4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140
|
|
|
- Jacob Kohler
- vor 8 Jahren
- Abrufe
Transkript
1 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140
2 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1} n ein binärer Blockcode der Länge n mit C = M Codeworten Dann bezeichnen wir C als (n, M)-Code Erinnerung: Binärer symmetrischer Kanal Bits 0,1 kippen mit Ws p, p < 1 zu 1,0 2 Korrekte Übertragung 0 0, 1 1 mit Ws 1 p Kanal gedächtnislos: Ws unabhängig von vorigen Ereignissen Insbesondere: für je zwei Wörter c = c 1 c 2 c n und x = x 1 x 2 x n der Länge n gilt für die Vorwärts-Kanalws: n WS(x empfangen c gesendet) = WS(x i empfangen c i gesendet) für die Rückwärts-Kanalws: WS(x gesendet c empfangen) = i=1 n WS(x i gesendet c i empfangen) i=1 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 70/ 140
3 Idealer Beobachter Definition Für eine empfangene Nachricht x, ein Idealer Beobachter wählt ein Codewort c C, derart dass WS(c gesendet x empfangen) maximal ist Mit anderen Worten, c ist das Codewort, das am wahrscheinlichsten die gesendete Nachricht war, in dem Fall, dass x empfangen wird Am wahrscheinlichsten gesendetes Codewort nicht unbedingt eindeutig Allgemeiner: Mehrere Codeworte können die selbe Wahrscheinchkeit haben, durch Fehler in das selbe empfangene Codewort umgewandelt zu werden Man braucht dann ein Kriterium, um in diesem Fall ein Wort zu wählen zb erneut senden zufällig wählen das minimale Wort (interpretiert als n-bit Zahl) wählen usw 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 71/ 140
4 Decodieren Definition Decodier-Kriterium Sei C {0, 1} n ein (n, M)-Code Ein Decodier-Kriterium f ist eine Funktion f : {0, 1} n C { } Sei x {0, 1} n Ein Decodier-Kriterium liefert f (x) C oder gibt Decodierfehler f (x) = aus Gesucht: Bestimme f, dass Ws des korrekten Decodierens maximiert Definition Maximum Likelihood Decodierung Ein Decodierkriterium f (x), dass die Vorwärts-Ws für alle Codeworte maximiert, dh WS(x empfangen f (x) gesendet) = max WS(x empfangen c gesendet ), c C heißt Maximum-Likelihood Kriterium Eine Anwendung des Kriteriums bezeichnet man als Maximum-Likelihood Decodierung Ist f ein idealer Beobachter? In welchen Fällen? 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 72/ 140
5 Warum Maximum Likelihood? Satz Maximum Likelihood optimal für gleichverteilte Codeworte Sei C ein (n, M)-Code und WS(c gesendet) = 1 M für alle c C Dann minimiert die Maximum-Likelihood Decodierung die Ws von Decodierfehlern, ie Maximum Likelihood Decoding = Decodierung eines idealen Beobachters Beweis Nach dem Satz von Bayes: WS(x empfangen c gesendet ) WS(x empfangen c gesendet ) = WS(c gesendet ) WS(x empfangen ) = WS(c gesendet x empfangen ) WS(c gesendet ) = WS(c gesendet x empfangen ) Also: Maximum Likelihood Idealer Beobachter 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 73/ 140
6 Decodieren zum Nachbarn minimalen Abstands Definition Hamming-Abstand Seien x, y {0, 1} n Der Hamming-Abstand d(x, y) ist die Anzahl der Stellen, an denen sich x und y unterscheiden Satz In jedem binären symmetrischen Kanal ist das Decodier-Kriterium, das ein x zum Codewort minimalen Hamming-Abstands decodiert ein Maximum-Likelihood Kriterium Beweis: Übung (Prüfungsrelevant) 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 74/ 140
7 Der Hamming-Abstand definiert eine Metrik Satz Metrik Hamming-Abstand Der Hamming-Abstand ist eine Metrik auf {0, 1} n, dh für alle x, y, z {0, 1} n gilt: 1 Positivität: d(x, y) 0, Gleichheit gdw x = y 2 Symmetrie: d(x, y) = d(y, x) 3 Dreiecksungleichung: d(x, z) d(x, y) + d(y, z) Beweis: Übung (Prüfungsrelevant) 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 75/ 140
