם יחידות של קידוד יכול לסחור באמצעות חישוב אנרגיה על זבוב.

תוצאות חיפוש ואפקטים אמיתיים

הבנת האופן שבו אסטרטגיות אלה חלות בפועל מבהירה את הדרך לתקשורת בת קיימא.

LTE/5G: Balancing Throughput and Battery Life

ב-5G2 רדיו חדש (NR), קודים LDPC משמשים עבור ערוצי נתונים.המפרט של 3GPP מגדיר משפחה של קודים עם אדמוניות מצטברת, המחייבת את הפעוט להתמודד עם טווח של אורך בלוק ושיעורי קוד ביעילות. 5G מצבי מסחר של ספקים כמו Qualcomm, MediaTek, ו-Samsungsamscotecter מותאם אישית LD 120 מפלסמה שמשלבת בין מספר נמוך של 5G, אך ורק ל-DV.

IoT ו- LPWAN: Ultra-Low Power דרישות

(התקני IoT המבוססים על LoRa, NB-IoT, או LTE-M משתמשים בקודים דמויי LDPC (לעיתים קרובות מובנה LDPC או קודים מהפכתיים) כדי להרחיב את טווח שיעורי הנתונים הנמוכים.עבור חיישן מופעל סוללות ששולח חבילה אחת לשעה, המקלט חייב להיות מסוגל לפענח אות קבוע של 2JFD) באמצעות קוד ארוך מאוד נמוך יותר.

כיוונים עתידיים לתקשורת בת קיימא

דחיפה לתקשורת בת קיימא הולכת מעבר לקודמים LDPC.תיקון שגיאות יעיל באנרגיה הוא גורם מפתח לרשתות ירוקות, אבל זה חייב להיות משולב עם אופטימיזציה אחרים.להסתכל קדימה, כמה מגמות יעצבו את הדור הבא של קודקודמי LDPC:

  • (FLT:0) Machine Learning-DecodingFancy:1; קידוד מבוסס רשת נילי, כגון קידוד אמונה עצבית, יכול ללמוד לעצור מוקדם או להשתמש ב קוונטיזציה לא אחידה הממזערת אנרגיה.למרות שעכשיו מדי חומרה עבור מודלים ניידים, קל משקל עשוי להיות אפשרי עם מאיצים עצביים ייעודיים.
  • (FLT:0) קודים לא-binary LDPC LDFIRLT:1; ירידה על פני שדות גלואה מסדר גבוה יותר מציעה ביצועים טובים יותר אבל במורכבות גבוהה יותר.עבודה חדשה על אלגוריתמים שאינם בינאריים עשויה להביא את צריכת האנרגיה שלהם לרמות תחרותיות.
  • (FLT:0) אינטגרציה עם רפורמות RF ניתנות להגדרה מחדש של חזית RF לפני קונסולת 1:1: קודים אדפטיים שמקבלים משוב בזמן אמת מהתחום האנלוגי (למשל, ADC, החלטה של ADC, שליטה אוטומטית על רווח) יכולים להתאים את הפרמטרים לנקודת האנרגיה המינימלית.
  • (FLT:0)מעבר לסיליקון FLT:1: טכנולוגיות מתפתחות כמו ספינטרוניקה, לוגיקה דו-לשונית, או מעגלים דיגיטליים מורכבים (למשל, RAPID) יכולות להשיג באופן תיאורטי סדרי גודל של אנרגיה מעבר נמוכה יותר.עם זאת, שילוב מעשי עם CMOS קיים נשאר הזדמנות ארוכת טווח.

המטרה הסופית היא להשיג מערכת תקשורת של ההרחבה:0 (אפסד) 1 (FLT:0)-אפסד' (אפס) 1 (pancy) שבה העלות של תיקון שגיאה מאוזנת על ידי האנרגיה הנמשכת מפעולות בלתי שגיאות ושימוש יעיל יותר בספקטרום.

מסקנה

צריכת האנרגיה של LDPCcoders היא גורם קריטי בעיצוב של מערכות תקשורת ניידות ו-IoT בר קיימא.באמצעות שילוב של סימולציות אלגוריתמיות - במיוחד השימוש בגרסאות של Min-sum ו decoding שכבתי - יחד עם אופטימיזציה חומרה כמו שעון גלימת, יעילות זיכרון, והתאמה של בקרת גישור חשמלי, קודים מודרניים יכולים להשיג יעילות אנרגיה מתחת ל- 1J / אלה.