Inleiding tot LDPC-codes en energie-efficiëntie in mobiele apparaten

Low-Density Parity-Check (LDPC) codes zijn een hoeksteen geworden van moderne draadloze communicatie standaarden, waaronder 5G New Radio, Wi‐Fi 6/6E en DVB‐S2X, vanwege hun bijna-Shannon-limit foutcorrectie prestaties. In mobiele apparaten, waar de levensduur van de batterij en thermische dissipatie zijn kritieke beperkingen, kan de energie verbruikt door de LDPC decodeerder vertegenwoordigen een aanzienlijk deel van de basisband verwerking vermogen. Als data rates klimmen naar multi-Gbps en apparaten krimpen in vorm factor, het beoordelen en optimaliseren van de energie-efficiëntie van LDPC decodering algoritmes is niet langer optioneel . Het is een voorwaarde voor het leveren van een responsieve, langdurige mobiele ervaring.

De kern uitdaging ligt in de afweging tussen decoderingsnauwkeurigheid en rekeninspanning. Sterkere algoritmen zoals het Sum-productalgoritme (SPA) leveren uitstekende bit-error-rate (BER) prestaties, maar vereisen intensieve drijvende-puntbewerkingen, terwijl eenvoudiger varianten zoals het Min-Sum Algorithm (MSA) een aantal foutcorrectiemogelijkheden inruilen voor een lagere complexiteit en lager energieverbruik. Dit artikel onderzoekt de belangrijkste algoritmen, ontleedt de factoren die het energieverbruik in mobiele decoders stimuleren en presenteert een reeks strategieën, van architectonische keuzes tot adaptieve regellussen die ontwerpers helpen om het optimale evenwicht te vinden voor batterij-geconstraineerde handsetomgevingen.

Achtergrond: LDPC-codes en hun rol in mobiele communicatie

LDPC codes werden voor het eerst geïntroduceerd door Robert Gallager in zijn doctoraatsproefschrift 1960, maar werden grotendeels vergeten tot hun herontdekking in het midden van de jaren 1990. Vandaag zijn ze alomtegenwoordig in high-throughput draadloze systemen. In 5G NR, LDPC codes worden gebruikt voor het datakanaal (PDSCH en PUSCH) omdat ze kunnen omgaan met de grote code blokken en hoge code rates vereist door verbeterde mobiele breedband (eMBB). De decoder karwei is om iteratief berichten uit te wisselen tussen variabele knooppunten en controleknooppunten langs de Tanner grafiek van de code; elke iteratie verfijnt de betrouwbaarheid schattingen van de overgedragen bits.

Mobiele apparaten voeren deze iteraties uit op energie-beperkte toepassingsspecifieke geïntegreerde schakelingen (ASIC's) of digitale signaalprocessoren (DSP's).Het aantal iteraties, de nauwkeurigheid van de berichten en het schema hebben allemaal een directe invloed op het energieverbruik. Een typische LDPC-decoder in een smartphone kan tientallen tot honderden milliwatt verbruiken tijdens actieve dataontvangst, en onder zwaar verkeer kan dat cijfer het budget voor basisbandenergie domineren.Daarom wordt de keuze voor het ontcijferen van algoritmen en de bijbehorende implementatietechnieken een eersteorde-ontwerpparameter voor de systeem-on-chip (SoC) architect.

LDPC-algoritmen in detail decoderen

Algoritme van de som van de producten (SPA)

De Sum-product Algorithm is de canonieke, full-complexity geloofsvermeerderaar. Het berekent log-likelihood ratio's (LLR's) met hyperbolische raakfuncties en vermenigvuldigingen, waarbij exacte gevolgtrekkingen worden gemaakt op de code-factorgrafiek. Terwijl SPA de best mogelijke BER-prestaties voor een bepaalde codestructuur bereikt, is de rekenkosten hoog: elke check-node-update vereist dat transcendentale functies worden geëvalueerd, en de variabele node-updates meerdere toevoegingen en vermenigvuldigingen omvatten. In hardware, het uitvoeren van deze bewerkingen met voldoende dynamisch bereik vereisen hetzij drijvende-punteenheden of zorgvuldig geschaalde vaste-puntvoorstellingen, die beide verbruiken significante oppervlakte en lekvermogen.

