Agata Pilitowska 22 stycznia 2007

Transkrypt

1 dy Agata Pilitowska 22 stycznia Wprowadzenie Transmisja danych to nic innego jak przesyłanie symboli ustalonego, skończonego alfabetu przez pewien kanał transmisyjny Niedoskonałość takiego kanału sprawia, że wysłany sygnał może zostać zakłócony i w efekcie wysyłany symbol zostanie błe dnie odebrany przez odbiornik Jeśli, na przykład, przesyłamy wykonane przez satelite zdje cia z Marsa na Ziemie, to kanał transmisyjny (przestrzeń mie dzy planetarna) jest szczególnie czuły na szum wywołany przez plamy słoneczne, zła pogode itp W efekcie elektromagnetyczne sygnały reprezentuja ce symbole naszego alfabetu zostaja zniekształcone i osłabione Może sie wie c zdarzyć, że odbiornik popełni bła d interpretuja c otrzymane sygnały Powstaja ce w trakcie transmisji błe dy moga drogo kosztować i dlatego ważne sa starania o to, aby błe dy te były jak najmniej prawdopodobne Zastosowanie kodowania w procesie przesyłania informacji umożliwia zwie kszenie niezawodności przekazu Kody korekcyjne sa jedyna metoda poprawienia wierności transmisji tam, gdzie retransmisja błe dnego sygnału jest niemożliwa, np w ła czności satelitarnej Za ich pomoca można również zabezpieczać dane przechowywane w pamie ciach komputerowych Przykład 11 Załóżmy, że mamy przesłać wiadomość 1001 i, że wysyłamy ja w niezmienionej postaci Jeśli w trakcie transmisji powstanie bła d, to nie mamy żadnej możliwości na jego wykrycie Jeśli natomiast zamiast słowa 1001 prześlemy słowo (tzn powtórzymy je raz jeszcze), wówczas jeśli wysta pi bła d to porównuja c obie cze ści wiadomości możemy go wykryć 1

2 dy - konspekt wykładu 2006/07 2 Gdy na przykład otrzymamy słowo to od razu wiemy, że pierwsza cyfra wiadomości może być błe dna Ale cały czas nie wiemy czy bła d powstał w pierwszej czy drugiej cze ści słowa Przykład 12 Lepsza metoda do wykrywania pojedynczych błe dów jest tzw binarny kod badania parzystości Polega on na dodaniu na końcu każdego wysyłanego słowa sumy cyfr mod 2 Jeśli suma cyfr przesłanej wiadomości jest nieparzysta, to odbiornik wie, że przy przesyłaniu musiał wysta pić bła d Ale nawet, jeśli suma ta jest parzysta, to nie możemy być pewni, że bła d sie nie pojawi Pocza tki teorii kodowania przypadaja na koniec lat czterdziestych u- biegłego wieku Opublikowana w 1948 roku praca pt Mathematical theory of communication CEShannona zainicjował powstanie teorii informacji Rok później ukazał sie artykuł MJEGolay a pt Notes on digital coding Natomiast w 1950 roku RWHamming napisał Error detecting and error correcting codes Zasadnicza idea kodowania polega na przesyłaniu wraz z wiadomościa pewnej informacji nadmiarowej, nie wnosza cej nic do treści samej wiadomości Odebrana, wydłużona w ten sposób wiadomość odwzorowywana jest za pomoca przekształcenia dekoduja cego na cia g pierwotnej długości Dodatkowa informacja powinna umożliwić w procesie dekodowania bezbłe dne odtworzenie wysłanego słowa, jeśli w czasie transmisji wysta piło mało błe - dów Przez analize informacji zawartych w dodatkowo przesyłanych znakach odbiorca może wykryć, a w niektórych przypadkach nawet skorygować powstały na skutek zakłóceń w kanale transmisyjnym bła d W zwia zku z tym kody dzielimy na kody wykrywaja dy i na kody koryguja dy Kody wykrywaja dy maja po pierwsze na celu ustalenie czy w otrzymanej wiadomości wysta pił bła d pojedynczy, ponieważ takie błe dy sa najbardziej prawdopodobne Naste pnie be da starać sie wykrywać błe dy podwójne, potrójne i tak dużo jak to be dzie możliwe Natomiast w przypadku kodów koryguja cych w procesie dekodowania należy błe dy wykryć, zlokalizować a naste pnie poprawić

3 dy - konspekt wykładu 2006/07 3 Podstawowe definicje i własności Załóżmy, że informacja jest kodowana przy zastosowaniu symboli należa cych do skończonego ciała A = GF (q) o q = p m elementach Formalnie kod możemy zdefiniować w naste cy sposób Definicja 13 Podzbiór C wolnego monoidu A nazywamy kodem nad alfabetem A, jeśli dla dowolnych n, m Z +, c 1,, c m, d 1,, d m C A, c 1 c m = d 1 d n = n = m, c i = d i Oznacza to, że jakiekolwiek słowo w wolnej półgrupie nad zbiorem C może być odczytane jednoznacznie jako konkatenacja słów ze zboru C Elementy zbioru C be dziemy nazywać słowami kodowymi Przykład 14 Wyróżnijmy pewien element alfabetu A i nazwijmy go przecinkiem Kod przecinkowy nad A złożony jest ze słów, w których przecinek wyste puje dokładnie raz na końcu słowa Ze wzgle du na sposób doła czania dodatkowych znaków do przesyłanej wiadomości stosowane w praktyce kody dzielimy na dwie klasy: kody blokowe i kody rekurencyjne W przypadku kodów blokowych przesyłana informacje można podzielić na bloki zawieraja ce k symboli, które moga być kodowane i dekodowane niezależnie od innych bloków Po dodaniu symboli dodatkowych słowa kodowe tworza niepusty podzbiór C n-wymiarowej przestrzeni wektorowej nad ciałem A = GF (q) Mówimy wówczas, że kod jest długości n Natomiast w przypadku kodów rekurencyjnych, słowa kodowe nie sa stałej długości, lecz nieskończony cia g symboli informacji przekształcany jest w nieskończony cia g symboli wiadomości Elementy kodu uzależnione sa od bieża cego elementu informacji oraz od pewnej liczby elementów poprzednich Na przykład cia g i 0, i 1, i 2, zamieniany jest w cia g i 0, i 0, i 1, i 1,,, gdzie i n jest funkcja zmiennych i 0, i 1,, i n Jeśli C = 1 to C nazywamy kodem trywialnym Jeśli q = 2 to C jest kodem binarnym Kod blokowy, w którym można odróżnić elementy informacyjne od kontrolnych nazywamy kodem systematycznym Oznacza to, że symbole na pewnych k pozycjach sa symbolami informacji oraz istnieje dokładnie jedno słowo kodowe dla każdego możliwego wyboru współrze dnych na tych k pozycjach

4 dy - konspekt wykładu 2006/07 4 Przykład 15 Kod C = {u 1 u 2 u 3 u 4 u 5 u 6 {0, 1} 6 u 4 = u 2 + u 3, u 5 = u 1 + u 3, u 6 = u 1 + u 2 } jest systematyczny na 3 pozycjach o numerach 1, 2 i 3, ale nie jest systematyczny na pozycjach o numerach 2, 3 i 4 Niech u = u 1 u n, v = v 1 v n C be da słowami kodowymi blokowego kodu C oraz niech 0 n := 00 } {{ 0} i 1 n := 11 } {{ 1} n razy n razy Definicja 16 Odległościa Hamming a (ozn d(u, v)) mie dzy dwoma wektorami u i v nazywamy liczba miejsc, na których wektory te sie różnia Przykład 17 d(10111, 00101) = 2 d(0122, 1220) = 3 W przypadku binarnym kod C można interpretować jako podgraf grafu kostki 2 n, którego wierzchołkami sa wszystkie słowa kodowe Wówczas odległość mie dzy słowami kodowymi interpretujemy jako minimalna ilości krawe dzi mie dzy tymi wierzchołkami Funkcja odległości jest metryka w przestrzeni GF (q) n, zatem spełnia naste ce warunki: 1 d(u, u) = 0, 2 d(u, v) = d(v, u), 3 d(u, w) d(u, v) + d(v, w) (nierówność trójka ta) Definicja 18 Waga (ozn wt(u)) wektora u jest to liczba jego niezerowych współrze dnych, czyli wt(u) := d(u, 0 n ) Przykład 19 wt(101110) = 4 wt( ) = 6 wt(0 n ) = 0 wt(1 n ) = n