8 Fehlererkennung Definition u-fehlererkennend Sei C ein Code und u N C ist u-fehlerkennend, falls für alle Codeworte c, c C gilt: d(c, c ) u + 1 Ein Code ist genau u-fehlererkennend, falls er u-fehlererkennend ist, aber nicht (u + 1)-fehlererkennend Repetitionscode R(3) = {000, 111} ist genau 2-fehlererkennend R(n) = {0 n, 1 n } ist genau (n 1)-fehlererkennend C = {000000, , } ist genau 2-fehlererkennend 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 76/ 140
9 Fehlerkorrektur Definition v-fehlerkorrigierend Sei C ein Code und v N C ist v-fehlerkorrigierend, falls für alle c C gilt: Treten bis zu v bei der Übertragung von c auf, so können diese mittels Decodierung zum Codewort minimalen Hamming-Abstands korrigiert werden Existieren zwei verschiedene Codeworte mit minimalem Hamming-Abstand, so wird eine Decodierfehlermeldung ausgegeben Ein Code ist genau v-fehlerkorrigierend, falls er v-fehlerkorrigierend aber nicht (v + 1)-fehlerkorrigierend ist R(3) = {000, 111} ist genau 1-fehlerkorrigierend R(4) ist genau 1-fehlerkorrigierend R(n) ist genau n 1 2 -fehlerkorrigierend C = {0 9, , 1 9 } ist genau 1-fehlerkorrigierend 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 77/ 140
10 Minimal-Abstand eines Codes Definition Minimal-Abstand Sei C ein Code mit C 2 Der MinimalAbstand d(c) eines Codes ist definiert als d(c) = min {d(c, c c C c )} Dh d(c) ist der minimaler Abstand zweier verschiedener Codeworte R(n) besitzt Minimal- d(r(n)) = n C = {0001, 0010, 0101} besitzt d(c) = 1 C = {0 9, , 1 9 } besitzt d(c) = 4 Korollar Fehlererkennung Ein Code C ist u-fehlererkennend gdw d(c) u Woche: Decodierung; Maximale, Perfekte und Optimale Codes 78/ 140
11 Fehlerkorrektur vs Minimal-Abstand Satz Fehlerkorrektur vs MinimalAbstand Ein Code C ist v-fehlerkorrigierend gdw d(c) 2v + 1 : Ann: C ist nicht v-fehlerkorrigierend Dh bei Übertragung von c entsteht x mit d(x, c) v und c c : d(c, x) v Dreiecksungleichung: d(c, c ) d(c, x) + d(x, c ) 2v (Widerspruch: d(c) 2v + 1) 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 79/ 140
12 Beweis der Hinrichtung Ann: Es gibt c c C mit d(c, c ) = d(c) 2v 1Fall: d(c, c ) v c kann durch Ändern von höchstens v Stellen in x = c überführt werden x wird fälschlich zu c decodiert (Widerspruch: C ist v-fehlerkorrigierend) 2 Fall: v + 1 d(c, c ) 2v OBdA unterscheiden sich in c, c in den ersten d(c) Positionen (Anderfalls sortiere die Koordinaten um) Betrachten x, das durch v Fehler in den ersten Koordinaten von c entsteht, so dass x stimmt mit c auf den ersten v Koordinaten überein x stimmt mit c auf den folgenden d(c) Koordinaten überein x stimmt mit c, c auf den restlichen Koordinaten überein Es gilt d(c, x) = v d(c) v = d(c, x) Dh entweder wird x fälschlich zu c decodiert, oder es entsteht ein Decodierfehler (Widerspruch: C ist v-fehlerkorrigierend) 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 80/ 140
13 (n, M, d)-code Definition (n, M, d)-code Sei C {0, 1} n mit C = M und Abstand d(c) = d Dann bezeichnet man C als (n, M, d)-code, wobei man (n, M, d) die Parameter des Codes nennt R(n) ist ein (n, 2, n)-code C = {000, 0011} ist ein (4, 2, 2)-Code C = {00, 01, 10, 11} ist ein (2, 4, 1)-Code Korollar Sei C ein (n, M, d)-code 1 C ist genau v-fehlerkorrigierend gdw d = 2v + 1 oder d = 2v C ist genau d 1 2 -fehlerkorrigierend 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 81/ 140
14 Maximale Codes Definition Maximale Code Ein (n, M, d)-code ist maximal, falls er nicht in einem (n, M + 1, d)-code enthalten ist Beispiele von (4, M, 2)-Codes: C 1 = {0000, 0011, 1111} ist nicht maximal C 2 = {0000, 0011, 1111, 1100} ist nicht maximal C 3 = {0000, 0011, 1111, 1100, 1001, 0110, 1010, 0101} ist maximal 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 82/ 140
