Hamming-Geometrie der Bitvektoren
|
|
- Claus Sachs
- vor 5 Jahren
- Abrufe
Transkript
1 Hamming-Geometrie Hamming-Geometrie der Bitvektoren B = {0, } mit den Operationen = Konjunktion ( und ) = Disjunktion ( oder ) oder = Negation ( nicht ) ist die zweielementige boolesche Algebra. (B,, 0) mit = exor ist eine kommutative Gruppe. (B,,, 0, ) ist ein Ring (boolescher Ring) und ein Körper (F 2 ). Hamming-Geometrie B n = {0, } n : Bitvektoren a = (a, a 2,..., a n ) der Länge n B n mit den speziellen Elementen 0 = (0, 0,..., 0), = (,,..., ) und den komponentenweisen Operationen = Konjunktion ( und ) = Disjunktion ( oder ) = Negation ( nicht ) ist eine boolesche Algebra mit 2 n Elementen. (B n,, 0) mit komponentenweisem = exor ist eine kommutative Gruppe. (NB. a = a ). (B n,,, 0, ) ist ein Ring (boolescher Ring) und ein Vektorraum der Dimension n über dem Körper F 2. Standardbasis: e k = (0, 0,..., 0, k, 0,..., 0) ( k n). Hamming-Geometrie Für a = (a, a 2,..., a n ) B n bezeichet a die Anzahl der Komponenten a i = in a (Hamming-Gewicht). Für a, b B n bezeichnet d(a, b) = a b = a + b 2 a b den Hamming-Abstand. Die Funktion d : B n B n {0,, 2,..., n} : (a, b) d(a, b) ist eine Metrik auf B n, d.h. es gilt für a, b, c B n : d(a, b) = 0 a = b d(a, b) = d(b, a) d(a, b) + d(b, c) d(a, c) Hamming-Geometrie B n k = {a Bn ; a = k} (0 k n) B n k = ( ) n k B n k = {a Bn ; a k} (0 k n) Hamming-Kugel vom Radius k um den Nullvektor S k (a) = a B n k Hamming-Kugel vom Radius k um den Vektor a V (n, k) = B n k = k ( n ) j=0 j Volumen einer Hamming-Kugel vom Radius k. d(a, b) > k b / S k (a) a / S k (b) d(a, b) > 2k S k (a) S k (b) = Translationsinvarianz: d(a, b) = d(a c, b c)
2 Hamming-Geometrie Abschätzung des Kugelvolumens Sei 0 λ /2, also λ λ. Aus [ ] λ k [ ] λ λn (0 k λn ) λ λ und mit Verwendung der Binomialformel folgt V (n, λn) λ λn ( λ) λn n 2 n H(λ) Zusammen mit der Abschätzung für ( n λn ) ergibt sich lim log V (n, λn) = H(λ) n n Diskreter gedächtnisfreier stationärer Kanal Daten Inputalphabet A = {a, a 2,..., a m } Outputalphabet B = {b, b 2,..., b n } Kanalmatrix P = (pi,j ; i m, j n) mit p i,j 0 ( i m, j n) und j n p i,j = (stochastische Matrix) Funktionsweise: wird a i A gesendet, so wird b j B empfangen mit Wahrscheinlichkeit P(b j a i ) = p i,j ( i m, j n) für N : wird u = (u, u 2,..., u N ) A N gesendet, so wird v = (v, v 2,..., v N ) B N empfangen mit Wahrscheinlichkeit P(v u) = P(v k u k ) = P(v u ) P(v 2 u 2 ) P(v N u N ) k N Beispiele Binärer symmetrischer Kanal BSC p A = B = B = {0, }, 0 < p < [ ] p p P = p p Binärer Kanal mit Löschung A = B = {0, }, B = B { }, 0 < ε < [ ] ε 0 ε P = 0 ε ε S S Φ Φ C B n a C C Ψ f B n a f B n B n B n Abbildung: Informationsübertragung über einen gestörten Kanal
3 Nachrichtenübertragung mit BSC Quelle (source): Q = (S, π), wobei S Alphabet und π = (π s ) s S Wahrscheinlichkeitsverteilung auf S. Codierung: injektive Abbildung Φ : S B n C = Φ(B n ) : der durch Φ definierte Code Kanalmodell: die Wahrscheinlichkeit, beim Senden von a B n den Vektor b B n zu empfangen, d.h. dass der Fehler f = a b auftritt, ist P(b a) = bin n,p (f) = p f ( p) n f Der Empfänger ist bestrebt, aus der Kenntnis des empfangenen b B n das mit grösster Wahrscheinlichkeit gesendete a C zu ermitteln. Unter der Annahme, dass alle a C mit gleicher Wahrscheinlichkeit gesendet werden, d.h. π(s) = / S für alle s S, muss man a C bestimmen, für das P(b a) maximal wird. (maximum likelihood Decodierung) Für 0 < p < /2 gilt 0 j k n p j ( p) n j p k ( p) n k Daraus ergibt sich das Prinzip der minimum distance Decodierung: Ψ : B n C : b a C für das d(a, b) = a b minimal ist Ein solches a C muss nicht eindeutig bestimmt sein! Beispiel () Quelle S = {s, s 2,..., s 8 }, π s = 8 ( s 8) Codierung Φ s s 2 s 3 s 4 s 5 s 6 s 7 s Inputalphabet für den BSC p ist Φ (S) = C = B 3 Decodierung Ψ (a a 2 a 3 ) = a a 2 a 3, d.h. Ψ = id B 3 Die Wahrscheinlichkeit fehlerfreier Übertragung eines (a a 2 a 3 ) C ist ( p) 3. N Nachrichten werden mit Wahrscheinlichkeit ( p) 3N korrekt übertragen und decodiert. Es werden keine Fehler erkannt oder korrigiert Beispiel (2) Quelle S = {s, s 2,..., s 8 }, π s = 8 ( s 8) Codierung Φ 2 s s 2 s 3 s 4 s 5 s 6 s 7 s Inputalphabet für den BSC p ist Φ(S) = C 2 = {a B 4 ; a gerade} Decodierung Ψ 2 (a a 2 a 3 a 4 ) = { a a 2 a 3 error falls a a 2 a 3 a 4 gerade falls a a 2 a 3 a 4 ungerade a a 2 a 3 a 4 C wird mit Wahrscheinlichkeit ( p) 4 fehlerfrei übertragen, mit W.keit 4p( p) 3 tritt ein -Bit-Fehler auf. -Bit-Fehler werden erkannt, aber nicht korrigiert.
