Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.05485v1

帮助 | 高级搜索

计算机科学 > 信息论

arXiv:2508.05485v1 (cs)
[提交于 2025年8月7日 ]

标题: 长极化码与在复杂度受限解码下的LDPC码

标题: Long Polar vs. LDPC Codes under Complexity-Constrained Decoding

Authors:Felix Krieg, Marvin Rübenacke, Andreas Zunker, Stephan ten Brink
摘要: 工业界和学术界的普遍观点是,极化码在短码长情况下具有竞争力,但随着码块长度的增加,其性能已无法跟上低密度奇偶校验(LDPC)码。 这种观点通常基于假设LDPC码可以通过大量置信传播(BP)迭代进行解码。 然而,在实际应用中,由于时延和复杂度的限制,迭代次数可能相当有限。 在本文中,我们表明,在类似的固定点对数似然比(LLR)操作数量下,采用逐次取消(SC)解码的长极化码优于其LDPC对应码。 特别是,极化码的简化逐次取消(SSC)解码在复杂度扩展方面优于$N \log{N}$,并且所需的运算次数少于具有相同参数的LDPC码的一个BP迭代。
摘要: The prevailing opinion in industry and academia is that polar codes are competitive for short code lengths, but can no longer keep up with low-density parity-check (LDPC) codes as block length increases. This view is typically based on the assumption that LDPC codes can be decoded with a large number of belief propagation (BP) iterations. However, in practice, the number of iterations may be rather limited due to latency and complexity constraints. In this paper, we show that for a similar number of fixed-point log-likelihood ratio (LLR) operations, long polar codes under successive cancellation (SC) decoding outperform their LDPC counterparts. In particular, simplified successive cancellation (SSC) decoding of polar codes exhibits a better complexity scaling than $N \log{N}$ and requires fewer operations than a single BP iteration of an LDPC code with the same parameters.
评论: 6页,2图,提交给IEEE以供可能发表
主题: 信息论 (cs.IT)
引用方式: arXiv:2508.05485 [cs.IT]
  (或者 arXiv:2508.05485v1 [cs.IT] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.05485
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Felix Krieg [查看电子邮件]
[v1] 星期四, 2025 年 8 月 7 日 15:23:50 UTC (99 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.IT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号