15 Erweiterung nicht-maximaler Codes Satz Erweiterung von Codes Sei C {0, 1} n ein (n, M, d)-code C ist maximal gdw für alle x {0, 1} n gilt: Es gibt ein c C mit d(x, c) < d Sei x {0, 1} n, so dass für alle c C : d(x, c) d Dann ist C {x} ein (n, M + 1, d)-code: Widerspruch Sei C C ein (n, M, d)-code mit M > M Wähle x C \ C, dann gilt d(x, c) d für alle c C 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 83/ 140
16 Ws für Decodierfehler bei maximalen Codes Satz Decodierfehler bei maximalen Codes Sei C ein maximaler (n, M, d)-code für einen binären symmetrischen Kanal Für die Fehlerws beim Decodieren zum Codewort mit minimalem Hamming-Abstand gilt n k=d ( n k ) p k (1 p) n k WS(Decodierfehler) 1 d 1 2 k=0 ( ) n p k (1 p) n k k Korrekte Decodierung bei d 1 2 Fehlern, dh mit Ws mindestens d 1 2 k=0 ( ) n p k (1 p) n k k Inkorrekte Decodierung bei d Fehlern, dh mit Ws mindestens n ( ) n p k (1 p) n k k k=d 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 84/ 140
17 Beispiele für Codes Repetitionscode: R(n) ist (n, 2, n)-code Hamming Code: H(h) ist ein (2 h 1, 2 n h, 3)-Code Golay Codes: G 23 ist ein (23, 2 12, 7)-Code G 24 ist ein (24, 2 12, 8)-Code Einsatz: Voyager für Bilder von Jupiter und Saturn Reed-Muller Code: RM(r, m) ist ein (2 m, 2 1+(m 1)++( m r ), 2 m r )-Code RM(1, m) = (2 m, 2 m+1, 2 m 1 ) Einsatz: Mariner 9 für Bilder vom Mars 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 85/ 140
18 Hammingkugel Definition Hammingkugel Sei x {0, 1} n und r 0 Wir definieren die n-dimensionale Hammingkugel mit Mittelpunkt x und Radius r als B n (x, r) = {y {0, 1} n d(x, y) r} Beispiel: B 3 (001, 1) = {001, 101, 011, 000} Satz Volumen von B n (x, r) Das Volumen der Hammingkugel B n (x, r) ist V n (r) = r ( n ) i=0 i Es gibt ( n i ) String mit Abstand i von x 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 86/ 140
19 Packradius eines Codes Definition Packradius eines Codes Sei C ein (n, M, d)-code Der Packradius pr(c) N von C ist die größte Zahl, so dass die Hammingkugeln B n (c, pr(c)) für alle c C disjunkt sind Korollar Sei C ein (n, M, d)-code 1 Der Packradius von C ist pr(c) = d C ist genau v-fehlerkorrigierend gdw pr(c) = v 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 87/ 140
20 Perfekte Codes Definition Perfekter Code Sei C {0, 1} n ein (n, M, d)-code C heißt perfekt, falls M V n ( d 1 2 ) = 2 n Dh die maximalen disjunkten Hammingkugeln um die Codeworte partitionieren {0, 1} n Nicht für alle (n, M, d), die obige Bedingung erfüllen, gibt es auch einen Code 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 88/ 140
21 Perfekte Codes {0, 1} n ist ein (n, 2 n, 1)-Code Packradius ist 0, Hammingkugeln bestehen nur aus Codewort selbst Perfekter Code, aber nutzlos für Fehlerkorrektur R(n) ist für ungerade n ein perfekter (n, 2, n)-code 2 n 1 ( 2 n ) i=0 i = 2 2 n 2 = 2n Code ist nutzlos, da er nur zwei Codeworte enthält Der Golay Code (23, 2 12, 7) ist perfekt ) i=0 = = 2 23 ( 23 i Der Hamming Code H(h) = (n, M, d) = (2 h 1, 2 n h, 3) ist perfekt ( 2 n h h 1 ) = 2 n Die einzigen perfekten, binären v-fehlerkorrigierenden Codes mit v 2 sind Repetitionscodes und der obige Golay Code 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 89/ 140