5 dy - konspekt wykładu 2006/07 5 Definicja 110 Zbiór K r (u) := {v GF (q) n d(u, v) r} nazywamy kula o promieniu r i środku u Definicja 111 Minimalna odległościa nietrywialnego kodu C nzaywamy d := min{d(u, v) u, v C, u v} Ponieważ w praktyce trudno jest dokładnie obliczyć prawdopodobieństwo błe du po dekodowaniu, odległość kodu jest bardzo dobra miara dobroci kodu Podczas transmisji wektor kodowy może przejść przez kanał bez zmiany (nie wysta piły żadne błe dy), może zostać zmieniony na inne słowo kodowe lub zostać zmieniony na wektor niekodowy Dekoder jest tak skonstruowany, że odróżnia słowa kodowe od cia gów niekodowych Gdy na skutek błe dów wektor kodowy zostanie zamieniony na inny wektor kodowy, wówczas dekoder nie ma możliwości odróżnienia błe dnie odebranego słowa i nie może wykryć żadnego błe du Natomiast cia gi niekodowe umożliwiaja dekoderowi wykrycie błe dów Na przykład, aby mieć możliwość wykrycia wszystkich pojedynczych błe dów odległość kodu musi być co najmniej 2, gdyż inaczej bła d na jednej pozycji może przekształcić jedno słowo kodowe w inne słowo kodowe Twierdzenie 112 Warunkiem koniecznym i dostatecznym na to, aby dany kod umożliwiał wykrycie t lub mniej błe dów jest, aby odległość kodu była równa co najmniej t + 1 Rola dekodera jest nie tylko wykrywać, ale także poprawiać zlokalizowane błe dy W praktyce powszechnie stosowana jest strategia dekodowania z maksymalna wiarygodnościa Polega ona na tym, iż dekoder analizuja c odebrany wektor, znajduje słowo kodowe różnia ce sie od cia gu odebranego najmniejsza liczba pozycji (najbliższe w sensie odległości słowo kodowe) i przyjmuje, że właśnie taki cia g został wysłany Jeśli odległość kodu C wynosi d oznacza to, że dowolne dwa słowa kodowe różnia sie na co najmniej d miejscach Sta d kule K r (u) o promieniu r = [ 1 2 (d 1)] wokół słów kodowych u C sa rozła czne ([x] := max{n Z n x}) Twierdzenie 113 Kod C o odległości d może poprawić do [ 1 2 (d 1)] błe dów

6 dy - konspekt wykładu 2006/07 6 Strategia dekodowania z maksymalna wiarygodnościa nie jest jedyna możliwa Czasami stosuje sie niepełna strategie dekodowania W takim przypadku dekoder poprawia pewna ustalona liczbe błe dów, a gdy wysta pi ich wie cej jedynie informuje o tym lub prosi o retransmisje tych danych, w których wysta piło wie cej błe dów Odległość kodu determinuje ilość błe dów, które można wykryć lub poprawić Cze sto jednak potrzeba wie cej informacji na temat odległości mie dzy słowami kodowymi Definicja 114 Niech C i C be dzie podzbiorem słów kodowych o wadze i Niech A i := C i Cia g (A 0, A 1,, A n ) nazywamy rozkładem wagi kodu C Definicja 115 Numeratorem kodu C nazywamy wielomian n W C (x, y) := A i x n i y i = x n wt(u) y wt(u) i=0 u C Przykład 116 Niech C = {00, 11} Wówczas A 0 = 1, A 1 = 0, A 2 = 1 oraz W C (x, y) = x 2 + y 2 Kod C = {000, 100, 010, 110} ma rozkład A 0 = 1, A 1 = 2, A 2 = 1, A 3 = 0 oraz W C (x, y) = x 3 + 2x 2 y + xy 2 Definicja 117 Dwa kody C 1 i C 2 długości n nad ciałem GF (q) sa równoważne, jeśli istnieje permutacja π S n taka, że (u 1,, u n ) C 1 wtedy i tylko wtedy, gdy (u π(1),, u π(n) ) C 2 Przykład 118 Kody C 1 = {0000, 0011, 1100, 1111} oraz C 2 = {0000, 0101, 1010, 1111} sa równoważne Kody równoważne zachowuja odległość mie dzy słowami kodowymi zatem maja dokładnie takie same własności dotycza ce zdolności poprawiania i korygowania błe dów Jeśli jeden z nich można odkodować to można i równoważny

7 dy - konspekt wykładu 2006/07 7 Kod C długości n, odległości równej d i maja cy M słów kodowych be dziemy nazywali (n, M, d)-kodem Załóżmy, że kod C nad ciałem GF (q) długości n zawieraja cy M słów może poprawić t błe dów Wówczas kule o promieniu t wokół słów kodowych ) ( ) + + (q 1) t n sa rozła czne Każda z takich M kul zawiera 1 + (q 1) ( n 1 t wektorów Ponieważ całkowita liczba elementów przestrzeni GF (q) n wynosi q n otrzymujemy naste ce ograniczenie na liczbe słów kodowych Twierdzenie 119 (Ograniczenie Hamming a) Kod długości nnad ciałem GF (q), zawieraja cy M słów kodowych i poprawiaja cy t błe dów musi spełniać naste ca nierówność ( ) ( ) n n M(1 + (q 1) + + (q 1) t ) q n (1) 1 t W szczególności dla kodów binarnych musi być spełniona nierówność: M(1 + ( ) n ( ) n ) 2 n t Kody, dla których w ograniczeniu (1) zachodzi równość nazywamy kodami doskonałymi Definicja 120 Współczynnikiem sprawności (n, M, d)-kodu C nazywamy liczbe 0 < R := log q M 1 n Wartość współczynnika R wskazuje na poziom efektywności kodu Im wie kszy współczynnik sprawności kodu tym w słowach kodowych jest mniej symboli sprawdzaja cych a wie cej symboli informacji Kod jest tym lepszy im wie ksza jest wartość R Oznacza to, że dla zadanej długości lepsze kody maja wie ksza liczbe słów kodowych W analizie systemów przesyłania stosuje sie uproszczone modele kanału transmisyjnego Najbardziej rozpowszechniony jest model tzw kanału symetrycznego Z założenia taki kanał nie gubi i nie dodaje symboli do przesyłanej informacji oraz każdy z możliwych błe dów jest tak samo prawdopodobny