4 Beispiel (3) Quelle S = {s, s 2,..., s 8 }, π s = 8 ( s 8) Codierung Φ 3 s s 2 s 3 s 4 s 5... s Inputalphabet für den BSC p ist Φ 3 (S) = C 3 B 6 Decodierung Ψ 3 (a a 2 a 3 a 4 a 5 a 6 ) = { a a 2 a 3 falls a a 2 a 3 = a 4 a 5 a 6 error falls a a 2 a 3 a 4 a 5 a 6 Es werden viele Fehler erkannt, aber sie können nicht korrigiert werden. Beispiel (4) Quelle S = {s, s 2,..., s 8 }, π s = 8 ( s 8) Codierung Φ 4 s s 2 s 3... s 8 (000) 2n+ (00) 2n+ (00) 2n+... () 2n+ Inputalphabet für den BSC p ist Φ 4 (S) = C 4 B 6n+3 Decodierung Ψ 4 (a a 2... a 6n+3 ) = { abc error falls n + Dreierblöcke = abc sonst Es werden alle Fehler mit Gewicht 2n erkannt. Alle Fehler mit Gewicht n können korrigiert werden. Ein (binärer Block)-Code der Länge n ist eine Teilmenge C B n. Die Minimaldistanz von C ist Die Coderate von C ist d min (C) = min d(a, b) a,b C a b Ein (n, K, d)-code kann e Fehler erkennen, falls e < d ist, d.h. falls a C : S e (a) C = {a} Ein (n, K, d)-code kann e Fehler korrigieren, falls 2e < d ist, d.h. falls a, b C mit a b : S e (a) S e (b) = Für einen e Fehler korrigierenden (n, K, d)-code gilt die Kugelpackungsschranke: R(C) = n log C K V (n, e) 2 n, d.h. R(C) + H( e n ) C ist ein (n, K, d)-code, falls C B n, C = K und d min (C) = d. Gesucht sind mit hoher Rate und grosser Minimaldistanz: das sind antagonistische Anforderungen! A(n, d) : maximales K für das ein (n, K, d)-code existiert.
5 Beispiele d min (C ) =, R(C ) = d min (C 2 ) = 2, R(C 2 ) = 3 4 d min (C 3 ) = 2, R(C 3 ) = 2 d min (C 4 ) = 2n +, R(C 4 ) = 2n+ A(n, ) = 2 n, A(n, n) = 2 A(n, 2) = 2 n A(3, 3) = 2, A(4, 3) = 2, A(5, 3) = 5, A(7, 3) = 6 A(n, 2t + ) A(n, d) 2 n d+ A(n, d) 2n V (n,t) 2 n V (n,d ) (Hamming) (Singleton) (Gilbert-Varshamov) Lineare Lineare (binärer) linearer Code der Länge n = linearer Teilraum C B n. NB: hier gilt linearer Teilraum = Untergruppe = -abg. Teilmenge ( ) Hat C die Dimension dim C = k, so gilt C = 2 k. Die Coderate ist dann R(C) = k n. Für lineare C gilt immer d min (C) = min 0 a C a Man spricht deshalb vom Minimalgewicht. Ein linearer Code C B n mit dim C = k und Minimalgewicht d min (C) = d wird als [n, k, d]-code bezeichnet. Lineare Es gibt zwei wesentliche Möglichkeiten, lineare C B n zu beschreiben: mittels Generatoren, d.h. durch Angabe einer Basis g, g 2,..., g k von C, also durch eine Generatormatrix d.h. es gilt c B n : g g 2 G =. g k c C x B k : c = x G Da die Basis eines Vektorraumes nicht eindeutig bestimmt ist, gibt es auch immer mehrere Generatormatrizen zu einem linearen Code. Lineare mittels Akzeptoren, d.h. durch Angabe einer Basis h, h 2,..., h n k des zu C orthogonalen Teilraumes C = {b B n : c C : b c t = 0}, also durch eine Kontrollmatrix d.h. es gilt c B n : H = h h 2. h n k c C H c t = 0 t Da die Basis eines Vektorraumes nicht eindeutig bestimmt ist, gibt es auch immer mehrere Kontrollmatrizen zu einem linearen Code.
6 Lineare Beispiel Ein Code C B 4 der Dimension 2 sei gegeben durch die Generatormatrix [ ] 0 0 G = 0 oder gleichwertig durch die Kontrollmatrix [ ] 0 H = 0 0 Der Code enthält die 4 Vektoren 0000, 00, 0, 0 Sein Minimalgewicht und der Minimalabstand sind d min (C) = 2. Lineare Beispiel Ein Code C B 4 der Dimension 3 sei gegeben durch die Generatormatrix 0 0 G = oder gleichwertig durch die Kontrollmatrix H = [ ] Der Code enthält die 2 3 = 8 Vektoren aus B 4 mit geradem Gewicht. 0000, 00, 00, 00, 00, 00, 00, Sein Minimalgewicht und der Minimalabstand sind d min (C) = 2. Lineare Systematische Codierung Bezeichnet Ek B k k die Einheitsmatrix und ist A B k (n k) eine Matrix, so hat der von G = [ E k A ] Lineare Codierung und Decodierung linearer C linearer [n, k, d]-code mit Generatormatrix G und Kontrollmatrix H. Quelle S = B k Codierung mittels linearer Transformation erzeugte lineare [n, k]-code die Kontrollmatrix H = [ A t E n k ] Bei der Codierung B k C : x x G = [ x x A ] ist die ursprüngliche Nachricht x im Codewort sichtbar! Φ : B k B n : x c = x G Tritt bei Übertragung Fehler f B n auf, d.h. wird b = c f empfangen, so gilt wegen H c t = 0 t und Linearität: s t = H b t = H c t H f t = H f t d.h. empfangener Vektor b und Fehlervektor f haben das gleiche Syndrom s t. Codevektoren sind Vektoren mit Syndrom 0 t.
