首页 > 其他分享 >现代编码理论

现代编码理论

时间:2024-10-30 18:42:14浏览次数:5  
标签:编码 ... 多项式 理论 矩阵 现代 卷积码 vdots

编码理论基础

-


有限域上的循环码


编码的构成和分类


自对偶码


编码和设计


环码


准循环码


介绍斜多项式环和斜循环码


加性循环码


卷积码

介绍

  卷积码由Peter Elias在1955年提出。它们可以被看作是分组代码的一般化。为了促进这种一般化,考虑一个k×n的生成器矩阵G,其行空间生成一个[n,k]的块代码C,用$F_q$表示有q个元素的有限域。对于消息字序列$m_i\inF^k_q$, i = 1,…N必须经过编码才能传输码字序列$$c_i = m_iG\inF^n_q, i = 1,…N$$。 使用多项式符号并进行如下定义:
$$m(z):= \sum_{i=1}{N}m_izi \in F_q{[z]}^k \quad and \quad c(z):= \sum_{i=1}{N}c_izi \in F_q{[z]}^k$$
使用分组代码C编码的整个过程可以简单地描述为:
$$ (m)z\rightarrow c(z)=m(z)G$$
Elias没有使用常数矩阵G作为编码映射,而是建议使用更一般的形式为G(z)的多项式矩阵,其项由多项式环$F_q[z]$的元素组成。
  自动机理论和系统理论之间有自然的联系,这是由Massey和Sain在1967年首次认识到的。这些联系在卷积码理论的发展中一直是富有成效的;读者也可以参考调查。
  在20世纪70年代,Forney发展了一种数学理论,允许处理具有$m(z):= \sum^{\infty}{i=1} m_iz^i \in F_q{[[z]]}^k$形式的无限消息块集。注意,形式幂级数$F_q[[z]]$环的梯度场是形式Laurent级数$F_q[[z]]$的场, 在Forney理论中,卷积码被定义为n维向量空间$F_q{((z))}n$的k维线性子空间,该子空间也具有一个k×n多项式的生成矩阵$G(z)∈F_q{[z]}$。
由Forney首先提出的卷积码理论也可以在Piret的专著和Johanesson以及Zigangirov的教科书中找到;此外,McEliece也提供了一项调查.
  在本章中,我们的起点是有限长度的消息字,即由多项式矩阵$G(z)∈F_q{[z]}^{k×n}$处理后的,形式为$m(z):= \sum^{N}
m_iz^i \in F_q{[z]}^k$的多项式向量。并将结果编码以自然的方式在多项式环F_q[z]上变成一个秩k的模。通过对偶性与离散时间线性系统的联系也是自然的,这是由Rosenthal、Schumacher和York首先证明的。

卷积码基础

通过生成器和奇偶校验矩阵定义卷积码

  设$R=F_q[z]$是系数为$F_q$的多项式 环,用$F_q(z)$表示系数为$F_q$的有理函数场。R是一个主理想域(PID)。PID上的模块承认一个基,两个不同的基具有相同数量的元素,称为模块的秩。
  在本章中,我们将用三种符号表示$R^n$中多项式的向量。对于$c(z) \in R^n$,将使用通常的n元组表示法: $c(z) = (c_1(z), c_2(z),…,c_n(z))$,其中对于1≤i≤n,有$c_i(z) \in R$。相关地,c(z)可以写成1×n矩阵$c(z) = [c_1(z) c_2(z)···c_n(z)]$。$c(z)$的度定义为$deg(c(z)) = max_{1≤i≤n} deg(c_i(z))$。 第三种更紧凑的符号是$c(z)=\sum^{deg(c(z))}{i=0} c_iz^i$,其中$c_i \in F^n_q$。
  速率为k/n的卷积码C是秩为k的$R^ n$的R子模。如果一个在R中的k×n矩阵G(z),其行构成C的基,称为C的生成矩阵。
  回想一下,k×k矩阵U(z)元素在R中是一个单模矩阵如果有一个k×k矩阵V(z)元素在R中是这样的:
$$U(z)V(z)=V(z)U(z)=I_k$$
根据克莱姆法则和行列式的初等性质,当且仅当$det(U(z)) \in F^{*}q:= F_q$ ${0}$时,U(z)是单模的。
  假设G(z)和eG(z)都是相同编码$C=rowspaceR(G(z))=rowspaceR(\widetilde{G}(z))$的生成矩阵。然后我们可以证明存在一个单位模矩阵U(z)
$$ \widetilde{G}(z)=U(z)G(z) $$
注意,这在k×k生成矩阵集上引出了一个等价关系:G(z)和eG(z)当且仅当$\widetilde{G} (z) = U(z)G(z)$对于某个单模矩阵U(z)是等价的。这种等价关系的标准形式是列Heimite形式。
定义 10.2.1 设$G(z) \in R,k×n$,$k≤n$,则存在一个单模矩阵$U(z)\in R^{k×k}$,使
$$
H(x)=U(z)G(z)=\begin{bmatrix}
h
z & h
(z) & \cdots & h_{1k}(z) & h_{1,k+1}(z) & \cdots & h_{1n}(z) \
& h_{22}(z) & \cdots & h_{2k}(z) & h_{2,k+1}(z) & \cdots & h_{2n}(z) \
& \ddots & \vdots & \vdots & \vdots & & \vdots \
& & & h_{kk}(z) & h_{k,k+1}z & \cdots & h_{kn}(z)
\end{bmatrix}
$$
其中$h_{ii}(z),i=1,2,...,k$,为一元多项式,使得$j<i$时有$deg h_ii > deg h_ji$.$H(z)$是G(z)的(唯一)列Hermite形式.