8 dy - konspekt wykładu 2006/07 8 Definicja 121 Binarna funkcja entropii nazywamy funkcje H 2 (0) := 0, gdzie 0 < x 1 H 2 (x) := x log 2 x (1 x) log 2 (1 x), Definicja 122 Pojemność binarnego kanału symetrycznego z prawdopodobieństwem błe du 1 p definiujemy jako funkcje Q 2 (1 p) := 1 H 2 (1 p) Przypuśćmy, że wiadomość u jest zakodowana jako słowo v i wysłana przez binarny kanał transmisyjny Z powodu zakłóceń wektor y, który otrzymujemy może różnić sie od wektora wysłanego o wektor błe du e = y v = e 1 e n Jeśli prawdopodobieństwo, że w czasie przesyłania pojedynczego symbolu nie wysta pi bła d wynosi p, wówczas e i = 0 z prawdopodobieństwem p (tzn i-ty symbol jest poprawny), natomiast e i = 1 z prawdopodobieństwem 1 p (tzn i-ty symbol jest przesłany z błe dem) Przyjmujemy, że 0 1 p < 1 2 Przykład 123 Załóżmy, że przesyłamy słowo binarne długości k i kodujemy je za pomoca kodu z potrójnymi powtórzeniami Otrzymana wiadomość u 1,, u k, u k+1, u 2k, u 2k+1,, u 3k składa sie z 3k znaków, które odpowiadaja trzykrotnie powtórzonej wiadomości Przyjmijmy naste cy schemat dekodowania: i-ta współrze dna wektora odkodowanego przyjmuje wartość 1, gdy wśród symboli u i, u i+k, u i+2k wysta piła ona co najmniej dwukrotnie, w przeciwnym razie przyporza dkowujemy jej wartość 0 Prawdopodobieństwo, iż dowolny symbol otrzymamy trzykrotnie bez błe du jest równe p 3 Prawdopodobieństwo, że dany symbol otrzymamy za pierwszym razem z błe dem a pozostałe dwa razy bezbłe dnie jest równe p 2 (1 p) Prawdopodobieństwo wysłania błe du tylko za drugim razem albo tylko za trzecim razem jest także równe p 2 (1 p) Zatem prawdopodobieństwo bezbłe dnego odczytania pojedynczego symbolu jest p 3 + 3p 2 (1 p), natomiast prawdopodobieństwo odczytania tego symbolu z błe dem jest równe (1 p) 3 + 3p(1 p) 2 Przyjmijmy, że prawdopodobieństwo błe du (bez kodowania) dla pojedynczego symbolu jest równe 1 p = 0, 1 Wówczas prawdopodobieństwo trzykrotnego

9 dy - konspekt wykładu 2006/07 9 odczytania symbolu bez błe du jest równe p 3 = (0, 9) 3 = 0, 729, z jednym błe dem 3p 2 (1 p) = 0, 243, z dwoma błe dami 3p(1 p) 2 = 0, 027 a z trzema błe dami (1 p) 3 = 0, 001 Zatem nasz kod redukuje prawdopodobieństwo błe du dla pojedynczego symbolu z 10% do 2,8%, gdyż (1 p) 3 + 3p(1 p) 2 = 0, , 027 = 0, 028 Dla porównania, w kodzie, w którym każda przesyłana wiadomość kodujemy przez pie ciokrotne powtórzenie i dekodujemy na zasadzie wie kszości, prawdopodobieństwo błe du dla pojedynczego symbolu jest równe (1 p) 5 + 5p(1 p) (1 p) 3 p 2 = 0, 00856, czyli mniej niż 1% W rezultacie prawdopodobieństwo bezbłe dnego przesłania cia gu 10 symboli wzrasta z (0, 9) 10 35% do (0, 972) 10 74% przy trzykrotnym powtórzeniu i do (0, 99144) 10 91, 5% przy pie ciokrotnym powtórzeniu Korekta błe dów polegaja ca na powtórzeniu wiadomości jest bardzo nieefektywna i daleka od optymalnej Trzykrotne powtórzenie zapewnia korekte pojedynczego błe du dowolnej pozycji z cia gu kosztem trzykrotnego wydłużenia czasu transmisji Dla dobrych kodów funkcje koduja ce i dekoduja ce powinny być tak określone, aby prawdopodobieństwo odczytania wiadomości z błe dem było minimalne Okazuje sie, że istnieja kody, dla których to prawdopodobieństwo jest dowolnie małe Niech C be dzie kodem binarnym i niech P C oznacza dla kodu C prawdopodobieństwo błe du po dekodowaniu, czyli prawdopodobieństwo, że otrzymane po odkodowaniu słowo jest błe dne Dla ustalonych parametrów n, M i 1 p niech P (n, M, 1 p) := min{p C C jest kodem o parametrach n, M, 1 p} Twierdzenie 124 (Shannon) Jeśli 0 < R < Q 2 (1 p) oraz M n := 2 [Rn], to lim n P (n, M n, d) = 0 Zauważmy, iż dla 1 p = 0, 001, Q 2 (1 p) 1 Zatem, dla dowolnego ε > 0 i dostatecznie dużego n istnieje binarny kod C długości n, o współczynniku sprawności bliskim 1, dla którego prawdopodobieństwo błe du po dekodowaniu może być dowolnie małe (tzn P C < ε)

10 dy - konspekt wykładu 2006/07 10 Podobny rezultat można sformułować dla kodów niebinarnych, ale z nieco inna definicja pojemności kanału Niestety, Shannon udowodnił twierdzenie stosuja c metody probabilistyczne a nie konstrukcyjne Zatem twierdzenie nie podaje metody jak taki dobry kod skonstruować Zadania 1 Pokazać, że dla dowolnych wektorów x = x 1 x n, y = y 1 y n GF (2) n n i=1 (x i y i ) 2 = d(x, y) 2 Pokazać, że dla dowolnych wektorów binarnych x = x 1 x n i y = y 1 y n wt(x + y) = wt(x) + wt(y) 2wt(x y), gdzie x y := x 1 y 1 x n y n 3 Pokazać, że dla dowolnych wektorów binarnych x i y wt(x + y) wt(x) wt(y) 4 Pokazać, że dla kodu binarnego, jeśli wt(u) = wt(v) to d(u, v) jest liczba parzysta 5 Z ilu maksymalnie słów kodowch może składać sie binarny kod długości 11 poprawiaja cy błe dy podwójne? 6 Niech C be dzie binarnym kodem długości 16 i odległości 8 takim, że każde słowo kodowe ma wage 6 Pokazać, że C 16 7 Niech d be dzie liczba parzysta Załóżmy, że u, v, w i x sa czterema wektorami binarnymi, parami odległymi od siebie o d Pokazać, że istnieje dokładnie jeden wektor binarny, odległy od u, v i w o d Czy 2 zawsze istnieje binarny wektor odległy o d od wszystkich czterech wektorów 2 u, v, w i x?

11 dy - konspekt wykładu 2006/ Kody liniowe Niech I m M m m oznacza macierz jednostkowa o wyrazach z ciała GF (q) Najbardziej praktyczne w zastosowaniach i łatwe w zrozumieniu sa kody liniowe, czyli kody w których słowa kodowe tworza podprzestrzeń wektorowa Definicja 21 (n, k)-kodem liniowym nad ciałem GF (q) nazywamy k- wymiarowa podprzestrzeń n-wymiarowej przestrzeni GF (q) n Proces kodowania Wektor v GF (q) n jest słowem kodowym (n, k)-kodu liniowego wtw, gdy jest kombinacja liniowa wektorów pewnej bazy przestrzeni k-wymiarowej Sta d (n, k)-kod liniowy C = {Gu T u GF (q) k }, gdzie G M k n jest pewna macierza o wyrazach należa cych do ciała GF (q) Definicja 22 Macierz, której kolumny sa wektorami bazowymi k-wymiarowej podprzestrzeni C nazywamy macierza koduja ca lub macierza generuja ca (n, k)-kodu linowego C Ponieważ podprzestrzeń może mieć wie cej niż jedna baze zatem również kod liniowy może mieć wie cej niż jedna macierz generuja ca Powiemy, że macierz koduja ca G jest w postaci standardowej, jeśli G = I k P M k n, gdzie P M k n k Wówczas w każdym słowie kodowym v = v 1 v n C pierwszych k symboli to symbole wysyłanej informacji u = u 1 u k, natomiast pozostałe n k symboli to symbole sprawdzaja ce, be da ce funkcja symboli informacji: v 1 = u 1, v k = u k, k v k+1 = p 1i u i, (2) i=1 k v n = p (n k)i u i i=1