7 Lineare Syndromdecodierung Mit den genannten Daten G, H, b: berechne das Syndrom s t = H b t des empfangenen Vektors b bestimme unter den Vektoren b C mit dem gleichen Syndrom s t einen Vektor a mit minimalem Gewicht (der mutmassliche Fehlervektor) Ψ(b) = b a C Algebraisch gesprochen ist die Menge b C eine Nebenklasse (coset) der Untergruppe C von B n. Einen Vektor von minimalem Gewicht (nicht notwendigerweise eindeutig) in einer solchen Klasse nennt man einen Führer der Nebenklasse (coset leader). Man spricht deshalb auch von coset-leader Decodierung. Für kleine kann man effizient mit coset-leader Tabellen (Syndromtabellen) arbeiten, d.h. Tabelle mit (Fehler)Vektor minimalen Gewichts zu jedem möglichen Syndrom. Lineare Zur Komplexität der linearen Decodierung Die beiden folgenden Probleme sind NP-vollständig: (LD linear decoding) Gegeben: eine Kontrollmatrix H B m n, ein (Syndrom)Vektor s B m und eine Zahl w N. Gibt es einen Vektor x B n mit H x t = s t und x w? (EMD exact minimum distance) Gegeben: eine Kontrollmatrix H B m n und eine Zahl w N. Gibt es einen Vektor x B n mit H x t = 0 t und x = w? E.R. Berlekamp, R.J. McEliece, H.C.A. van Tilburg, On the inherent intractability of certain coding problems, IEEE Transactions on Information Theory 24 (978). In B 7 werden folgende Vektoren ausgezeichnet Die Fano-Ebene PG(2,2) g 0 = 7 = h 0 = 0 7 = g = i {,2,4} e i = 0000 h = i {3,5,6,7} e i = 000 g 2 = i {2,3,5} e i = 0000 h 2 = i {4,6,7,} e i = 000 g 3 = i {3,4,6} e i = 0000 h 3 = i {5,7,,2} e i = 000 g 4 = i {4,5,7} e i = 0000 h 4 = i {6,,2,3} e i = g 5 = i {5,6,} e i = 0000 h 5 = i {7,2,3,4} e i = 000 g 6 = i {6,7,2} e i = 0000 h 6 = i {,3,4,5} e i = g 7 = i {7,,3} e i = 0000 h 7 = i {2,4,5,6} e i = 000 Abbildung: Fano-Ebene Beachte: h i = g i 7 (0 i k)
8 Eine endliche projektive Ebene besteht aus einer endlichen Menge von Punkten und einer endlichen Menge von Geraden und einer Inzidenzrelation ( liegt auf) zwischen Punkten und wobei gilt: Je zwei Punkte liegen auf genau einer gemeinsamen Geraden Je zwei Geraden schneiden sich in genau einem Punkt Es gibt vier Punkte, so dass je drei von ihnen nicht auf einer Geraden liegen Zu einer endlichen projektiven Ebene gibt es eine Zahl n, die Ordnung, so dass gilt: Jede Gerade enthält genau n + Punkte Jeder Punkt liegt auf n + Geraden Es gibt insgesamt n 2 + n + Punkte Es gibt insgesamt n 2 + n + Geraden Die Fano-Ebene ist eine (sogar die einzige) projektive Ebene der Ordnung 2, also die kleinstmögliche projektive Ebene. Zur Geometrie der Fano-Ebene Die Fano-Ebene enthält sieben Punkte {, 2,..., 7} und sieben Geraden {g, g 2,..., g 7 }, wobei g k = {k, k +, k + 3} (mod 7) ( k 7) Die drei Geraden, die durch den Punkt k gehen, sind g k, g k+4, g k+6 ( k 7). Es gilt also g k g k+4 g k+6 = 7 Sind g i und g j zwei Geraden, so haben diese genau einen Schnittpunkt l und es gibt noch genau eine weitere Gerade g k, die l enthält. Also ist g i g j g k = 7 und somit g i g j = g k 7 = h k H := {h i ; 0 i 7}, G := H {g i ; 0 i 7} Fundamentale Beobachtung (Fano-Ebene!): Zu jedem Paar (i, j) mit 0 i, j 7 gibt es ein k mit 0 k 7 mit : g i g j = h k Folgerung: G und H sind unter abgeschlossen, also lineare der Länge 7, denn g i g j = h k g i h j = g i g j 7 = h k 7 = g k h i h j = g i 7 g j 7 = h k G und H sind lineare Teilräume von B 7, dim G = 4, dim H = 3. G ist der [7, 4, 3]-Hamming-Code, H der dazu duale [7, 3, 4]-Code. Nachweis der Orthogonalität von G und H Mit g i h j = g k (wie vorher) gilt: wegen g i, g k {3, 7} und h j {0, 4} und g k = g i h j = g i + h j 2 g i h j gilt g i h j 0 mod 2, also h j (g i ) t = 0 wegen h i, h j, h k {0, 4} und h k = h i h j = h i + h j 2 h i h j gilt h i h j 0 mod 2, also h j (h i ) t = 0
9 Je 4 linear unabhängige Vektoren aus G bilden eine Basis und können für eine Generatormatrix genommen werden, z.b. g 0000 g G = g 3 g 4 = Je 3 linear-unabhängige Vektoren aus H bilden eine Basis und können für eine Kontrollmatrix genommen werden, z.b. h 000 H = h 2 = 000 h Beachte: die Spalten von H enthalten jeden Vektor 0 3 aus B 3 genau einmal! Eine interessante Eigenschaft Wegen d min (G) = 3 ist der [7, 4, 3]-Hamming-Code -Fehler-korrigierend, die Hamming-Kugeln vom Radius sind paarweise disjunkt. c B 7 (c G) Jede dieser Hamming-Kugeln enthält genau V (7, ) = 8 Elemente c und c e i ( i 7) Wegen G V (7, ) = = 2 7 = B 7 bilden diese Hamming-Kugeln eine Zerlegung von B 7. Man sagt: der [7, 4, 3]-Hamming-Code ist ein perfekter Code. Perfekte sind extrem selten! Hamming Sei r > 0 und n = 2 r. Sei H eine r n-matrix, die alle Elemente von B r ( 0 r ) als Spaltenvektoren enthält. Die Matrix H hat den Rang r, kann also als Kontrollmatrix eines G der Länge n und der Dimension dim G = n r = 2 r r aufgefasst werden. Da je zwei Spalten von H linear-unabhängig sind, enthält G keine Vektoren vom Gewicht oder 2. Also gilt d min (G) 3, d.h. der Code G ist -Fehler-korrigierend. Wegen G V (n, ) = 2 n r (n + ) = 2 n bilden die Hamming-Kugeln vom Radius um die Codevektoren eine Zerlegung von B n, es gilt also d min (G) = 3 und der Code ist perfekt. Dieser [2 r, 2 r r, 3]-Code heisst (binärer) Hamming-Code der Ordnung r. Hamming Zur Decodierung der Hamming H Kontrollmatrix des [2 r, 2 r r, 3]-Hamming der Ordnung r. Die Spalten von H sind genau die Vektoren 0 aus B r. Zu jedem b B 2r gibt es also genau ein i 2 r mit H b t = H e i, d.h. das Syndrom ist die i-te Spalte der Matrix H. Dann ist e i der gesuchte coset leader! Decodierung empfange b B 2r und berechne das Syndrom s = H b t Ψ(b) = b e i, wobei s die i-te Spalte von H ist. R.W. Hamming, Error detecting and error correcting codes, Bell Systems Technical Journal, 29 (950).
10 Reed-Muller Reed-Muller Die Abbildung ρ n : B 2n B n B n B 2n : (a, b) (a b, b) ist linear und invertierbar (ρ n ρ n = id, also ρ = ρ). A B 2n linear unabhängig ρ n (A) B 2n linear unabhängig A Basis von B 2n ρ n (A) Basis von B 2n A, B B n linear unabhängig ρ n (A 0 n 0 n B) = {(a, 0 n ); a A} {(b, b); b B} B 2n linear unabhängig A, B Basen von B n ρ n (A 0 n 0 n B) Basis von B 2n Reed-Muller Für m = 0,, 2,... werden Basen G m von B n mit n = 2 m definiert: G 0 = { } Gm+ = ρ n (G m 0 n ) ρ n (0 n G m ) ={(a, 0 n ); a G m } {(a, a); a G m } Eigenschaften: Gm = 2 m Für alle a G m ist a = 2 r für ein r {0,, 2,..., m} Sei G m,r = {a G m ; a = 2 m r }. Dann gilt G m,0 = { n } (m 0) und G m+,r+ = ρ n (G m,r 0 n ) ρ n (0 n G m,r+ ) (0 r m) also insbesondere G m+,r+ = G m,r + G m,r+ (0 r m) und daher (per Induktion) ( ) m G m,r = r (0 r m) Reed-Muller Der (binäre) Reed-Muller Code RM m,r der Länge n = 2 m und der Ordnung r (0 r m) ist der von G m,0 G m,... G m,r erzeugte lineare Teilraum von B n. Eigenschaften Inklusion als Teilräume {0 n, n } = RM m,0 RM m, RM m,2... RM m,m = B n rekursive Darstellung Dimension RM m+,r+ = ρ n (RM m,r RM m,r+ ) dim(rm m,r ) = + ( ) m + ( ) m Minimalabstand: dmin (RM m,r ) = 2 m r ( ) m = V (m, r) r Reed-Muller Beispiele: G 0,0 = {} G,0 = {} G, = {0} G 2,0 = {} G 2, = {00, 00} G 2,2 = {000} G 3,0 = {} G 3, = {0000, 0000, 0000} G 3,2 = {000000, , } G 3,3 = { }
11 Reed-Muller Alternative Beschreibung der Reed-Muller Basisvektoren Für n = 2 m werden Vektoren v,, v m definiert v = 2m 0 2m v 2 = 2m 2 0 2m 2 2m 2 0 2m 2... v k = ( ) 2 r 2m k 0 2m k... v m = (0) 2m Für r m besteht G m,r aus den Vektoren i A vi, wobei A r-elementige Teilmenge von {, 2,..., m} ist. Reed-Muller Andere Formulierung dieser Beschreibung: Es seien X, X 2,..., X m boolesche Variable. Jede Variable definiert eine (lineare) Funktion X k : B m B : b = (b, b 2,..., b m ) b k ( k m) Für jeden Bitvektor c = (c, c 2,..., c m ) B m definiert das boolesche Monom X c = c i = X i eine Funktion: X c : B m B : b = (b, b 2,..., b m ) d.h. X c (b) = c b c k = Ein boolesches Polynom ist eine Summe von Monomen, also durch eine Abbildung p : B m B gegeben. Dies definiert eine Funktion X p : B m B : b X c (b) p(c)= b k Reed-Muller Reed-Muller Zu jeder booleschen Funktion f : B m B gibt es genau ein boolesches Polynom X p, das diese Funktion darstellt: b B : f (b) = X p (b) (Ring-Normalform von booleschen Funktionen). Der Reed-Muller Code RM m,r besteht genau aus den Werte-Vektoren v p = ( X p (b) ) b B m wo p ein boolesches Polynom vom Grad r ist. Zum Minimalabstand (Beweis durch Induktion) d min (RM n+,r+ ) 2 m r Ist a RMm,r mit a = 2 m r, so ist (a, 0 n ) RM m+,r+ mit (a, 0 n ) = 2 m r = 2 (m+) (r+) Ist a RMm,r+ mit a = 2 m r, so ist (a, a) RM m+,r+ mit (a, a) = 2 2 m r = 2 (m+) (r+) d min (RM m+,r+ ) 2 m r Für w = (u v, v) RM m+,r+ mit mit u RM m,r, v RM m,r+ und mit w 0 2n gilt v = 0 n u 0 n, also w = (u, 0 n ) = u 2 m r u = 0 n v 0 n, also w = (v, v) = 2 v 2 2 m r = 2 m r u 0n v und u = v w = (0 n, v) und v RM m,r, also w = v 2 m r u 0 n v und u v u v RM m,r+, also w = u v + v 2 2 m r = 2 m r
