Soft Decision Decoding of Reed-Solomon Codes Using Sphere Decoding
Notice bibliographique
Résumé
A new soft decision decoding method for Reed-Solomon (RS) codes is proposed. This method uses sphere decoding in an effort to reduce the decoding complexity. With sphere decoding, instead of considering all of the possible transmitted codewords to determine the most probable one, we only consider the codewords whose distances from the received signal are smaller than a specific search radius. This results in a considerable reduction in the complexity. For an (N,K) RS code, we consider a set of K most reliable and independent positions of a codeword and for each of these positions, an ordered list of most probable transmitted symbols in decreasing order of probability is determined. We start from the hard-decision decoded codeword and we try to find more probable codewords. The search is started by selecting a tentative solution consisting of the K most reliable code symbols whose distance from the corresponding symbols in the received vector is less than the search radius. The acceptable values for each of these K code symbols are determined based of the ordered set of most probable transmitted symbols which means that for each code symbol, we start from the most probable one. We re-encode these K code symbols. If the resulting codeword is within the search radius, we add it to the list of the candidate transmitted codewords. The ordering that was discussed earlier will help finding the candidate codewords quickly. Our method results in considerable improvement of the performance of RS codes compared to hard decision decoding with a moderate increase in complexity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».