12 dy - konspekt wykładu 2006/07 12 Dla każdego kodu liniowego, istnieje równoważny mu kod, którego macierz generuja ca ma postać standardowa Przykład 23 Macierze G 1 = i G 2 = sa macierzami generuja cymi (4,2)-kodu C = {0000, 0101, 1011, 1110} (n, k)-kod liniowy generowany przez macierz G = I k M k P n k możemy zdefiniować również nieco inaczej Z równań (2) otrzymujemy naste ca zależność: k p 1i v i + v k+1 = 0, i=1 k p (n k)i v i + v n = 0 i=1 (3) Sta d dla macierzy H := P I n k M n n k, kod C = {v GF (q) n Hv T = 0 T n k} Warunek ten oznacza, że każdy wektor v C jest ortogonalny do każdego wiersza macierzy H Otrzymane w ten sposób równości (3) nosza nazwe równości kontroli parzystości Definicja 24 Macierz H = P I n k Mn k n nazywamy macierza kontroli parzystości (n, k)-kodu liniowego generowanego przez macierz G = I k P M k n k Opis (3) daje elegancki układ równań Każda niewiadoma (symbol sprawdzaja cy) wyste puje dokładnie raz w każdym równaniu a równań jest tyle, ile symboli sprawdzaja cych Lemat 25 Kod liniowy długości n ma wymiar k wtedy i tylko wtedy, gdy jego macierz kontroli parzystości ma rza d n k

13 dy - konspekt wykładu 2006/07 13 Macierz generuja ca i macierz kontroli parzystości (n, k)-kodu linowego sa ze soba ściśle zwia zane, gdyż HG = 0 k oraz G T H T = 0 k Przykład 26 Macierz H = [ ] jest macierza kontroli parzystości (4,2)-kodu C = {0000, 0101, 1011, 1110} z przykładu 23 Definicja 27 Wektor Hv T nazywamy syndromem słowa v GF (q) n W przypadku kodów liniowych, jeśli wektory u, v C to również wektor u v C Ponieważ d(u, v) = wt(u v), gdyż obie strony wyrażaja liczbe miejsc na których wektory u i v sie różnia, zatem, aby znaleźć odległość kodu liniowego nie trzeba porównywać wszystkich par słów kodowych Twierdzenie 28 Odległość kodu liniowego równa jest minimalnej wadze niezerowych słów kodowych Inny sposób określania odległości kodu liniowego daje naste cy lemat Lemat 29 Niech H be dzie macierza kontroli parzystości liniowego kodu C Wówczas kod C ma odległość równa d wtedy i tylko wtedy, gdy każde d 1 kolumn macierzy H jest liniowo niezależnych i pewne d kolumn tej macierzy jest liniowo zależnych Zatem odległość kodu liniowego jest minimalna liczba liniowo zależnych kolumn macierzy kontroli parzystości natomiast ilość symboli kontrolnych jest maksymalna liczba liniowo niezależnych kolumn tej macierzy Jeśli (n, k)-kod liniowy ma odległość równa d to powiemy o nim, że jest (n, k, d)-kodem liniowym Zatem (n, k, d)-kody liniowe sa (n, 2 k, d)-kodami systematycznymi, dla których współczynnik sprawności R = k n Jeśli u C jest słowem kodowym kodu liniowego, wówczas liczba słów kodowych v C, dla których d(u, v) = wt(u v) = i równa jest liczbie A i słów kodowych o wadze i

14 dy - konspekt wykładu 2006/07 14 Twierdzenie 210 (Ograniczenie Singletona) Jeśli C jest (n, k, d)-kodem liniowym to n k d 1 Twierdzenie 211 (Ograniczenie Gilberta - Varshamova) Istnieje binarny kod liniowy długości n z co najwyżej r symbolami kontroli parzystości i odległościa co najmniej d taki, że ( ) n ( ) n 1 < 2 r d 2 Można pokazać, że istnieje kod liniowy nad ciałem GF (q) o tych samych własnościach taki, że ( ) d 2 n 1 (q 1) i < q r i i=0 Twierdzenie (211) dowodzi, że istnieja dobre kody liniowe, ale nie wskazuje metody ich konstrukcji Twierdzenie 212 (Ograniczenie Griesmera) Najkrótszy binarny kod liniowy wymiaru k i odległości d ma co najmniej długość k 1 i=0 d ( x jest najmniejsza 2 i liczba całkowita wie ksza od x) Przykład 213 Najkrótszy kod liniowy wymiaru 5, poprawiaja cy błe dy potrójne ma długość równa co najmniej 4 7 i=0 2 = i = 15 Istnieje liniowy (15,5,7)-kod BCH Definicja 214 (n, n k)-kod liniowy C := {u A n uw = 0, w C} nazywamy kodem dualnym lub kodem ortogonalnym do C (uw := n u i w i w ciele GF (q)) i=1 Jeśli H jest macierza kontroli parzystości a G macierza generuja ca kodu C to H T jest macierza generuja ca a G T jest macierza kontroli parzystości kodu dualnego C

15 dy - konspekt wykładu 2006/07 15 Twierdzenie 215 (FJMacWilliams) Jeśli W C (x, y) jest numeratorem (n, k)-kodu linowego C, to wielomian jest numeratorem kodu dualnego C W przypadku binarnym, W C (x, y) = 1 q k W C(x + (q 1)y, x y) W C (x, y) = 1 2 k W C(x + y, x y) Definicja 216 Kod C nazywamy słabo samo-dualnym, jeśli C C W kodach słabo samo-dualnych, dla każdej pary słów kodowych u, v C (niekoniecznie różnych), uv = 0 Przykład 217 Dowolny binarny (n, 1)-kod powtórzeniowy jest słabo samodualny, gdy n jest liczba parzysta Definicja 218 Kod C nazywamy samo-dualnym, jeśli C = C Długość n kodów samodualnych musi być parzysta oraz kod C musi być (n, n/2)-kodem Przykład 219 Binarny (2,1)-kod powtórzeniowy C = {00, 11} jest kodem samodualnym Proces dekodowania Metoda lidera warstwy W procesie dekodowania, dekoder musi zdecydować na podstawie otrzymanego po transmisji wektora y jakie słowo kodowe v zostało wysłane Wystarczy, gdy dekoder znajdzie wektor błe du e, gdyż wówczas v = y e Ponieważ dla (n, k)-kodów liniowych C zbiór słów kodowych tworzy k-wymiarowa podprzestrzeń n-wymiarowej przestrzeni wektorowej GF (q) n, wektor y GF (q) n musi należeć do jednej z warstw wzgle dem C Niech y a+c dla pewnego a GF (q) n, czyli y = a+u dla u C Wówczas e = y v = a + u v = a + v a + C

16 dy - konspekt wykładu 2006/07 16 Zatem wektory y i e należa do tych samych warstw wzgle dem podprzestrzeni C Stosuja c strategie dekodowania z maksymalna wiarygodnościa odkodujemy wektor y jako najbliższe mu w sensie odległości słowo kodowe u Wektor błe du be dzie miał wtedy najmniejsza możliwa wage Zauważmy, że gdy H jest macierza kontroli parzystości kodu C to Hy = H(v + e) = Hv + He = He, czyli syndrom Hy wektora y jest taki sam jak syndrom He wektora błe du e Zatem po otrzymaniu słowa y wybieramy wektor błe du e o minimalnej wadze w tej warstwie do której należy wektor y (tzw lidera warstwy) i dekodujemy y jako słowo v = y e Jeśli istnieje wie cej niż jeden wektor o minimalnej wadze w danej warstwie, to lidera warstwy wybieramy losowo Jeśli słowo y C ma wage w, to syndrom Hy jest kombinacja liniowa pewnych w kolumn macierzy H Jeśli wektor e jest wektorem błe du to syndrom He jest kombinacja liniowa tych kolumn macierzy H, na których został popełniony bła d Jeśli wysta pił tylko pojedynczy bła d na i-tym miejscu to wektor błe du e = 0 b 0 ma wage 1 i syndrom He jest i-ta kolumna macierzy H pomnożona przez stała b Gdyby i-ta kolumna macierzy H była zerowa to bła d wyste cy na i-tej pozycji nie zostałby wykryty Ponadto dla kodów binarnych, jeśli dwie kolumny macierzy H byłyby identyczne, to dwa syndromy dla dwóch różnych błe dów pojedynczych byłyby takie same W obu tych przypadkach nie byłoby możliwe wykrycie błe dów pojedynczych Sta d macierz kontroli parzystości H dla binarnych kodów wykrywaja cych błe dy pojedyncze musi mieć kolumny parami różne i niezerowe Przykład 220 Macierz G = jest macierza generuja ca binarnego (4,2)-kodu liniowego C Wszystkie 16 binarnych wektorów długości 4 możemy podzielić na cztery warstwy wzgle dem

