信息论及编码第二十讲.pptVIP

第七章：线性分组码 §7.1 分组码的概念 §7.2 线性分组码 §7.4 循环码 §7.5 卷积码 §7.2 线性分组码 实用纠错译码算法的预备知识：差错向量和伴随式 定义6.1.8 设：信道的输入为码字u；信道的输出为向量y。称向量 e=y- u 为差错向量，或差错图样。（请注意，此时y=u+e；向量的加减法是对应分量的(modD) 加减法） 定义6.1.9(p195) 设信道的输出为y。记 s=yHT 其中H是一致校验矩阵。称N-L维行向量s为y的伴随式。 有以下的结论。 §7.2 线性分组码 （1）当两个差错向量相同时，它们的伴随式相同。这就是说，伴随式s的值仅仅与信道传输错误有关，与输入信道的码字无关。 证明 s=yHT=(u+e)HT=uHT+eHT= eHT。 证完。 （2）两个差错向量的伴随式相同，当且仅当它们的差向量是码字。 证明 设有两个差错向量e(1)和e(2)。 e(1)HT=e(2)HT， 当且仅当(e(1)-e(2))HT=全0的N-L维行向量， 当且仅当(e(1)-e(2))是码字。 证完。 §7.2 线性分组码 （3）给定一个差错向量e。则与e具有相同伴随式的所有差错向量恰好是e加上所有码字。 换句话说。设s是一个伴随式。以s为伴随式的全体差错向量， 就是以s为伴随式的一个差错向量加上全体码字。 （4）伴随式s是N-L维行向量，因此有DN-L个不同的伴随式。差错向量e是N维行向量，因此有DN个不同的差错向量。具有相同伴随式的差错向量的个数为DL。DLDN-L=DN。 定义 在以s为伴随式的全体差错向量中，Hamming重量最小的差错向量称为s的陪集首，记为e(s)。 （s可能有不止一个Hamming重量最小的差错向量，任意选择一个作为陪集首e(s)即可） §7.2 线性分组码 （5）对信道的输出向量y，计算伴随式s=yHT，以s为地址查找陪集首e(s)，计算u=y- e(s)。则u就是在所有码字中与y的Hamming距离最小的码字。 证明 首先，u=y- e(s)是码字。这是因为 uHT=yHT- e(s)HT=s-s=全0的N-L维行向量。 其次，对任意另一个码字c， (y- c)HT=yHT- cHT=yHT=s。 这就是说，(y- c)是以s为伴随式的一个差错向量。 另一方面，(y- u)=e(s)是以s为伴随式的Hamming重量最小的差错向量。 所以w(y- u)≤w(y- c)，即d(y, u)≤w(y, c)。证完。 §7.2 线性分组码 实用纠错译码算法 预计算 对每个伴随式（即N-L维行向量）s，寻找s的陪集首e(s)，并以s为地址存储e(s)。（预计算的总体计算量很大，但有许多技巧可以大幅度地减少计算量） 现场纠错译码 （1）对信道的输出向量y，计算伴随式s=yHT。 （2）以s为地址查找陪集首e(s)。 （3）将输出向量y译为码字u=y- e(s)。结束。u就是在所有码字中与y的Hamming距离最小的码字。 §7.2 线性分组码 现场纠错译码的计算量 计算量最大的是第（2）步。因为s是N-L维行向量，所以查找s的计算量是 logDN-L=(N-L)logD （而不是DN-L）。 总之，计算量远远小于直接使用最小距离准则的计算量DL。 §7.2 线性分组码 线性分组码的检错能力和纠错能力 定义6.1.3 线性分组码的最小Hamming距离定义为两个不同码字的Hamming距离的最小值，记为dmin。 线性分组码的最小Hamming重量定义为非全0码字的Hamming重量的最小值，记为wmin。 §7.2 线性分组码 引理1 dmin=wmin。 证明 设两个不同的码字u(1)和u(2)，使得 dmin=d(u(1) , u(2))=w(u(1)-u(2))。 注意到(u(1)-u(2))是一个非全0码字，所以dmin≥wmin。 设一个非全0码字u，使得 wmin=w(u)=w(u-全0码字)=d(u, 全0码字)。 所以dmin≤wmin。 证完。 §7.2 线性分组码 引理2 设信道的输入为码字u，信道的输出为向量y，差错向量为e=y-u。则 （1）当w(e)dmin，yHT肯定不是全0的N-L维向量，因而发现信道传输错误。 （2）当w(e)≤[(dmin-1)/2]（下方取整），由上述实用纠错译码算法肯定将y译为真正的原发码字u，而不会将y译为其它码字。 §7.2 线性分组码 证明 （1）当w(e)dmin，e 肯定不是码字。因此yHT=eHT≠全0的N-L维向量。 （2）当w(e)≤[(dmin-1)/2]（下方取整），则y与任意另一个码字c的Hamming距离 d(c, y)≥d(