Інтелектуальна інформаційна система для завадостійкого декодування блокових турбо-кодів у розподілених обчислювальних системах

Abstract

The paper addresses the problem of reducing the computational complexity of iterative decoding of block turbo codes in distributed heterogeneous computing systems. A four-layer intelligent information system (IIS) architecture is proposed, combining a heuristic modification of the Chase–Pyndiah algorithm based on probabilistic Bernoulli sampling, an SNR-oriented weighted-least-loaded (WLL) scheduler, and a task-level fault-tolerance mechanism without data loss. The first system layer estimates the signal-to-noise ratio and forms a priority queue of SNR-annotated frames. The second layer implements the WLL scheduler, routing computationally expensive frames to more powerful nodes according to their weighted current load. The third layer contains a pool of stateless decoders, and the fourth layer reorders results by frame sequence numbers. The heuristic modification replaces deterministic enumeration of test vectors with a tau-sample drawn the a posteriori channel distribution, which adaptively reduces the number of calls to the hard-decision decoder depending on the current noise level. Simulation on codes with rates R = 0.697 and R = 0.254 at Eb/N0 ranging 4.0 to 5.0 dB demonstrated simultaneous reduction of the frame error rate by 15–83 % and of the average Berlekamp–Massey decoder call count by 15–26 % compared to the baseline. System throughput grows almost linearly with the number of nodes: the utilisation of a heterogeneous eight-node cluster exceeds 89 %. When one node fails, all tasks are recovered without data loss with an overhead not exceeding 1.3 of the average single-frame decoding time. The proposed architecture targets satellite ground stations, sensor network gateways, and cloud data centre’s. Future research directions include online parameter adaptation via reinforcement learning and integration with graph neural decoders to further reduce the frame error rate.

Розглядається задача зниження обчислювальної складності ітеративного декодування блокових турбо-кодів у розподілених гетерогенних обчислювальних системах. Запропоновано чотиришарову архітектуру інтелектуальної інформаційної системи (ІІС), що поєднує евристичну модифікацію алгоритму Чейза–Піндайя на основі імовірнісного сімплінгу Бернуллі, SNR-орієнтований планувальник зваженого найменшого навантаження та механізм відмовостійкості на рівні задачі без втрат даних. Перший шар системи виконує оцінювання відношення сигнал/шум і формує пріоритетну чергу SNR-анотованих кадрів. Другий шар реалізує планувальник WLL, що направляє обчислювально дорогі кадри до потужніших вузлів відповідно до їхньої зваженої поточної завантаженості. Третій шар містить масив stateless-декодерів, четвертий — впорядковує результати за порядковими номерами кадрів. Евристична модифікація замінює детерміноване перебирання тест-векторів на τ-вибірку з апостеріорного розподілу каналу, що адаптивно скорочує число звертань до алгоритму жорсткого декодування залежно від рівня завад. Імітаційне моделювання на кодах зі швидкостями R = 0,697 та R = 0,254 при відношенні Eb/N0 від 4,0 до 5,0 дБ показало одночасне зниження частоти помилок у кадрі на 15–83 % та середнього числа звертань до декодера Берлекемпа–Мессі на 15–26 % порівняно з базовим алгоритмом. Пропускна здатність ІІС зростає практично лінійно з кількістю вузлів: завантаження гетерогенного кластера з восьми вузлів перевищує 89 %. При відмові одного вузла усі задачі відновлюються без втрат даних із накладними витратами не більше 1,3 середнього часу декодування одного кадру. Запропонована архітектура орієнтована на впровадження у наземних станціях супутникового зв’язку, шлюзах сенсорних мереж та хмарних дата-центрах. Перспективи подальших досліджень — онлайн-адаптація параметрів методами навчання з підкріпленням та інтеграція з графовими нейронними декодерами для подальшого зниження частоти помилок у складних умовах.