12 Reed-Muller Bemerkungen: Die Reed-Muller gehen zurück auf die Arbeiten I.S. Reed, A Class of Multiple Error Correcting and the Decoding Scheme, IRE Transactions Inform. Theory (954). D.E. Muller, Application of Boolean Algebra to Switching Circuit Design, IRE Transactions Electronic Computing (954). lassen sich elegant und effizient mit majority logic decodieren dank enger Beziehung zu geometrischen Konfigurationen (diskrete euklidische und projektive Geometrie). gehören, neben den Hamming und den Golay, zu frühesten interessanten und nützlichen linearen. fanden breite Beachtung dank ihrer Verwendung in Projekten des Nasa ( ), z.b. der [32, 6, 6]-Code RM 5, im Mariner-Projekt. E.C. Posner, Combinatorial Structures in Planetary Reconnaissance, in: H.B. Mann (ed.), Error Correcting, Wiley (968). Zyklische Zyklische Ein (binärer) linearer [n, k, d] Code C B n ist zyklisch, wenn er mit jedem Codewort auch dessen zyklische shifts enthält: a = (a, a 2,..., a n ) C (a 2, a 3,..., a n, a ) C Die meisten der praktisch verwendeten Blockcodes sind zyklische (z.b. Hamming, Golay, verkürzte Reed-Muller, BCH, Reed-Solomon ) Zyklische lassen sich elegant mit Mitteln der Polynomarithmetik beschreiben, untersuchen und implementieren ( lineare Schieberegister) Effiziente Codierungsalgorithmen benutzen lineare Schieberegister; effiziente Decodierung beruht auf Polynomarithmetik (euklidischer Algorithmus!) sehr lange zyklische sind nicht besonders gut im Sinne der asymptotische Schranken, bessere (z.b. Goppa ) erfordern aber einen viel höheren mathematischen Aufwand! A(n, d) : maximales K, für das ein (n, K, d)-code existiert obere Schranke (Plotkin-Schranke) A(n, d) 2d 2d n Beweis: für einen (n, K, d)-code C gilt d K(K ) 2 2 a,b C für 2d > n 2 K d(a, b) n max k (K k) = n k K 4 untere Schranke (Gilbert-Varshamov-Schranke) A(n, d) 2 n V (n, d ) Beweis: Ist C ein (n, K, d)-code, so gilt wegen der Maximalität von K: B n a C S d (a) Sei 0 δ und R(δ) die maximale Rate, die asymptotisch für der Länge n mit relativer Minimaldistanz δ = d/n erreicht werden kann. D.h. Dann gilt (Plotkin) R(δ) = lim sup n R(δ) { (Gilbert-Varshamov) log A(n, δ n) n 2 δ falls 0 δ /2 = 0 falls /2 δ R(δ) H(δ) (0 δ /2)
13 Beweis der asymptotischen Plotkin-Schranke Ist C ein (n, K, d)-code, so kann man daraus für r =, 2,... einen (n r, K r, d)-code C r konstruieren mit K r K/2 r. Für n r = 2d 2 erhält man nach Plotkin: K 2 r C r Daraus folgt mit d = δ n 2d 2d (n r) = d, also K d 2r R(δ) lim sup n n log(δ n 2n 2δ n+2 ) ( log δ = lim n n + log n + 2δ + 2 ) n n = 2 δ Beweis der asymptotischen Gilbert-Varshamov-Schranke Aus der asymptotischen Abschätzung des Volumens von Hamming-Kugeln folgt sofort: R(δ) lim sup n = lim n = H(δ) n log 2 n V (n, δ n) log V (n, δ n) n 0,8 0,6 Rate k/n 0,4 0, , 0,2 0,3 0,4 0,5 relative Minimaldistanz d/n Gilbert-Varshamov-Schranke Plotkin-Schranke Es gibt neben der Gilbert-Varshamov-Schranke und der Plotkin-Schranke noch viele weitere Schranken, vor allem obere (Hamming, Elias, McEliece,... ). Die Gilbert-Varshamov-Schranke war von 952 bis 982 die beste bekannte untere Schranke! Erst dann gelang es Tsfasman, Vladut, Zink mit Hilfe von Goppa- (977 erfunden) zu konstruieren, welche die Gilbert-Varshamov-Schranke übertreffen. Literatur D. Welsh, and Cryptography, Oxford UP (988). F.J. MacWilliams, N. J.A. Sloane, The Theory of Error-Correcting, Elsevier (997). Abbildung: Asymptotische Schranken für
6. Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke. 6. Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke 107/ 238
6 Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke 6 Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke 107/ 238 Erinnerung: Der Vektorraum F n 2 Schreiben {0, 1} n als F n 2 Definition
MehrVorlesung Theoretische Grundlagen
Vorlesung Theoretische Grundlagen Fehlerkorrigierende Jörn Müller-Quade 4. Februar 2010 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrVorlesung Theoretische Grundlagen Fehlerkorrigierende Codes Jörn Müller-Quade 29. Januar 2013
Vorlesung Theoretische Grundlagen Fehlerkorrigierende Jörn Müller-Quade 29. Januar 2013 I NSTITUT FÜR K RYPTOGRAPHIE UND S ICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrEinführung in die Kodierungstheorie
Anton Malevich Einführung in die Kodierungstheorie Skript zu einer im Februar 2013 gehaltenen Kurzvorlesung Fakultät für Mechanik und Mathematik Belorussische Staatliche Universität Institut für Algebra
MehrErzeugendensystem und Basis
Erzeugendensystem und Basis Definition Erzeugendensystem und Basis eines Unterraums Sei S F n 2 ein Unterraum. Eine Menge G = {g 1,..., g k } S heißt Erzeugendensystem von S, falls jedes x S als Linearkombination
MehrEinführung 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
Mehr4 Grundlagen der fehlerkorrigierenden Codes
4 Grundlagen der fehlerkorrigierenden Codes 4. Hammingdistanz und Fehlerkorrektur Wir betrachten von nun an folgende Situation. Gegeben ist das Alphabet A, A = q, jede Teilmenge C A n heißt Code der Länge
MehrDie 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
Mehr7. Woche Extra-Material: - Beispiele von Codes. 7. Woche: Beispiele von Codes 144/ 238
7 Woche Extra-Material: - Beispiele von Codes 7 Woche: Beispiele von Codes 144/ 238 Hamming-Matrix H(h) und Hammingcode H(h) Wir definieren nun eine Parity-Check Matrix H(h) von einem neuen Code: Parametrisiert
MehrEndliche Körper und Codierung SS Übungsblatt. 9. Bestimmen Sie alle primitiven Elemente (Erzeuger der multiplikativen Gruppe) von
Endliche Körper und Codierung SS 2007 1. Übungsblatt 1. Sei p eine Primzahl und 0 j p 1. Zeigen Sie, dass ( ) p 1 j ( 1) j (mod p). 2. Sei R ein kommutativer Ring der Charakteristik p > 0 (prim). Zeigen
MehrErinnerung: Der Vektorraum F n 2
Erinnerung: Der Vektorraum F n 2 Definition Vektorraum F n 2 F n 2 = ({0, 1}n,+, ) mit Addition modulo 2, + : F n 2 Fn 2 Fn 2 und skalarer Multiplikation : F 2 F n 2 Fn 2 definiert einen Vektorraum, d.h.
MehrModul Diskrete Mathematik WiSe 2011/12
Modul Diskrete Mathematik WiSe / Ergänzungsskript zum Kapitel 3.4. Hinweis: Dieses Manuskript ist nur verständlich und von Nutzen für Personen, die regelmäßig und aktiv die zugehörige Vorlesung besuchen
MehrAlgebraische Codierungstheorie
Algebraische Codierungstheorie Grundeigenschaften der Codes und ihre wichtigsten Parameterschranken Iryna Feurstein Inhaltsverzeichnis 1 Gegenstand und Aufgabe der Codierungstheorie 1 2 Blockcode 1 2.1
MehrAlgebraisches Internet
. p. 1/40 Algebraisches Internet Axel Kohnert Braunschweig Mai 2010 Universität Bayreuth axel.kohnert@uni-bayreuth.de . p. 2/40 Übersicht Designs Network Codes Konstruktion Decodieren I - Designs. p. 3/40
MehrGrundbegrie der Codierungstheorie
Grundbegrie der Codierungstheorie Pia Lackamp 12. Juni 2017 Inhaltsverzeichnis 1 Einleitung 2 2 Hauptteil 3 2.1 Blockcodes............................ 3 2.1.1 Beispiele.......................... 3 2.2
MehrKapitel 13: Syndromcodierung / Hamming Codes
Kapitel 3: Syndromcodierung / Hamming Codes Ziele des Kapitels Lineare Codes Zyklische Codes Copyright M. Gross, ETH Zürich 26, 27 2 Parity-Check-Matrix Theorem: Die Minimaldistanz eines linearen Codes
MehrInformationstheorie und Codierung Schriftliche Prüfung am 8. Mai 2006
Informationstheorie und Codierung Schriftliche Prüfung am 8. Mai 2006 Institut für Nachrichtentechnik und Hochfrequenztechnik Bitte beachten Sie: Sie dürfen das Vorlesungsskriptum, einen Taschenrechner
MehrWintersemester Januar Prof. Dr. Schweigert Seminar über Algebra und Funktionentheorie: Funktionenkörper und geometrische Codes.
Wintersemester 20 23. Januar 202 Prof. Dr. Schweigert Seminar über Algebra und Funktionentheorie: Funktionenkörper und geometrische Codes Codes Fabian Thiele - 62949 Einleitung Im Jahre 837 ist es Samuel
MehrSignale und Codes Vorlesung 6
Signale und Codes Vorlesung 6 Nico Döttling December 13, 2013 1 / 24 Vergleich Shannon vs. Schranken für Minimaldistanz (1) BSC ρ hat Kapazität 1 H 2 (ρ) Shannon: Es existiert ein (n, k) Code C für BSC
Mehr5. 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
Mehr(Network) Coding und Verbindungen zur Systemtheorie
(Network) Coding und Verbindungen zur Systemtheorie Anna-Lena Horlemann-Trautmann Algorithmics Laboratory, EPFL, Schweiz 10. Februar 2016 Elgersburg Workshop Klassische Codierungstheorie Einführung Klassische
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrVerschlüsselungs- und Codierungstheorie PD Dr. Thomas Timmermann Westfälische Wilhelms-Universität Münster Sommersemester 2017
Verschlüsselungs- und Codierungstheorie PD Dr. Thomas Timmermann Westfälische Wilhelms-Universität Münster Sommersemester 2017 Lineare Codes (Ausarbeitung von Benjamin Demes) 1) Was sind lineare Codes
MehrDie 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
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
Mehrin der Mathematik-Ausbildung
Fehler-korrigierende in der Mathematik-Ausbildung Institut für Informatik & Automation, IIA Fakultät E&I, Hochschule Bremen, HSB DMV-Jahrestagung, Erlangen 15.-19.9.2008 Agenda Bedeutung ECC-Speicher HDD
MehrÜbungen zur Vorlesung Diskrete Strukturen
Abt. Reine Mathematik SS 06 Blatt 1 Di., 02.05.2006 um 14:15 Uhr vor Beginn der Vorlesung 1. Beweisen Sie: Ist n N mit n > 4 keine Primzahl, so gilt (n 1)! 0 mod n. 2. Berechnen Sie den größten gemeinsamen
Mehr4.0.2 Beispiel (Einfacher Wiederholungscode). Im einfachsten Fall wird die Nachricht einfach wiederholt. D.h. man verwendet die Generatorabbildung
Wir beschäftigen uns mit dem Problem, Nachrichten über einen störungsanfälligen Kanal (z.b. Internet, Satelliten, Schall, Speichermedium) zu übertragen. Wichtigste Aufgabe in diesem Zusammenhang ist es,
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
MehrRechnernetze Übung 5. Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai Wo sind wir?
