Para citar este trabalho use um dos padrões abaixo:
A contínua evolução das redes de comunicação móvel em direção ao 5G-Advanced impõe requisitos rigorosos de confiabilidade e de baixa latência. Para atender a essas demandas, os códigos polares foram adotados como a principal estratégia de codificação para os canais de controle. No entanto, algoritmos tradicionais de decisão suave com alto potencial de paralelização, como o Belief Propagation (BP), enfrentam desafios em códigos polares devido a ciclos em seu grafo de fator, o que prejudica a convergência. Para mitigar a complexidade e melhorar o desempenho, este trabalho propõe a otimização do decodificador BP utilizando técnicas de Deep Learning. A metodologia baseia-se no desdobramento (unrolling) da estrutura iterativa do algoritmo BP em uma arquitetura de Rede Neural Recorrente (RNN). Nessa formulação, as iterações de troca de mensagens são mapeadas como etapas temporais da rede, forçando o compartilhamento dos mesmos pesos multiplicativos para evitar a alta sobrecarga de memória típica de redes profundas. Adicionalmente, o projeto investiga a aplicação de um mecanismo de quantização dupla de pesos à RNN treinada. A estratégia converte os parâmetros de ponto flutuante para ponto fixo e constrói um dicionário (codebook) selecionando os valores mais frequentes. Esse mapeamento permite substituir operações complexas de multiplicação por adições simples, viabilizando a implementação eficiente em hardware para dispositivos com recursos limitados. As simulações em Python sob canal AWGN visam avaliar a redução da complexidade computacional e da sobrecarga de memória, validando o impacto nas métricas de Taxa de Erro de Bit (BER) frente aos métodos tradicionais.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo