트렐리스 기반 순간 계산

초록

특정 클래스의 함수에 대해, 함수값의 분포를 트렐리스 혹은 하위 트렐리스를 이용해 계산할 수 있다. BCJR 알고리즘에서 사용되는 전방/후방 재귀를 일반화하여 이러한 분포의 순간들을 구한다. 심볼 확률과 유사하게 트렐리스의 특정 깊이에 제약을 두면 심볼 순간을 얻을 수 있다. 이러한 순간들은 논문

상세 요약

본 논문은 트렐리스 구조를 이용해 함수값의 확률분포를 효율적으로 구하는 새로운 프레임워크를 제시한다. 기존에 통신 및 신호처리 분야에서 널리 사용되는 BCJR(맥스웰‑베리‑제이‑레베르) 알고리즘은 전방‑후방 재귀를 통해 각 상태와 전이의 사후 확률을 계산한다. 그러나 BCJR는 주로 심볼 수준의 확률(즉, 1차 순간)만을 제공하므로, 고차 순간(분산, 왜도 등)이나 조건부 엔트로피와 같은 정보량을 직접적으로 얻기에는 한계가 있다.

논문은 이러한 한계를 극복하기 위해 전방‑후방 재귀식을 “모멘트 연산”으로 확장한다. 구체적으로, 각 트렐리스 노드에 대해 함수값 f(x) 의 k‑차 순간 E