22 Die Rate eines Codes Definition Rate eines Codes Sei C ein (n, M, d)-code 1 Die Übertragungsrate ist definiert als R(C) = log 2 (M) n 2 Die Fehlerrate ist definiert als δ(c) = d 1 2 n Beispiele: C = {0 n } hat Übertragungrate 0, aber perfekte Fehlerkorrektur C = {0, 1} n hat Übertragungrate 1, aber keine Fehlerkorrektur R(R(n)) = 1 n und δ(r(n)) = n 1 2 n Übertragungsrate konvergiert gegen 0, Fehlerrate gegen 1 2 R(H(h)) = n h n = 1 h n und δ(h(h)) = 1 n Übertragungsrate konvergiert gegen 1, Fehlerrate gegen 0 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 90/ 140
23 Die Größe A(n, d) und optimale Codes Definition Optimaler Code Wir definieren A(n, d) = max{m binärer (n, M, d) Code} Ein (n, M, d)-code heißt optimal, falls M = A(n, d) Bestimmung von A(n, d) ist offenes Problem Zeigen hier obere und untere Schranken für A(n, d) Für kleine Werte von n, d bestimmen wir A(n, d) wie folgt: Zeigen A(n, d) M Konstruieren (n, M, d)-code A(n, d) 2 n für d [n]: höchstens 2 n Codeworte der Länge n A(n, 1) = 2 n : C = {0, 1} n A(n, n) = 2: R(n) A(n, d) A(n, d ) für d, d [n] mit d d (Übung) 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 91/ 140
Die Hamming-Distanz definiert eine Metrik.
Die Hamming-Distanz definiert eine Metrik. Satz Metrik Hamming-Distanz Die Hamming-Distanz ist eine Metrik auf {0, 1} n, d.h. für alle x, y, z {0, 1} n gilt: 1 Positivität: d(x, y) 0, Gleichheit gdw x
1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes
1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon
5. Woche Perfekte und Optimale Codes, Schranken. 5. Woche: Perfekte und Optimale Codes, Schranken 88/ 142
5 Woche Perfekte und Optimale Codes, Schranken 5 Woche: Perfekte und Optimale Codes, Schranken 88/ 142 Packradius eines Codes (Wiederholung) Definition Packradius eines Codes Sei C ein (n, M, d)-code Der
Perfekte Codes. Definition Perfekter Code. Sei C {0, 1} n ein (n, M, d)-code. C heißt perfekt, falls
Perfekte Codes Definition Perfekter Code Sei C {0, 1} n ein (n, M, d)-code. C heißt perfekt, falls ( ) d 1 M V n = 2 n. 2 D.h. die maximalen disjunkten Hammingkugeln um die Codeworte partitionieren {0,
Theoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
Einführung in die Kodierungstheorie
Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht
Definition Information I(p)
Definition Information I(p) Definition I(p) Die Information I(p) eines Symbols mit Quellws p > 0 ist definiert als I(p) = log 1 p. Die Einheit der Information bezeichnet man als Bit. DiMa II - Vorlesung
3 Der Hamming-Code. Hamming-Codes
3 Der Hamming-Code Hamming-Codes Ein binärer Code C heißt ein Hamming-Code Ha s, wenn seine Kontrollmatrix H als Spalten alle Elemente in Z 2 s je einmal hat. Die Parameter eines n-k-hamming-codes sind:
Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Formelsammlung zur Kreisgleichung
zur Kreisgleichung Julia Wolters 6. Oktober 2008 Inhaltsverzeichnis 1 Allgemeine Kreisgleichung 2 1.1 Berechnung des Mittelpunktes und Radius am Beispiel..... 3 2 Kreis und Gerade 4 2.1 Sekanten, Tangenten,
Expander Graphen und Ihre Anwendungen
Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006
Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19
Lineare Codes Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Codes Ein Code ist eine eindeutige Zuordnung von Zeichen
Lineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Grundlagen der Technischen Informatik. 2. Übung
Grundlagen der Technischen Informatik 2. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Organisatorisches Übungsblätter zuhause vorbereiten! In der Übung an der Tafel vorrechnen! Bei
6 Fehlerkorrigierende Codes
R. Reischuk, ITCS 35 6 Fehlerkorrigierende Codes Wir betrachten im folgenden nur Blockcodes, da sich bei diesen das Decodieren und auch die Analyse der Fehlertoleranz-Eigenschaften einfacher gestaltet.
Primzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.
1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch
Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Die Größe A(n, d) und optimale Codes
Die Größe A(n, d) und optimale Codes Definition Optimaler Code Wir definieren A(n, d) = max{m binärer (n, M, d) Code} Ein (n, M, d)-code heißt optimal, falls M = A(n, d). Bestimmung von A(n, d) ist offenes
Professionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
Single Parity check Codes (1)
Single Parity check Codes (1) Der Single Parity check Code (SPC) fügt zu dem Informationsblock u = (u 1, u 2,..., u k ) ein Prüfbit (englisch: Parity) p hinzu: Die Grafik zeigt drei Beispiele solcher Codes
1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
Melanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
Grundlagen Digitaler Systeme (GDS)
Grundlagen Digitaler Systeme (GDS) Prof. Dr. Sven-Hendrik Voß Sommersemester 2015 Technische Informatik (Bachelor), Semester 1 Termin 10, Donnerstag, 18.06.2015 Seite 2 Binär-Codes Grundlagen digitaler
Einführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
Codierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
WS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
WS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
Korrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005. Das Problem.. Quellcodierung und Datenkompression. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder übertragen kann, schicken.
Sollsaldo und Habensaldo
ollsaldo und abensaldo Man hört oft die Aussage "Ein ollsaldo steht im aben, und ein abensaldo steht im oll". Da fragt man sich aber, warum der ollsaldo dann ollsaldo heißt und nicht abensaldo, und warum
Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn
Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:
4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
Statistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
Organisation. Was kommt zum Test? Buch Informatik Grundlagen bis inkl. Kapitel 7.4 Wissensfragen und Rechenbeispiele
Organisation Was kommt zum Test? Buch Informatik Grundlagen bis inkl Kapitel 74 Wissensfragen und Rechenbeispiele 3 Vorträge zur Übung Informationstheorie, Huffman-Codierung und trennzeichenfreie Codierung
Kapitel 3: Etwas Informationstheorie
Stefan Lucks 3: Informationstheorie 28 orlesung Kryptographie (SS06) Kapitel 3: Etwas Informationstheorie Komplexitätstheoretische Sicherheit: Der schnellste Algorithmus, K zu knacken erfordert mindestens
3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
Codierung. Codierung. EAN Europäische Artikelnummer Ziffern 1 und 2 codieren das Hersteller-Land. Ziffer 2 bis 12 codieren Händler und Ware
Codierung Codierung Haydn: Streichquartett op 54.3 aus Largo, Violine I 1 2 Ziffern 1 und 2 codieren das Hersteller-Land Ziffer 2 bis 12 codieren Händler und Ware Die letzte Ziffer ist eine Prüfziffer
Statuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
Definition und Begriffe
Merkblatt: Das Dreieck Definition und Begriffe Das Dreieck ist ein Vieleck. In der Ebene ist es die einfachste Figur, die von geraden Linien begrenzt wird. Ecken: Jedes Dreieck hat drei Ecken, die meist
Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
Plotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
Kapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
Stochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
15 Optimales Kodieren
15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen
6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
Anwendungsbeispiele Buchhaltung
Rechnungen erstellen mit Webling Webling ist ein Produkt der Firma: Inhaltsverzeichnis 1 Rechnungen erstellen mit Webling 1.1 Rechnung erstellen und ausdrucken 1.2 Rechnung mit Einzahlungsschein erstellen