Rechnernetze Übung 5 Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai 2012 Wo sind wir? Quelle Nachricht Senke Sender Signal Übertragungsmedium Empfänger Quelle Nachricht Senke Primäres
MehrCODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005 1. Das Problem 1.1. Kanalcodierung und Fehlerkorrektur. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder 1 übertragen kann, schicken.
MehrDie Ringe Z n. Invertierbare Elemente ( Einheiten ) für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: n : Z n Z n Z n : (a, b) (a b) mod n
Definitionen Die Ringe Z n für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: Beispiel n = 15 + n : Z n Z n Z n : (a, b) (a + b) mod n n : Z n Z n Z n : (a, b) (a b) mod n 9 + 15 11 = 5 9 15 11 = 9
MehrKodierungstheorie: Lineare Kodes
Kodierungstheorie: Lineare Kodes Seminararbeit Sommersemester 2015 Bearbeitet von: Sebastian Gombocz (Matrikelnummer: 48947) Christian Löhle (Matrikelnummer: 48913) Betreuer: Prof. Dr. Thomas Thierauf
MehrGegeben ist ein systematischer (7,3)-Cod. Die drei seiner Codewörter lauten:
Prof. Dr.-Ing. H.G. Musmann INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 67 Hannover Gegeben ist ein systematischer (7,)-Cod. Die drei seiner
MehrBeispiele linearer Codes
Beispiele linearer Codes Seminar Verschlüsselungs- und Codierungstheorie PD Dr. Thomas Timmermann SoSe 2017 Laura Elfert 3. Juli 2017 Inhaltsverzeichnis 1 Einleitung 1 2 Golay-Codes 2 2.1 Konstruktion
MehrSatz. Wie wirkt sich ein Basiswechsel auf die Darstellungsmatrix einer linearen Abbildung F : V n V n aus?
Wie wirkt sich ein Basiswechsel auf die Darstellungsmatrix einer linearen Abbildung F : V n V n aus? Seien [F] B und [F] B die Darstellungsmatrizen von F bezüglich zweier Basen B und B. Weiter sei T die
MehrKlausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum
Klausur zur Linearen Algebra I HS 01, 1.1.01 Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90 Minuten. Die Klausur umfaßt
Mehr4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140
4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}
MehrDiskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen)
WS 2015/16 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrEinführung in die Codierungstheorie
11. Dezember 2007 Ausblick Einführung und Definitionen 1 Einführung und Definitionen 2 3 Einführung und Definitionen Code: eindeutige Zuordnung von x i X = {x 1,.., x k } und y j Y = {y 1,..., y n } Sender
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrDie Mathematik in der CD
Lehrstuhl D für Mathematik RWTH Aachen Lehrstuhl D für Mathematik RWTH Aachen St.-Michael-Gymnasium Monschau 14. 09. 2006 Codes: Definition und Aufgaben Ein Code ist eine künstliche Sprache zum Speichern
MehrÜbungsblatt 14. Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09
Übungsblatt 14 Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09 Aufgabe 3. (Symmetrisches Produkt. 4 Punkte.) Sei V ein n-dimensionaler K-Vektorraum mit Basis B V n und ϕ: V K[x 1,...,x n ] 1 der Isomorphismus,
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehrein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2
II. Basis und Dimension ================================================================= 2.1 Linearkombination und Basis -----------------------------------------------------------------------------------------------------------------
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrLineare Algebra I Ferienblatt
Wintersemester 09/0 Prof. Dr. Frank-Olaf Schreyer Dr. Janko Boehm Lineare Algebra I Ferienblatt. Sei, das Euklidische Skalarprodukt auf R. Das Kreuzprodukt a b von Vektoren a, b R ist durch die Formel
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrFormelsammlung Kanalcodierung
Formelsammlung Kanalcodierung Allgemeines Codewortlänge: N Anzahl der Informationsstellen: K Coderate: R = K/N Hamming-Distanz: D( x i, x j ) = w( x i xj ) Codedistanz: d = min D( x i, x j ); i j Fehlerkorrektur:
MehrFehlerkorrigierende Codes
Fehlerkorrigierende Codes 2016S Gerhard Dorfer 1 2 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführende Beispiele 4 2 Mathematische Grundlagen 6 3 Fehlererkennung und Fehlerkorrektur für Blockcodes 9 4
Mehr6 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.