17 dy - konspekt wykładu 2006/07 17 podprzestrzeni C = {0000, 1011, 0101, 1110} słów kodowych: lider warstwy syndrom [ ] 0 0 [ ] 1 1 [ ] 0 1 [ ] 1 0 Niech y = 1111 be dzie otrzymanym wektorem Ponieważ syndrom Hy T = [ ] 0 nie jest wektorem zerowym w czasie transmisji zostały popełnione 1 błe dy Dekoder decyduje, że wektorem błe du e = 0100 jest lider warstwy, do której należy wektor y Zatem wektor y zostaje odkodowany jako słowo kodowe v = y e = 1011 Kiedy stosujemy metode dekodowania kodu liniowego oparta na wyborze lidera warstwy, dekodowanie jest poprawne wtedy i tylko wtedy, gdy wektor błe du faktycznie jest liderem warstwy Jeśli nie, to dekoder popełnia bła d dekodowania Niech α i oznacza liczbe liderów warstw o wadze i Wówczas prawdopodobieństwo błe du po dekodowaniu dla binarnego (n, k)-kodu linowego C wynosi: n P rawd{e lider warstwy} = 1 α i (1 p) i p n i (4) i=0 Ponieważ przyje ta metoda dekodowania zapewnia wybór słowa kodowego z najbliższego sa siedztwa to dla wszystkich innych metod dekodowania, prawdopodobieństwo P C błe du po dekodowaniu be dzie wie ksze od (4) Jeśli kod liniowy C może poprawić t lub mniej błe dów oznacza to, że każdy wektor błe du o wadze t jest liderem warstwy Zatem α i = ( ) n i dla

18 dy - konspekt wykładu 2006/ i t Dla i > t wartość α i jest niezwykle trudno obliczyć i jest znana tylko dla kilku kodów Jeśli prawdopodobieństwo (1 p) popełnienia błe du przy przesyłaniu pojedynczego symbolu jest małe, to p 1 oraz (1 p) i p (n i) (1 p) (i+1) p (n i 1) W tym przypadku cze ść wzoru (4) dotycza ca dużych i jest mało znacza ca i wówczas ( ) t n P C 1 (1 p) i p n i i lub P C 1 t i=0 sa wygodnymi przybliżeniami i=0 ( ) n (1 p) i p n i α t+1 (1 p) t+1 p n t 1 i Metoda logicznej wie kszości Niech dla (n, k)-kodu liniowego równania (3) kontroli parzystości be da takie, że dla pewnego 1 i k zmienna v i wyste puje w każdym równaniu układu oraz dla każdego j i zmienna v j wyste puje co najwyżej w jednym równaniu Załóżmy, że dekoder otrzymuje słowo x GF (q) n, w którym wysta piło t 1 2 (n k) błe dów Jeśli symbol x i jest przesłany poprawnie, to co najwyżej t równań układu (3) be dzie różnych od zera Jeśli natomiast zmienna x i jest niepoprawna, to co najmniej n k (t 1) równań jest różnych od zera Ponieważ n k (t 1) > t to liczba równań równych 0 decyduje, czy symbol x i został przesłany poprawnie czy też nie Jeśli co najwyżej t równań układu (3) jest różnych od zera to zmienna x i jest poprawna, jeśli jednak co najmniej t + 1 równań jest różnych od zera, na pozycji i wysta pił bła d Przykład 221 Niech C be dzie (7,4)-kodem binarnym o naste cych równaniach kontroli parzystości: x 1 + x 2 + x 3 = 0, x 1 + x 4 + x 5 = 0, x 1 + x 6 + x 7 = 0

19 dy - konspekt wykładu 2006/07 19 Jeżeli w otrzymanym słowie x wysta pi jeden bła d, to wszystkie trzy równania be da równe 1, jeśli zmienna x 1 jest niepoprawna Jeśli dwa z równań be da równe 0 a trzecie 1 to symbol x 1 jest przesłany poprawnie Natomiast jeśli tylko jedno z równań jest równe 0 to bła d wysta pił na wie cej niż jednej pozycji Zadania 1 Znaleźć macierz generuja ca binarnego (6,3)-kodu liniowego o macierzy kontroli parzystości H = Znaleźć najkrótszy kod linowy wymiaru 3, który poprawia błe dy potrójne 3 Z ilu maksymalnie słów kodowych może składać sie binarny kod liniowy długości 11, poprawiaja cy błe dy podwójne? 4 Pokazać, że jeśli kolumny macierzy generuja cej binarnego (ternarnego) (n, k)-kodu linowego C maja wage parzysta (podzielna przez 3) i sa wzajemnie ortogonalne, to C jest kodem słabo samo-dualnym 5 Pokazać, że jeśli kolumny macierzy generuja cej binarnego (n, k)-kodu linowego C maja wage podzielna przez 4 i sa wzajemnie ortogonalne, to C jest kodem słabo samo-dualnym i wszystkie słowa kodowe w C maja wage podzielna przez 4 6 Pokazać, że w liniowym kodzie binarnym albo wszystkie słowa kodowe maja parzysta wage, albo dokładnie połowa z nich ma wage parzysta a połowa nieparzysta 7 Pokazać, że w liniowym kodzie binarnym albo wszystkie słowa kodowe rozpoczynaja sie 0, albo dokładnie połowa z nich rozpoczyna sie 0 a połowa 1 8 Niech N(k, d) oznacza długość najkrótszego liniowego kodu binarnego wymiaru k i odległości równej d Pokazać, że N(k, d) d + N(k 1, d 2 )

20 dy - konspekt wykładu 2006/ Wybrane metody konstrukcji kodów Kody rozszerzone Jeśli C jest (n, M, d)-kodem nad alfabetem GF (q), wówczas kod rozszerzony Ĉ definiujemy naste co: Ĉ := {u 1 u n u n+1 u 1 u n C, n+1 i=1 u i q 0} Przykład 31 Jeśli C jest kodem liniowym o macierzy kontroli parzystości H, to Ĥ = H 0 0 jest macierza kontroli parzystości kodu rozszerzonego Ĉ Kody skrócone Usuwaja c z każdego słowa kodowego (n, M, d)-kodu C ustalona współrze dna otrzymujemy skrócony kod C długości n 1 o tej samej liczbie M elementów i najcze ściej odległości d 1 Przykład 32 Usuwaja c ostatnia współrze dna ze wszystkich słów kodowych (3,2,2)-kodu C = {000, 011, 101, 110} otrzymujemy (2,2,1)-kod skrócony C = {00, 01, 10, 11} Kody okrojone Kod okrojony kodu C tworzymy przez wybranie wszystkich słów kodowych należa cych do C, zakończonych takim samym symbolem i usunie ciu tej ostatniej pozycji Otrzymany kod ma mniejsza długość oraz liczbe słów kodowych, ale zachowuje odległość Jeśli usunie tym symbolem nie jest 0, wtedy zawsze kod okrojony kodu liniowego nie jest liniowy Przykład 33 Jeśli C jest liniowym (n, k, d)-kodem binarnym, to kod okrojony C jest (n 1, k 1, d )-kodem, gdzie d d Kody powie kszone Kod powie kszony C a powstaje przez dodanie do kodu C wektora 1 (jeśli nie jest on już elementem tego kodu)