Min-Sum Algorithm (MSA)

Het Min-Sum Algorithm vereenvoudigt de update van de controleknop door de exacte sum-productformule te vervangen door een min-operatie. De grootte van het controle-naar-variabele bericht wordt benaderd als het minimum van de inkomende variabele-naar-controle-omvang, en het teken is het product van de tekens van de binnenkomende berichten. Dit elimineert alle trigonometrische of logaritmische berekeningen, vermindert het kritieke pad en maakt eenvoudigere hardware met lagere vermogensgraad mogelijk. De boete is een systematische overmaat van de uitvoeromvang van de controle-node, die de BER-curve met 0,2.0.5 dB voor de typische codesnelheden verkleint. Tal van de verbeteringen, zoals de Normalised Min-Sum Algorithm (NAMSA) en Offset Min-Sum Algorithm (OMSA), omvatten een schaalfactor of compensatie om dit overtollig te compenseren, waardoor het meeste prestatieverlies wordt hersteld terwijl ze veel goedkoper zijn dan SPA.

Gelaagd (verschuifd) schema

In plaats van alle variabele knooppunten gelijktijdig te updaten (overstroomde planning), selecteert gelaagde planningsprocessen knooppunten sequentiële, met behulp van de meest recente berichten onmiddellijk. Dit versnelt convergentie, waardoor de decoder dezelfde BER met 30.50% minder iteraties te bereiken. Omdat energieverbruik bijna lineair schalen met iteratie tellen, gelaagd of shuffled schema's bieden een directe efficiëntie winst. Veel commerciële mobiele chipset decoders nemen een gelaagde variant van MSA als de basislijn.

Andere varianten en hybride benaderingen

Onderzoekers hebben ook stochastische decodering onderzocht, waarbij berichten worden weergegeven als willekeurige bitstreams, en analoge iteratieve decoders die direct op continue spanning werken. Hoewel veelbelovend voor ultra-low-power sensor netwerken, deze benaderingen hebben nog niet de productie volwassenheid bereikt die nodig is voor mobiele apparaten. Een meer praktische hybride is het adaptieve algoritme: een decoder die begint met een lage-complexiteit MSA voor vroege iteraties en schakelt naar SPA (of een verbeterde MSA) alleen wanneer de decoder moeite heeft om samen te komen. Dergelijke schema's kunnen 15 .30% van de energie besparen zonder merkbaar verlies in doorvoer.

Factoren die het energieverbruik beïnvloeden in mobiele LDPC-decoders

Het energieverbruik in een LDPC-decoder wordt beïnvloed door een combinatie van algoritme-, architectuur- en circuitniveaubeslissingen. Het begrijpen van deze factoren helpt ontwerpers te voorspellen welke optimalisaties de grootste impact zullen hebben.

  1. Iteratietelling en vroegtijdige beëindiging: Het aantal decoderingsiteraties vermenigvuldigt de energie per codeblok. Vroegtijdige beëindigingstechnieken stoppen wanneer een geldig codewoord (tevredenheid van alle pariteitscontroles) wordt gedetecteerd.Dit kan het gemiddelde aantal iteraties met maximaal 40% verminderen bij matige signaal-ruisverhoudingen (SNR's).
  2. Berichten Quantizing en Word Lengte: Fixed-point implementaties moeten het aantal bits kiezen dat gebruikt wordt om elke LLR-bericht te representeren. Minder bits verminderen de geheugengrootte en lezen/schrijven energie maar kunnen BER afbreken. Een typische mobiele decoder gebruikt tussen 4 en 8 bits voor variabele-naar-controle berichten; zorgvuldige quantiseringsstudies tonen aan dat 6 bits vaak bijna dezelfde prestaties leveren als drijvende punt, terwijl het geheugenvermogen met ongeveer 30% wordt verminderd.
  3. Controleer Node Processing Complexity: Zoals hierboven beschreven, verbruikt de min-capimatie in MSA veel minder logica dan de tanh-gebaseerde activiteiten van SPA. In een 28 nm CMOS implementatie, bleek dat de check node eenheid voor SPA ongeveer 3,5× het gebied en 4× het dynamische vermogen van de overeenkomstige MSA-eenheid beslaat.
  4. Interconnect en geheugentoegang: LDPC-decoders zijn zeer parallel; het tussenliggende netwerk dat berichten tussen variabele knooppunten en controleknooppunten routeert kan tot 30% van de totale decoderenergie bijdragen. Efficiënte communicatietopologieën, zoals volledigparallel of gedeeltelijkparallel (rijparallel) architectuur, handelsgebied voor energie. In mobiele ontwerpen zijn deelsparallelarchitectuur met op-chip SRAM-banken de norm, en het verlagen van het aantal geheugenlezingen is een belangrijke optimalisatie.
  5. Klokgaten en vermogensdomeinen: Omdat gegevensuitbarstingen in mobiele netwerken intermitterend zijn, is de decoder vaak inactief. Geavanceerde klokgating, stroomgating en dynamische spanningsfrequentieschaalvorming (DVFS) kunnen statische (leakage) stroom verminderen tijdens stationaire bodes. Een adaptieve spanningsregelaar die de decoder activeert, kan de voedingsspanning op basis van de vereiste doorvoersnelheid 10

