Hardware Implementation Of Recurrent Neural Network Based Polar Decoder With Weight Quantization Mechanism / By Ziad Ibrahim Abdelati Mohamed ; Under the Supervision of Prof. Dr. Yasmine Fahmy.

Thesis (M.Sc.)-Cairo University, 2022.

Bibliography: pages 70-72.

Several researchers are interested in polar codes for the sake of their capacity which nearly catches
memoryless channels’ capacity. They have been used as part of the 5G technology. Polar decoders like belief
propagation decoders showed unfavorable performance during limited iterations. Nowadays, Machine-
learning (ML) techniques are used to enhance the efficiency of polar code decoders. Recurrent neural
network belief propagation (RNN-BP) decoders provide better efficiency in a lower number of cycles. In
this thesis, a performance scheduling learning technique is proposed. This technique achieves a coding gain
of 0.2 dB for the RNN-BP decoder at a BER of 2*10−4. A new approach is also introduced in the quantization
step. In this approach, the quantization is done after the learning process is finished instead of after each
iteration. This approach fixes the issue of model convergence. These combined approaches show up to 0.45
dB improvement at BER of 2*10−4.
Also in this thesis, we implemented the RNN-BP decoder on FPGA board. The implementation is
highly reconfigurable and optimized. to the best of the author knowledge, this is the first RNN-BP
implementation over FPGA

يهتم العديد من الباحثين بالشفرات القطبية من أجل سعتها التي تكاد تقترب من سعة القنوات الخالية من الذاكرة. لقد تم استخدام هذه التقنية في تكنولوجيا الجيل الخامس للاتصالات. اظهرت الطرق الحالية لفك الشفرات القطبية مثل مفكك تصديق الانتشار اداء غير مؤات في التكررات المحدودة . في هذه الايام يتم استخدام طرق تعليم الالة لتحسين كفائة مفككات الشفرات القطبية. اثبت استخدام الشبكة العصبية المتكررة كفائة افضل في التكررات المحدودة. اقترح في هذه الرسالة استخدام اسلوب تعلم جدولة الاداء الذي حقق مكسب تشفير قدره0.2 ديسيبل عن طريقة تعلم الشبكة العصبية المتكررة التقليدية عند معدل خطأ 2*〖10〗^(-4) . في هذه الرسالة تم استخدام ايضا نهج جديد في التمثيل الكمي للقيم في هذا النهج نقوم بالتمثيل الكمي للقيم بعد انتهاء عملية التعلم بدلا من تمثيلها بعد كل تكرار/محاولة . يعمل هذا النهج علي اصلاح مشكلة تقارب النموذج . وعند استخدام هذين الطريقتين معا نحصل علي مكسب تشفير قدره 0.45 عند نفس معدل الخطأ 2*〖10〗^(-4).
يعرف مفكك تصديق الانتشار بانتاجيته السريعة والعالية ولكنه يعاني من درجة عالية من التعقيد في التصنيع لفك التشفير. باستخدام الشبكة العصبية المتكررة قللنا بشكل كبير العدد المطلوب من التكرارات للحصول علي معدل خطأ مناسب . ايضا قمنا بتنفيذ دائرة محسنة باستخدام تقنيات ضبط وتحسين مختلفة والتي علي حسب علم المؤلف اول تطبيق لهذه التقنية علي مصفوفات البوابة القابلة للبرمجة الميدانية

Issued also as CD

Text in English and abstract in Arabic & English.