PAC 코드 관점에서 본 골레이 코드와 관련 격자 해독

초록

본 논문은 Forney의 큐빙 구성을 이용해 골레이 코드와 그 파생 격자(Leech 격자 및 H₍₂₄₎)를 Polarization‑Adjusted Convolutional(PAC) 코드 프레임워크로 재구성한다. 기존 방법에서 필요했던 인덱스 순열과 펀칭을 제거하고, 3개의 3×3 커널 기반 PAC 코드와 병렬 리스트 디코더를 설계해 리스트 크기 L=8에서 거의 최적 ML 성능을 달성한다. 또한 다단계 디코딩을 통해 Leech 격자와 H₍₂₄₎의 효율적인 복호화를 제시한다.

상세 분석

이 논문은 골레이 코드의 구조적 특성을 PAC 코드와 연결시키는 새로운 관점을 제시한다. Forney가 제시한 “큐빙” 구성을 기반으로 (24,12,8) 확장 골레이 코드를 G* (8,7)·/(8,4) 생성 행렬로 표현하고, 이를 여러 개의 표준 Polar 생성 행렬과 상삼각 형태의 컨볼루션 행렬 T의 곱으로 재구성한다. 핵심 아이디어는 기존 골레이 코드의 생성 행렬을 F₈⊗F₈⊗F₈ 형태의 Polar 행렬에 적절한 T를 삽입해 동일한 코드북을 유지하면서도 Polar 구조를 그대로 활용할 수 있다는 점이다.

세 가지 서로 다른 3×3 커널(F(1)₃, F(2)₃, F(3)₃)을 선택함으로써 각각 Gₚ,(1)₂₄, Gₚ,(2)₂₄, Gₚ,(3)₂₄ 를 얻고, 각 커널에 대응하는 정보 집합 A₁, A₂, A₃와 T₁, T₂, T₃ 를 설계한다. 여기서 T는 Proposition 1에서 제시된 8×8 상삼각 행렬이며, 각 커널마다 T의 스팬(비트 커버리지)이 달라 리스트 크기에 대한 요구가 변한다. 따라서 단일 커널만 사용하면 특정 비트 위치에서 성능이 저하될 수 있다. 이를 보완하기 위해 세 개의 SCL 디코더를 병렬로 동작시키고, 최종 단계에서 가장 높은 경로 메트릭을 선택하는 “병렬 병합” 방식을 도입한다.

시뮬레이션 결과는 세 커널 각각이 작은 리스트(L≤4)에서는 성능 차이가 크지만, 병렬 병합 후 L=8이면 거의 ML 한계에 도달함을 보여준다. 특히 기존 연구