Vergelijkende analyse: Energie- en prestatiehandels-punten

Voor een tarief-1/2, lengte-102, regelmatige LDPC-code (3,6) vereist de SPA doorgaans ongeveer 15

In een real-world mobiele testchip die werd gepubliceerd op de 2020 IEEE International Solid-State Circuits Conference (ISSCC), bereikte een 12-nm FinFET LDPC decoder die 5G NR ondersteunt 8.1 pJ/bit bij 2,4 Gbps met behulp van een gelaagd min-sum algoritme met 6-bit quantization. Onder vergelijkbare omstandigheden, een vergelijkbare SPA-gebaseerde decoder gemeld eerder verbruikt 14,5 pJ/bita 44% verbetering. Het gebied ook verminderd met ongeveer 35%.

Externe verwijzingen:
IEEE ISSCC 2020: A 12nm 2.4Gbps 8.1pJ/bit LDPC-decoder voor 5G NR
Comparison of Min-Sum and Sum-Product Algorithms for LDPC Decodering in Energy‐Constrained Systems

Strategieën voor het maximaliseren van energie-efficiëntie in mobiele decoders

Optimalisaties van algoritmen op niveau

  • Selectieve toepassing van schaalvergroting/offset: De implementatie van een genormaliseerde of offset min-sum correctie voegt een verwaarloosbare rekenlast toe bij het herstellen van 0,2 .0 .0 .0 dB van SNR. Hierdoor kan de decoder vaak met één iteratie werken, waardoor direct energie wordt bespaard.
  • Vroege beëindiging en adaptieve iteratie: Gebruik een stopregel op basis van de pariteitssom van het check-node. Zodra alle rijen zijn voldaan, stopt de decodering onmiddellijk. Voor typische cellulaire kanaalomstandigheden vermindert dit het gemiddelde iteratiegetal met 25/40 procent.
  • Laag-complexiteitscontrole nodestructuren: Het benutten van het feit dat de min-sum update slechts de twee kleinste input magnitudes (en hun indexen) nodig heeft, maakt een zeer compacte vergelijkingsboom mogelijk, waardoor de schakelactiviteit wordt beperkt.

Hardware-architectuurtechnieken

  • Geheugenminimalisatie: Het gebruik van single-port SRAM in plaats van dual-port, en het delen van geheugen tussen variabele knooppunten en controleknooppunten, vermindert gebied en lekkage. Het gelaagde schema vereist inherent minder geheugen, omdat tussenliggende berichten kunnen worden opgeslagen in registerbestanden.
  • Verwerking van element (PE) delen: Een enkele PE kan in een deels parallelle architectuur tijdvermenigvuldigd zijn over meerdere controleknooppunten. Dit vermindert het siliciumgebied en dus het statische vermogen, zij het ten koste van de doorvoer. Voor mobiele apparaten waar piekdoorvoer alleen nodig is voor korte uitbarstingen, is een dergelijke verdeling over het algemeen energie-positief.
  • Spanningsschaling en adaptieve klok: Wanneer de kanaalomstandigheden goed zijn (hoge SNR), kan de decoder minder iteraties en lossere precisie verdragen. Dynamisch verlagen van de spanning of frequentie om de SNR-afhankelijke werkbelasting te vergelijken kan energie verminderen boven wat een vast-werkpunt biedt. Dit wordt soms ..near-threshold computing" genoemd voor basisband.

Integratie op systeemniveau

  • Co-ontwerp met kanaalschatting: Door een betrouwbaarheidsmeter (zoals de modulatiefoutverhouding) naar de decoder te voeren, kan de decoder een geschikte precisie- of algoritmevariant vooraf selecteren. Wanneer het kanaal schoon is, is een snelle min-som met 4-bit quantisering voldoende; wanneer het lawaaierig is, kan de decoder terugvallen op een nauwkeurigere modus.
  • Standaardspecifieke optimalisaties: 5G NR maakt gebruik van een tariefmatch die kan worden benut. De decoder kan de verwerking van doorboorde of verkorte bits, die altijd nul-LLR zijn, overslaan, waardoor de effectieve grootte van het codeblok en daarmee het aantal bewerkingen wordt verminderd.