  其它等价关系由与一个单模矩阵的右乘法或与一个单模矩阵的左右乘法引起。这种等价关系的标准形式分别是行Hermite形式和Smith形式。

定义10.2.2 设$G(z)\in R^{k\times n},k\leq n$.存在一个单模矩阵$U(z)\in R^{n\times n}$,使

$$
H(x)=G(z)U(z)=\begin{bmatrix}

h_{11}(z) & & & & & 0 & 0 \
h_{21}(z) & h_{22}(z) & & & & \vdots & \vdots \
\cdots & \vdots & \ddots & & & \cdots & \cdots \
h_{k1}(z) & h_{k2}(z) & \cdots & h_{kk}(z) & 0 & \cdots & 0
\end{bmatrix}
$$

其中$h_{ii}(z),i=1,2,..,k$为一元多项式,使得对于$j<i$,有$deg h_ii > deg h_ij$.$H(z)$是$G(z)$的(唯一)行Hermite形式。

定义 10.2.3 设$G(z)\in R^{k\times n},k \leq n$,则存在单模矩阵$U(z)\in R^{k\times k},V(z)\in R^{n\times n}$,使

$$
S(z)=U(z)G(z)V(z)=\begin{bmatrix}
\gamma_{1}(z) & & & & 0 & \cdots & 0 \
& \gamma_{2}(z) & & & \vdots & & \vdots \
& & \ddots & & \vdots & & \vdots \
& & & \gamma_{k}(z) & 0 & & 0
\end{bmatrix}
$$

其中,$\gamma_{i}(z),i=1,2,...,k$,对于$i=1,2,...,k-1$有,$\gamma_{i+1}(k)|\gamma_{i}(z)$一元多项式.这些多项式由G(z)唯一确定,称为G(z)的不变多项式.S(z)是G(z)的Smith形式.
  由于两个等价的生成矩阵因为左乘一个单模矩阵而不同,所以它们具有相等的$k\times k$(全尺寸)余子,直到乘上一个常数。卷积码C的生成矩阵的全尺寸次(称为其内度)的最大次称为C的度(或复杂度),通常用$\delta$表示。速率k/n和度$\delta$的卷积码也称为$(n,k,\delta)$卷积码.在本章中,$L:= \lfloor \frac{\delta}{k} \rfloor+\lfloor \frac{\delta}{n-k} \rfloor$

  对于$i=1,...,k$,矩阵$G(z) \in R^{k\times n}$的第i行任意项的最大次是$v_i$.很明显,如果G(z)是一个生成矩阵,且$v_1,v_2,...,v_k$,为G(z)的行度,则$\delta \leq v_1+v_2+...+v_k$.G(z)的行度之和称为外度.如果内度和外度重合,则称G(z)为行约化矩阵,称为最小生成矩阵.因此,代码的度可以等效地定义为C的最小生成矩阵的外部度.

