提出一种线性复杂度的Transformer解码器，用于5G LDPC码，性能超越单次迭代BP。
5G LDPC Linear Transformer for Channel Decoding
- 设计可微分线性时间复杂度Transformer，替代传统二次复杂度结构。
- 在5G NR LDPC码上达到与标准Transformer相当的误码率，优于单次迭代BP。
- 适用于大规模码长场景，适合通信系统高效解码需求。
本文提出一种新型全可微分的线性时间复杂度Transformer解码器，用于5G新空口（NR）LDPC码的解码。该方法采用可扩展架构，将线性块码解码复杂度从常规Transformer的O(n²)降低至O(n)，显著提升效率。在性能上，其比特误码率表现与标准Transformer解码器相当，并超过单次迭代的置信传播（BP）算法；同时，在较大码长下仍保持对BP算法具有竞争力的解码速度。所有实验均基于Sionna（Nvidia的5G/6G物理层研究软件）实现，确保结果可复现。
原文摘要 · Abstract (English)
This work introduces a novel, fully differentiable linear-time complexity transformer decoder and a transformer decoder to correct 5G New Radio (NR) LDPC. We propose a scalable approach to decode linear block codes with $O(n)$ complexity rather than $O(n^2)$ for regular transformers. The architectures' performances are compared to Belief Propagation (BP), the production-level decoding algorithm used for 5G New Radio (NR) LDPC codes. We achieve bit error rate performance that matches a regular Transformer decoder and surpases one iteration BP, also achieving competitive time performance against BP, even for larger block codes. We utilize Sionna, Nvidia's 5G & 6G physical layer research software, for reproducible results.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。