21 dy - konspekt wykładu 2006/07 21 Przykład 34 Jeśli C jest binarnym liniowym (n, k, d)-kodem, który nie zawiera wektora 1 n, liniowy kod powie kszony C a = C {1 n + C} składa sie ze słów kodu C oraz wszystkich ich uzupełnień Wówczas C a jest (n, k + 1, d a )- kodem, gdzie d a = min{d, n d } i d jest najwie ksza waga słów kodu C Suma kodów Niech C 1 i C 2 be da odpowiednio (n, M 1, d 1 ) i (n, M 2, d 2 ) kodami binarnymi Wówczas sume C kodów C 1 i C 2 definiujemy naste co: C := {u u + v : u C 1, v C 2 }, gdzie wektor u u+v długości 2n jest konkatenacja słów u = u 1 u n i u+v = u 1 +v 1 u n +v n C jest (2n, M 1 M 2, d)-kodem o odległości d = min{2d 1, d 2 } (Jeżeli kody C 1 i C 2 sa różnej długości, to aby utworzyć ich sume należy dodać na końcu każdego słowa w krótszym kodzie odpowiednia ilość zer) Przykład 35 Jeśli C 1 i C 2 sa odpowiednio (n 1, k 1, d 1 ) i (n 2, k 2, d 2 ) kodami liniowymi, wówczas suma kodów C jest (2 max{n 1, n 2 }, k 1 +k 2, d = min{2d 1, d 2 })- kodem liniowym Zadania 1 Pokazać, że jeśli C jest (n, M, d)-kodem binarnym, w którym d jest liczba nieparzysta, to odległość kodu rozszerzonego Ĉ wynosi d Niech C be dzie ternarnym kodem liniowym o macierzy generuja cej G = [ Znaleźć odległość kodu rozszerzonego Ĉ ]

22 dy - konspekt wykładu 2006/ Kody nieliniowe i ograniczenia na wielkość kodów Kody liniowe maja wiele praktycznych zalet Jednak, gdy chcemy otrzymać kod z najwie ksza możliwa liczbe słów kodowych z zadana minimalna odległościa musimy czasami stosować kody nieliniowe Przykład 41 Załóżmy, że poszukujemy binarnego kodu długości 11, który poprawia błe dy podwójne Z ograniczenia Hamming a dla kodów liniowych otrzymujemy, iż ( ) ( ) k (1 + + ) Zatem k 4 i najwie kszy kod liniowy spełniaja cy zadane warunki może mieć co najwyżej 2 k = 16 elementów Natomiast istnieje nieliniowy binarny (11,24,5)-kod składaja cy sie z naste cych elementów: Niech A(n, d) oznacza maksymalna liczbe słów kodowych w kodzie długości n z odległościa d nad alfabetem GF (q) Badanie liczby A(n, d) jest jednym z głównych problemów kombinatorycznych teorii kodowania Z podstawowych własności kodów wynikaja różne ograniczenia na ich wielkość Twierdzenie 42 (Ograniczenie Singletona) Dla dowolnych q, n, d N, q 2 A(n, d) q n d+1

23 dy - konspekt wykładu 2006/07 23 Kody, dla których w ograniczeniu Singletona zachodzi równość nazywamy MDS-kodami (kody o maksymalnej odległości) Twierdzenie 43 (Ograniczenie Plotkina) Dla dowolnego binarnego kodu o odległości d i długości n < 2d, d A(n, d) 2[ ] (5) 2d n Wniosek 44 Niech C be dzie kodem binarnym i niech n, d N Jeśli d jest liczba parzysta, to wówczas n = 2d A(2d, d) 4d Jeśli natomiast d jest liczba nieparzysta, to d + 1 n < 2d + 1 A(n, d) 2[ 2d + 1 n ] oraz n = 2d + 1 A(2d + 1, d) 4d + 4 Równości w powyższych ograniczeniach osia gane sa dla tzw kodów Hadamarda, które konstruuje sie na bazie macierzy Hadamarda Przykład 45 Macierza Hadamarda nazywamy macierz kwadratowa H n Mn n o wyrazach 1 i -1 taka, że H n Hn T = ni n Oznacza to, że dwa różne wiersze macierzy H n sa parami ortogonalne, natomiast iloczyn skalarny wiersza przez siebie jest równy n Ponieważ Hn 1 = 1 n HT n, zatem Hn T H n = ni n i kolumny macierzy Hadamarda maja takie same własności Jeśli H n jest macierza Hadamarda to rza d n równy jest 1, 2 lub jest wielokrotnościa 4 Jeśli H n jest macierza Hadamarda rze du n, to macierz H 2n := [ Hn H n H n H n ] (6) jest macierza Hadamarda rze du 2n Sta d np H 1 = [ 1 ], H 2 = [ ], H 4 = oraz

24 dy - konspekt wykładu 2006/07 24 H 8 = Przykładem macierzy Hadamarda, której rza d nie jest pote ga liczby 2 jest macierz H 12 = Niech dla n 1 H n be dzie macierza Hadamarda Zasta pmy w macierzach H n i H n każdy symbol -1 przez 0 Zbór C Hn złożony ze wszystkich tak zmodyfikowanych wierszy obu macierzy jest binarnym kodem długości n zawieraja cym 2n słów kodowych Ponieważ dowolne dwa wiersze macierzy Hadamarda sa ortogonalne, różnia sie zatem na dokładnie połowie pozycji n Sta d kod C Hn ma odległość równa 2 Kody utworzone z macierzy Hadamarda postaci (6) i rze du n = 2 r sa kodami liniowymi Kod C H8 otrzymany z macierzy H 8, złożony jest z naste cych 16 słów

25 dy - konspekt wykładu 2006/07 25 kodowych: Kod C długości n i odległości d, dla którego C = A(n, d) nazywamy kodem optymalnym Na mocy twierdzenia 124 wiemy, że dobre kody sa długie (bardziej precyzyjnie, maja c kanał transmisyjny z określonym prawdopodobieństwem 1 p popełnienia błe du, możemy zredukować ten bła d znajduja c cia g kodów o wzrastaja cej długości) Ponieważ średnia liczba błe dów po transmisji słowa długości n wynosi n(1 p), zatem odległość d kodu musi być co najmniej równa 2n(1 p), jeśli chcemy móc te błe dy skorygować Takie wymagania znacznie ograniczaja liczbe słów kodowych Z drugiej strony dla dobrej skuteczności kodu współczynnik R jego sprawności również powinien być duży Sta d zainteresowanie badaniami nad asymptotycznymi ograniczeniami na wielkość najlepszych kodów Okazuje sie, że najprostsze rezultaty dla kodów binarnych osia gnie to, gdy współczynnik d sprawności R wyrażono jako funkcje n d Z ograniczenia Plotkina (5) wynika, że jeśli 1 to R 0, gdy n 2 n Zatem zakładamy, że d < 1 n 2 Niech f(n) g(n) oznacza, że f(n) g(n)(1 + ε(n)), gdzie ε(n) 0 przy n Podane wcześniej dolne ograniczenie Gilberta-Varshamova w postaci asymptotycznej przyjmuje naste ca postać Twierdzenie 46 (Dolne ograniczenie Gilberta-Varshamova) Niech 0 δ < 1 Istnieje nieskończony cia 2 g (n, k, d)-kodów binarnych liniowych takich, że d δ i współczynnik sprawności R = k spełnia warunek: n n k n = R 1 H 2( k ), gdy n, gdy n n