Casestudy: Energie-efficiëntie in een moderne 5G Modem

De hoogste datasnelheid vereist ongeveer 2 Gbps. Bij de fysieke laag, LDPC decoderen is ongeveer 25 .30% van de totale basisband energie tijdens een aanhoudende download. Met behulp van een gelaagde MSA met 6-bit quantization en vroegtijdige beëindiging, verbruikt de decoder ongeveer 7 pJ/bit. Voor een 2-Gbps stroom, dit vertaalt naar 14 mW. Een standaard overstroomde SPA zou ongeveer 25 mW nodig hebben onder dezelfde omstandigheden. Het verschil van 11 mW, opgebouwd over een 2-uurs YouTube streaming sessie, bespaart bijna 80 mW van de batterijcapaciteit . Extending van de gebruiker met 5 .8% in video afspelen tijd. Wanneer gecombineerd met DVFS en stroom het verdelen van de stand van kracht (die snijdt 2 mW tot 20 μW tijdens korte onbelaste intervallen tussen subframes), kan de totale decoder energie worden gedisponeerd worden in vergelijking met een niet-gesynchroniseerd ontwerp.

Externe referentie:
Een 5G NR LDPC-decoder met adaptieve vroegtijdige beëindiging en spanningsafname in 7nm

Toekomstige aanwijzingen en Open problemen

Aangezien 3GPP werkt in de richting van 5G Geavanceerde en 6G, zullen er nieuwe uitdagingen ontstaan. Ultra-betrouwbare low-lettercy communicatie (URLLC) vereisen decoders die werken met zeer lage blok fouten met strikte latency budgetten, die ontwerpers kunnen duwen naar meer complexe algoritmen alleen maar om de betrouwbaarheidsdoelstellingen te voldoen. Ondertussen, de integratie van AI-gebaseerde decodering .neural-netwerk-ondersteunde geloofsovertuiging . is een actief onderzoeksgebied. Deze .learned ..decoders kunnen iteraties verder snijden, maar hun energieprofiel is sterk afhankelijk van de interference hardware accelerator. Voor mobiele chipsets, een kleine neurale motor (bijv., een systolische array) kan toevoegen significante oppervlakte en macht, dus het break‐even punt wordt nog steeds onderzocht.

Een andere veelbelovende richting is het gebruik van dynamische quantisatie waar de bitbreedte van berichten zich aanpast tijdens decoderingsiteraties. Vroege resultaten tonen aan dat het verminderen van precisie in latere iteraties (wanneer LLR's grote omvang hebben) 10

Uiteindelijk zal de meest energiezuinige LDPC-decoder voor mobiele apparaten een geco-optimaliseerd systeem zijn dat over algoritme, architectuur en technologie heen combineerde met gelaagde min-sum met adaptieve iteratie, precisieschaling en agressief energiebeheer. De industrie beweegt gestaag in deze richting en we kunnen verwachten dat toekomstige modems zullen decoderen bij minder dan 5 pJ/bit, waardoor de multi-Gbps snelheden van 6G zonder de batterij leeg te laten lopen.

Conclusie

Energie-efficiëntie in LDPC-decodering is een multidimensionaal optimalisatieprobleem. De keuze van algoritmen versus min-sum en derivaten daarvan selecteert de basis, maar de grootste winst komt voort uit het combineren van algoritme vereenvoudigingen met hardware .software technieken zoals gelaagde planning, vroegtijdige beëindiging, zorgvuldige quantisering, adaptieve spanningsschaalvorming en stroomafbraak. Voor fabrikanten van mobiele apparaten, investeren in een geoptimaliseerd LDPC-decoder ontwerp betaalt dividenden in verlengde levensduur van de batterij, koeler werking, en het vermogen om steeds hogere datasnelheden te leveren zonder het thermische plafond te raken. Naarmate de normen evolueren, zullen de hier beschreven principes altijd kijken naar energie-in- en-uitval die overeenkomen met het momentane kanaal en de doorvoervereisten .

Externe referenties:
3GPP 5G System Presentatie
Een enquête naar LDPC-decoderarchitectuur voor 5G en verder