定理 10.2.4 设$G(z)\in R^{k\times n}$,行度$v_1,v_2,...,v_k$,令[G]hr是最高的行度系数矩阵,定义为第i行由G(z)的第i行中$z^{v_i}$的系数组成的矩阵.那么当且仅当[G]hr是行满秩时,$\delta =v_1+v_2+...+v_k$,即G(z)行约简.

  设G(z)是行约化矩阵,行度$v_1,v_2,...,v_k$和$c(z)=u(z)G(z)$,$u(z)=[u_1(z) u_2(z) ... u_k(z)]\in R^k$.显然,$degc(z)\leq \mathop{\max}\limits_{i:u_i(z)\neq 0} {v_i+deg u_i(z)}$.设$\varLambda = \mathop{\max}\limits_{i:u_i(z)\neq 0} {v_i+deg u_i(z)}$,则对于$i=1,2,...,k$的式子$deg r_i(z)<\varLambda-v_i$,有$u_i(z)=\alpha_{i}z^{\varLambda-v_i}+r_i(z)$.那么
$$c(z)=([ \alpha z^{\varLambda-v_1} \alpha z^{\varLambda-v_2} ... \alpha z^{\varLambda-v_k}]+[r_1(z) r_2(z) ... r_k(z)]) \times
(\begin{bmatrix}
z^{v_1} & & & \
& z^{v_2} & & \
& & \ddots & \
& & & z^{v_k}
\end{bmatrix}
[G]_hr+G_rem(z))$$
其中在$G_rem(z)\in R^{k\times n}$中,对于$i=1,2,...,k$,有第i行的度小于$v_i$.c(z)的度的系数$\varLambda$,

卷积码的距离

优化距离的卷积码的构造

MDS卷积码的构造

MDP卷积码的构造

系统理论的连接

卷积码解码

在擦除信道的解码

$\delta$的情形

一般情形

Viterbi解码算法

二维卷积码

使用生成矩阵和奇偶校验矩阵的2D卷积码的定义

ISO表示

与符号动力学的联系


秩度量码


线性规划界限


纠错码的半定编程界



编码理论与伽罗瓦几何


代数几何编码及应用

介绍

历史

代数编码应用

章节构成

定义

曲线和函数域

曲线、点、函数域和位置

除子

曲线和回调的态射

微分形式

规范化除子

余数

属和罗曼罗素定理

代数几何编码基础

代数几何编码、定义和基础结果

属0、广义Reed-Solomon和经典Goppa代码

CL解释

CΩ解释

代数几何编码的渐近参数

序论

Tsfasman–Vl˘ adut ¸–Zink界

子域子码和Katsman–Tsfasman–Wirtz界

非线性码

下界最小距离的优化

有序界

进阶界

嵌入曲线编码的几何界

解码算法

解码距离低于设计距离的一半

基础算法

摆脱代数几何:纠错对

将间距缩小到设计距离的一半

译码到设计距离的一半:Feng-Rao算法和纠错阵列

列表解码和Guruswami-Sudan算法

公钥密码学的应用:McEliece密码体制

历史

McEliece使用二进制经典Goppa码的原始提议

McEliece方案的优点和缺点

JanWa和Moreno使用AG码的提案

安全

级联码不安全

AG码不安全

结论:只有AG码的子域子码才不会被破解

*乘相关的应用:防框架码、乘法算法和秘密共享

AG码的角度看*乘

基本属性

*乘的维度

维度和距离的关节界

自同构

分布式存储系统的应用:本地可恢复码

动机

关于局部参数的一个上界

Tamo-Berg码

代数曲线覆盖的局部可恢复码:Barg–Tamo–Vl˘ adut码

优化:较大局部距离的局部可恢复码

曲线的纤维积和可用性问题


群代数中的编码


有限交换链环上的常循环码


有限环上迹码的权值分布


双重码


函数的线性编码


图上的编码



替换指标


算法方法


插值解码


伪随机噪声序列


点阵编码


量子错误控制码


时空码


网络编码


擦除码和喷泉码的编码


分布式存储编码


Polar码


线性编码的秘密共享


基于编码的密码学

标签:编码,...,多项式,理论,矩阵,现代,卷积码,vdots
From: https://www.cnblogs.com/li-shang/p/18516365