3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
Wahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
Zeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
Mathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
Kapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
Abschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)
Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Probleme unseres Alltags E-Mails lesen: Niemand außer mir soll meine Mails lesen! Geld abheben mit der EC-Karte: Niemand außer mir soll
t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
5.2 Neue Projekte erstellen
5.2 Neue Projekte erstellen Das Bearbeiten von bestehenden Projekten und Objekten ist ja nicht schlecht wie aber können Sie neue Objekte hinzufügen oder gar völlig neue Projekte erstellen? Die Antwort
Informationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
Beweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
INTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04
POCKETPC.CH INTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04 VORAUSSETZUNG QTEK2020 DEUTSCH. DIE ANLEITUNG IST MIT DEN ORANGE EINSTELLUNGEN GESCHRIEBEN WORDEN DIE EINSTELLUNGEN FÜR SWISSCOM
Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
Absolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
10. Public-Key Kryptographie
Stefan Lucks 10. PK-Krypto 274 orlesung Kryptographie (SS06) 10. Public-Key Kryptographie Analyse der Sicherheit von PK Kryptosystemen: Angreifer kennt öffentlichen Schlüssel Chosen Plaintext Angriffe
IRF2000 Application Note Lösung von IP-Adresskonflikten bei zwei identischen Netzwerken
Version 2.0 1 Original-Application Note ads-tec GmbH IRF2000 Application Note Lösung von IP-Adresskonflikten bei zwei identischen Netzwerken Stand: 27.10.2014 ads-tec GmbH 2014 IRF2000 2 Inhaltsverzeichnis
Die Übereckperspektive mit zwei Fluchtpunkten
Perspektive Perspektive mit zwei Fluchtpunkten (S. 1 von 8) / www.kunstbrowser.de Die Übereckperspektive mit zwei Fluchtpunkten Bei dieser Perspektivart wird der rechtwinklige Körper so auf die Grundebene
Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
Dow Jones am 13.06.08 im 1-min Chat
Dow Jones am 13.06.08 im 1-min Chat Dieser Ausschnitt ist eine Formation: Wechselstäbe am unteren Bollinger Band mit Punkt d über dem 20-er GD nach 3 tieferen Hoch s. Wenn ich einen Ausbruch aus Wechselstäben
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens 1 Organisatorisches Freitag, 05. Mai 2006: keine Vorlesung! aber Praktikum von 08.00 11.30 Uhr (Gruppen E, F, G, H; Vortestat für Prototyp)
Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: If-clauses - conditional sentences - Nie mehr Probleme mit Satzbau im Englischen! Das komplette Material finden Sie hier: School-Scout.de
Mengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
Was meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Grundlagen der Informatik
Mag. Christian Gürtler Programmierung Grundlagen der Informatik 2011 Inhaltsverzeichnis I. Allgemeines 3 1. Zahlensysteme 4 1.1. ganze Zahlen...................................... 4 1.1.1. Umrechnungen.................................
Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Data Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
Kombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
Codierungsverfahren SS 2011. Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur
Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur Wie die zyklischen BCH-Codes zur Mehrbitfehler-Korrektur eignen sich auch die sehr verwandten Reed-Solomon-Codes (= RS-Codes) zur Mehrbitfehler-Korrektur.