26 dy - konspekt wykładu 2006/07 26 Najlepsze kody (np kody alternuja ce) leża na lub tuż powyżej dolnego ograniczenia Gilberta-Varshamova Asymptotyczna wersja górnego ograniczenia Hamming a ma naste ca postać Twierdzenie 47 (Górne ograniczenie Hamming a) Dla dowolnego (n, M, d)-kodu R 1 H 2 ( d ), gdy n 2n Twierdzenie 48 (Górne ograniczenie Elias) Dla dowolnego (n, M, d)-kodu R 1 H 2 ( (1 2d )), gdy n n Lepsze górne ograniczenia podaja twierdzenia Mc Eliece, Rodemich, Rumsey i Welch Twierdzenie 49 (Mc Eliece, Rodemich, Rumsey, Welch) Dla dowolnego (n, M, d)-kodu R H 2 ( 1 d 2 n (1 d )), gdy n n Istnieje jeszcze lepsze ograniczenie podane przez tych samych autorów, ale ostateczne górne ograniczenie nie jest znane Nie jest znany kod, który osia gałby obecnie znane ograniczenia górne W tabeli podane sa dla porównania przykładowe ograniczenia na wartość ) uzyskane przy zastosowaniu różnych twierdzeń R( d n d Gil V ar Ham Elias ERRW 1 ERRW 2 n , 1 0, 531 0, 714 0, 702 0, 722 0, 693 0, 2 0, 278 0, 531 0, 492 0, 469 0, 461 0, 3 0, 119 0, 390 0, 312 0, 250 0, 250 0, 4 0, 029 0, 278 0, 150 0, 081 0, 081 0, 5 0 0,

27 dy - konspekt wykładu 2006/07 27 Jak zauważyliśmy optymalne kody powinny charakteryzować sie dużym współczynnikiem sprawności (kod jest tym lepszy, im wie cej zawiera słów kodowych, gdyż wtedy może przekazać wie cej informacji i jest bardziej wydajny), duża odległościa (aby wykrywać i poprawić jak najwie cej błe dów) oraz powinny być dostatecznie długie (by zminimalizować prawdopodobieństwo błe du po odkodowaniu) Powinny być również efektywne (przesyłać dane z możliwie najwie ksza szybkościa ) Niestety cele te sa wzajemnie sprzeczne Sta d jednym z zadań teorii kodowania jest uzyskanie skutecznych algorytmów kodowania i dekodowania Stosowane w praktyce kody nie maja najwie kszej możliwej minimalnej odległości, ale za to moga być łatwo kodowane i dekodowane Zadania 1 Pokazać, że dla kodu binarnego i dowolnych n, d N: A(n, 2d 1) = A(n + 1, 2d), A(n, d) 2A(n 1, d) Niech A(n, d, w) oznacza maksymalna liczbe binarnych słów kodowych długości n, odległości co najmniej d i wagi równej w 2 Pokazać, że dla kodu binarnego A(n, 2d 1, w) = A(n, 2d, w) 3 Pokazać, że dla kodu binarnego, jeśli w < d to A(n, 2d, w) = 1 4 Pokazać, że dla kodu binarnego A(n, 2d, d) = [ n d ] 5 Pokazać, że dla kodu binarnego A(n, 2d, w) [ dn w 2 wn+dn ] 6 Oszacować możliwie najlepiej liczbe binarnych słów kodowych o wadze równej 4, długości 9 i odległości co najmniej 6 7 Pokazać, że dla kodu binarnego A(n, 2d, w) [ n A(n 1, 2d, w 1)] w 8 Oszacować możliwie najlepiej wartość A(20, 8, 7) dla kodu binarnego

28 dy - konspekt wykładu 2006/ Kody doskonałe Na mocy twierdzenia 113 kule o promieniu t = [ d 1 ] wokół słów kodowych 2 kodu o minimalnej odległości d sa rozła czne Zazwyczaj istnieja wektory z przestrzeni GF (q) n, które nie należa do żadnej takiej kuli Problem zminimalizowania prawdopodobieństwa błe dnego dekodowania sprowadza sie do umieszczenia w n-wymiarowej kostce GF (q) n tak wielu nie zachodza cych na siebie kul, jak to tylko możliwe Definicja 51 Kod C długości n i odległości d nazywamy kodem doskonałym, jeśli wszystkie wektory przestrzeni GF (q) n zawarte sa w kulach o promieniu t = [ d 1] i środku be 2 da cym słowem kodowym (Mówimy wówczas, że kule pokrywaja cała przestrzeń) Kody doskonałe moga wykryć i poprawić wszystkie t lub mniej błe dów i nie moga wykryć wie cej niż t błe dów Sa to najlepsze kody w tym sensie, iż nie istnieja inne kody moga ce skorygować wie ksza liczbe błe dów Dla kodów doskonałych we wzorze na prawdopodobieństwo błe du po odkodowaniu P err = 1 n i=0 α i (1 p) i p n i, α i = 0 dla i > t = [ d 1], 2 czyli dla takich kodów ( ) t n P err = 1 (1 p) i p n i i i=0 Przykład 52 Trywialnymi przykładami kodów doskonałych sa : kod zawieraja cy dokładnie jedno słowo kodowe (poprawia wszystkie błe dy), cała przestrzeń (nie poprawia żadnego błe du) oraz jednowymiarowy binarny kod powtórzeniowy długości n, dla n nieparzystego (zawiera tylko dwa słowa 0 n i 1 n oraz poprawia n 1 2 błe dów) Generalnie konstruowanie kodów doskonałych jest bardzo trudne Aby wszystkie wektory przestrzeni GF (q) n zawarte były w kulach o promieniu t i środku w słowie kodowym to korzystaja c z ograniczenia Hamming a dla kodu nad ciałem GF (q) musi być spełniona równość: ) M(1 + (q 1)n + + (q 1) t ( n t gdzie M jest liczba elementów kodu ) = q n,

29 dy - konspekt wykładu 2006/07 29 Lemat 53 Niech C be dzie doskonałym (n, M, 2t + 1)-kodem nad ciałem GF (q) poprawiaja cym t błe dów Wówczas liczba słów kodowych M jest pote ga liczby q oraz dla pewnego l Z ) t 1) i=0(q i( n = q l i W szczególności dla doskonałych binarnych (n, k, d)-kodów liniowych poprawiaja cych t = [ d 1] błe 2 dów musi zachodzić naste ca zależność: ( ) n 2 k (1 + n + + ) = 2 n t Istnieje jednak bardzo mało liczb naturalnych 1 t < n 1, dla których n + + ( ) n t jest pote ga liczby 2 Przykład 54 Niech r 1 be dzie liczba naturalna Kod liniowy długości n = qr 1 i wymiaru n r jest kodem doskonałym nad ciałem GF (q) poprawiaja q 1 cym jeden bła d W szczególności (2 r, 2 r r 1)-kod liniowy jest binarnym kodem doskonałym poprawiaja cym jeden bła d Przykład 55 Binarny (23,12,7)-kod liniowy jest kodem doskonałym poprawiaja cym trzy błe dy natomiast ternarny (11,6,5)-kod liniowy jest kodem doskonałym poprawiaja cym dwa błe dy Kody doskonałe maja ciekawe zwia zki z kombinatoryka Definicja 56 Systemem Steiner a S(a, w, n) na n-elementowym zbiorze X nazywamy rodzine w-elementowych podzbiorów zbioru X (zwanych blokami) taka, że każdy a-elementowy podzbiór zbioru X zawarty jest dokładnie w jednym bloku Niech C be dzie kodem długości n Powiemy, że wektory o wadze w kodu C tworza system Steiner a S(a, w, n), jeśli każdy zbiór a współrze dnych wyste puje jako niezerowa pozycja dokładnie w jednym słowie kodowym wagi w Twierdzenie 57 Niech C be dzie kodem doskonałym długości n poprawiaja cym t = 1 lub t = 3 błe dy Wówczas słowa kodowe o wadze 2t+1 = 3 lub 2t+1 = 7 tworza system Steiner a S(t + 1, 2t + 1, n)