相关文章

  • Base64编码原理
    Base64编码原理Base64作用目前Base64已经成为网络上常见的传输8Bit字节代码的编码方式之一。在做支付系统时,系统之间的报文交互都需要使用Base64对明文进行转码,然后再进行签名或加密,之后再进行(或再次Base64)传输。Base64编码原理Base64的原理比较简单,每当我们使用Base64时都会......
  • Lyndon 理论学习笔记
    字符串,太深刻了/kk定义下标从1开始。\(+\)是字符串拼接。\(|s|\)表示\(s\)的长度。\(s_i\)表示\(s\)的第\(i\)个字符。\(s^k\)表示\(k\)个\(s\)拼接的结果。字符串间的大小关系用字典序比较。Lyndon串字符串\(s\)是Lyndon串当且仅当\(s\)小于其......
  • 关于测度理论相关术语的注释(啊终于接受了hh)
    最开始听拓扑课的时候,一直无法理解,明明看拓扑空间定义,\(\tau\)才是拓扑空间的根本,它包含基本集\(X\)构成了拓扑空间啊,为什么所有题目开头第一句“在拓扑空间X上”好,我告诉自己接受就好。后来测度空间,我的学习大头...\((X,\mathcal{M},\mu)\),多么直观和美妙的书写,一个基本集,一个......
  • 005 字符编码与文件处理
    知识储备1#计算机三大核心硬件:CPU,内存,硬盘23#1、软件运行之前,软件的代码及其数据都是存放在硬盘中的4#2、任何软件的启动都是将数据从硬盘读入内存,然后CPU从内存中取出指令并执行5#3、软件运行过程中产生的数据最先都是存放在内存中的,若想永久保存软件产生的数据......
  • 【GiraKoo】常用编码的对比(ASCII,GB2312,GBK,GB18030,UCS,Unicode)
    甯哥敤缂栫爜鐨勫姣旓紙ASCII锛孏B2312锛孏BK锛孏B18030锛孶CS锛孶nicode锛�鍦ㄧ▼搴忓紑鍙戜腑锛屾枃瀛楃紪鐮佷竴鐩存壆婕旂潃浜虹暅鏃犲锛屽嵈鑳屽悗鎹呬竴鍒€鐨勮鑹层€�鍙兘鍦ㄦ簮浠g爜鏂囦欢涓紝娉ㄩ噴鑾悕鍏跺鍦板彉鎴愪簡涔辩爜銆�鍙兘鏄彂閫佺粰鍒......
  • 独热编码(One-Hot Encoding)
    一、独热编码出现之前:针对无序离散的分类特征,机器学习算法的分类器并不能直接进行数据处理。因为,分类器通常处理的数据是连续且有序的。但是我们可以对这些离散的特征数据建立映射表来让其有序并且连续起来。例如:针对一个人对象,我们可以假设其属性进行了如下映射。性别特征:["男"......
  • 【叶片单元动量理论】分析给定螺旋桨几何形状在不同前进比下恒定转速下的性能研究(Matl
      ......
  • 【数据结构】哈夫曼树的构建和哈夫曼编码
    说明本篇为笔者学习随记,供学习和复习使用结构体定义typedefstruct{ intweight=0; intparent=0,lchild=0,rchild=0;}HTNode;此处=0可使结构体在构建时就自动初始化typedefchar**HuffmanCode;把多重指针换成HuffmanCode 哈夫曼树的构建构建思路:a)初始化哈夫......
  • 哈夫曼编码
    哈夫曼编码文章目录哈夫曼编码引入哈夫曼树构造哈夫曼编码引入一个文件的内容信息可以用二级制字符编码的方式来表示,即每个字符用唯一的二进制串来表示,称为码字。定长编码:每个字符用相同长度的二进制位数唯一表示。e.g.一个含有10万个字符的文件,仅出现a-f这7个不......
  • 字符串匹配-KMP算法实现代码
    字符串的基本操作同上一篇BF算法一致一.为模式串创建临时数组//KMP算法//1)为模式串创建临时数组voidcomputeLPSArray(char*pat,intM,int*lps){ //指向首元素 intj=0; //指向首元素的下一个元素 inti=1; //临时数组的首元素总为0 lps[0]=0; //结束条......