30 dy - konspekt wykładu 2006/07 30 Kody Hamming a Kody Hamming a sa ważna rodzina kodów liniowych, doskonałych, poprawiaja cych błe dy pojedyncze, które sa bardzo łatwe w kodowaniu i w dekodowaniu Jak już wcześniej zauważyliśmy, macierz kontroli parzystości dla binarnych kodów wykrywaja cych błe dy pojedyncze musi mieć kolumny parami różne i niezerowe Definicja 58 Niech r 1 be dzie liczba naturalna Kolumny macierzy kontroli parzystości Hr 2 M (2r 1) r liniowego binarnego kodu Hamming a H r (2) sa wszystkimi niezerowymi wektorami binarnymi długości r Zatem w macierzy H 2 r, i-ta kolumna jest przedstawieniem liczby i w systemie dwójkowym Możemy przyja ć, że w każdym słowie kodowym u = u 1 u 2 u 2 r 1 symbole o indeksach 2 i sa symbolami kontrolnymi, a pozostałe symbole symbolami słowa źródłowego W macierzy H 2 r każde dwie kolumny sa różne i liniowo niezależne Ponadto istnieja 3 kolumny, które sa liniowo zależne Sta d minimalna odległość kodu d = 3 Tak wie c binarne kody Hamming a sa (2 r 1, 2 r 1 r, 3)-kodami liniowymi dla r 1 Jeśli do kodowania zastosujemy macierz H 2 r, w której i-ta kolumna jest binarna reprezentacja liczby i to możemy przyja ć naste cy schemat dekodowania dla kodu H r (2) Jeśli w przesłanym słowie y wysta pił pojedynczy bła d na l-tej pozycji, to syndrom H 2 r e = H 2 r y wektora błe du e be dzie l-ta kolumna macierzy H 2 r, czyli binarna reprezentacja liczby l Pojedynczy bła d korygujemy zamieniaja c l-ty symbol w otrzymanym słowie y Wniosek 59 Słowa kodowe o wadze 3 binarnego (2 r 1, 2 r r 1, 3)-kodu Hamming a tworza system Steiner a S(2, 3, 2 r 1) Definicja 510 Kod dualny H r (2) do binarnego kodu Hamming a H r (2) nazywamy (2 r 1, r)-kodem sympleksowym S r Macierza generuja ca kodu S r jest transponowana macierz kontroli parzystości kodu H r (2) Można pokazać indukcyjnie, że każdy kod S r zawiera wektor zerowy i wszystkie jego niezerowe słowa kodowe sa wagi 2 r 1 Sta d kody sympleksowe sa to (2 r 1, r, 2 r 1 )-kody liniowe Kod S r jest nazywany kodem sympleksowym, ponieważ każda para słów kodowych jest w tej samej odległości Jeśli z wierzchołków n-wymiarowej

31 dy - konspekt wykładu 2006/07 31 kostki wybierzemy tylko te, które sa słowami kodowymi, to utworza one sympleks (zbiór wypukły generowany przez te wierzchołki) Kody sympleksowe sa przykładem kodów, które osia gaja ograniczenie Griesmer a na minimalna długość kodu Przykład 511 Najkrótszy kod liniowy wymiaru k i odległości d = 2 k 1 ma długość co najmniej 2 k k = 2 k 1 Metody konstrukcji macierzy kontroli parzystości, która zastosowaliśmy w przypadku binarnym nie można bezpośrednio zastosować do kodów Hamming a nad innymi ciałami Jeśli kolumnami macierzy maja być niezerowe wektory długości r o współrze dnych w ciele GF (q), to aby dowolne dwie kolumny takiej macierzy były liniowo niezależne należy usuna ć wszystkie te wektory, które sa wynikiem mnożenia przez skalary różne od 1 Sta d jako kolumny macierzy należy wybierać po jednym wektorze z każdego zbioru K = {v v = aw, a GF (q)} Na przykład możemy wybrać tylko te kolumny, dla których pierwsza niezerowa współrze dna równa jest 1 Takich wektorów be dzie qr 1 q 1 Definicja 512 Niech r 1 be dzie liczba naturalna Kod Hamming a H r (q) nad ciałem GF (q) ma jako macierz kontroli parzystości macierz Hr q (q r 1) (q 1) Mr, której kolumny sa wszystkimi niezerowymi cia gami długości r o elementach z ciała GF (q), których pierwszy niezerowy element równy jest 1 Kody Hamming a H r (q) nad ciałem GF (q) poprawiaja pojedyncze błe dy Załóżmy, że do kodowania zastosowaliśmy macierz H q r Aby przeprowadzić proces dekodowania otrzymanego słowa y, w którym został popełniony jeden bła d, obliczamy syndrom H q r y = H q r e błe du e = 0 b 0, gdzie b wyste puje na l-tej pozycji Jeśli pojedynczy bła d wysta pił w l-tym symbolu, to syndrom błe du be dzie l-ta kolumna macierzy H q r pomnożona przez b Dziela c syndrom przez b otrzymujemy l-ta kolumne macierzy H q r Bła d korygujemy odejmuja c (w ciele GF (q)) b od l-tej współrze dnej słowa y

32 dy - konspekt wykładu 2006/07 32 Kody Golay a Kodami Golay a nazywamy cztery kody liniowe: 1 Binarny (23, 12, 7)-kod doskonały G 23 2 Binarny (24, 12, 8)-kod G 24 3 Ternarny (11, 6, 5)-kod doskonały G 11 4 Ternarny (12, 6, 6)-kod G 12 Definicja 513 Macierza generuja ca G 24 M binarnego (24, 12, 8)-kodu Golay a G 24 jest macierz

33 dy - konspekt wykładu 2006/07 33 Binarny (24, 12, 8)-kod Golay a G 24 jest kodem wielomianowym generowanym przez wielomian x 11 + x 10 + x 6 + x 5 + x 4 + x Lemat Każde słowo kodowe kodu G 24 ma wage podzielna przez 4 2 Kod G 24 jest samodualny, tzn G 24 = G 24 3 Słowa kodowe kodu G 24 wagi 8 tworza system Steiner a S(5, 8, 24) 4 Kod G 24 ma naste cy rozkład wagi: i A i Definicja 515 Binarny (23, 12, 7)-kod doskonały G 23 jest kodem skróconym kodu G 24 Lemat Słowa kodowe kodu G 23 S(4, 7, 23) 2 Kod G 23 ma naste cy rozkład wagi: wagi 7 tworza system Steiner a i A i Definicja 517 Doskonały ternarny (11, 6, 5)-kod G 11 jest kodem wielomianowym generowanym przez wielomian x 5 + x 4 x 3 + x 2 1 Lemat 518 Słowa kodowe kodu G 11 wagi 5 tworza system Steiner a S(4, 5, 11) Definicja 519 (12, 6, 6)-kod G 12 jest kodem rozszerzonym kodu G 11 Lemat Każde słowo kodowe kodu G 12 ma wage podzielna przez 3 2 Kod G 12 jest samodualny, tzn G 12 = G 12 3 Słowa kodowe kodu G 12 wagi 6 tworza system Steiner a S(5, 6, 12) Twierdzenie 521 Wszystkie kody Golay a sa jednoznaczne w tym sensie, że każdy kod o parametrach kodów G 11, G 12, G 23 lub G 24 jest równoważny z jednym z nich Doskonałe kody Hamming a i Golay a skonstruowano w późnych latach 40-tych W 1973 roku udowodniono, że nie jest możliwe skonstruowanie innych kodów doskonałych koryguja cych błe dy wielokrotne Dowód tego faktu zwia zany jest z istnieniem całkowitych pierwiastków wielomianów Lloyd a