MehrPerfekte 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,
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrIndex. Chien-Suche, 220 CIRC, 234 Code, 2, 9 äquidistanter, 81
Index Abelsche Gruppe, 140 Abgeschlossenheit, 47, 140, 143 Abhängigkeit lineare, 53 Abtastfolge, 226 ACS-Operation, 279 Addition, 46, 163 Alphabet, 1 ARQ, 6, 174 Assoziativität, 47, 52, 140, 143 Audio-CD,
MehrFehlerkorrigierende Codes
Fehlerkorrigierende Codes 2018S Gerhard Dorfer 1 2 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführende Beispiele 4 2 Mathematische Grundlagen 6 3 Fehlererkennung und Fehlerkorrektur für Blockcodes 9 4
MehrA1.14: Bhattacharyya Schranke für BEC
A1.14: Bhattacharyya Schranke für BEC Wir betrachten in dieser Aufgabe den systematischen (5, 2) Code mit der 2 5 Generatormatrix der 3 5 Prüfmatrix und den 2 k = 4 Codeworten Am Ausgang des digitalen
MehrGruppe. Kanalcodierung
Kanalcodierung Ziele Mit diesen rechnerischen und experimentellen Übungen wird die prinzipielle Vorgehensweise zur Kanalcodierung mit linearen Block-Codes und mit Faltungscodes erarbeitet. Die konkrete
MehrKonstruktion von guten linearen Blockcodes
Universität Bayreuth Konstruktion von guten linearen Blockcodes Markus Grassl in Zusammenarbeit mit Greg White, University of Sydney Institut für Algorithmen und Kognitive Systeme Fakultät für Informatik
Mehr3.7 Eigenwerte und Eigenvektoren
3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
MehrEin (7,4)-Code-Beispiel
Ein (7,4)-Code-Beispiel Generator-Polynom: P(X) = X 3 + X 2 + 1 Bemerkung: Es ist 7 = 2^3-1, also nach voriger Überlegung sind alle 1-Bit-Fehler korrigierbar Beachte auch d min der Codewörter ist 3, also
MehrDas Kryptosystem von McEliece. auf der Basis von linearen Codes
Das Kryptosystem von McEliece auf der Basis von linearen Codes Anforderungen Public-Key Kryptosysteme E e (m) = c Verschlüsselung D d (c) = m Entschlüsselung mit Schl. effizient effizient 2/25 Anforderungen
MehrΙ. Einführung in die Codierungstheorie
1. Allgemeines Ι. Einführung in die Codierungstheorie Codierung: Sicherung von Daten und Nachrichten gegen zufällige Fehler bei der Übertragung oder Speicherung. Ziel der Codierung: Möglichst viele bei
MehrLineare Algebra II Lösungen zu ausgewählten Aufgaben
Lineare Algebra II Lösungen zu ausgewählten Aufgaben Blatt 2, Aufgabe 3 a) Wir zeigen, daß das Ideal (2, X) kein Hauptideal in Z[X] ist. (Dieses Ideal besteht aus allen Elementen in Z[X], die von der Form
MehrCodierungstheorie. Skript zur Vorlesung im SS Diplom-und Masterstudiengang
Codierungstheorie Skript zur Vorlesung im SS 2010 Diplom-und Masterstudiengang Prof. Peter Hauck Arbeitsbereich Diskrete Mathematik Wilhelm-Schickard-Institut Universität Tübingen Inhaltsverzeichnis Einführung
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrKlausur Informationstheorie und Codierung
Klausur Informationstheorie und Codierung WS 2013/2014 23.01.2014 Name: Vorname: Matr.Nr: Ich fühle mich gesundheitlich in der Lage, die Klausur zu schreiben Unterschrift: Aufgabe A1 A2 A3 Summe Max. Punkte
Mehr2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U:
2. Isotropie Im folgenden sei V ein K-Vektorraum der Dimension n. Es sei q eine quadratische Form darüber und β die zugehörige symmetrische Bilinearform. Zudem gelte in K: 1 + 1 0. Notation 2.0: Wir nennen
MehrCodes on Graphs: Normal Realizations
Codes on Graphs: Normal Realizations Autor: G. David Forney, Jr. Seminarvortrag von Madeleine Leidheiser und Melanie Reuter Inhaltsverzeichnis Einführung Motivation Einleitung Graphendarstellungen Trellis
MehrGeraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3.
Geraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3. In Analogie zu einer Geraden kann man eine Ebene durch einen Punkt in der Ebene (mit Ortsvektor r 0 ) und
MehrEinführung in die Codierungstheorie
Einführung in die Codierungstheorie Monika König 11.12.2007 Inhaltsverzeichnis 1 Einführung und Definitionen 2 2 Fehlererkennende Codes 3 2.1 Paritycheck - Code............................... 3 2.2 Prüfziffersysteme................................
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
MehrLineare Algebra für Ingenieure
TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen
MehrÜbung 14: Block-Codierung
ZHW, NTM, 26/6, Rur Übung 4: Block-Codierung Aufgabe : Datenübertragung über BSC. Betrachten Sie die folgende binäre Datenübertragung über einen BSC. Encoder.97.3.3.97 Decoder Für den Fehlerschutz stehen
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2
Mehr5 Analytische Geometrie
5 Analytische Geometrie Die Grundidee der analytischen Geometrie ist es, geometrische Objekte in Räumen mittels linearer Algebra zu beschreiben 51 Affine Räume Definition 511 Ein affiner Raum (AR) über
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrSignale und Codes Vorlesung 4
Signale und Codes Vorlesung 4 Nico Döttling December 6, 2013 1 / 18 2 / 18 Letztes Mal Allgemeine Hamming Codes als Beispiel linearer Codes Hamming Schranke: Obere Schranke für k bei gegebenem d bzw. für
Mehr17. Orthogonalsysteme
17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen
Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)
Mehr2.7 Der Shannon-Fano-Elias Code
2.7 Der Shannon-Fano-Elias Code Die Huffman-Codierung ist ein asymptotisch optimales Verfahren. Wir haben auch gesehen, dass sich die Huffman-Codierung gut berechnen und dann auch gut decodieren lassen.
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
MehrAufgabe 7.1 Bei einer digitalen Übertragung liege folgendes Modell vor:
1 Aufgabe 7.1 Bei einer digitalen Übertragung liege folgendes Modell vor: Q x q x akf digitale Übertrag. q y akf S y Quellensymboldauer T q = 1ms diskreter Kanal Q x sei eine stationäre Markov-Quelle nullter
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrInhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017
Inhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017 Kapitel II. Moduln 1 Moduln Sei R ein Ring (stets kommutativ und mit 1). 1.1 Definition. 1. Ein R-(links-)Modul ist
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrSkript zur Vorlesung. Signale und Codes. Willi Geiselmann. Karlsruher Institut für Technologie. Fakultät für Informatik
Skript zur Vorlesung Signale und Codes Willi Geiselmann Karlsruher Institut für Technologie Fakultät für Informatik Institut für Theoretische Informatik Arbeitsgruppe für Kryptographie und Sicherheit Letzte
MehrInhaltsverzeichnis. I Lineare Gleichungssysteme und Matrizen 1. Vorwort
Vorwort V I Lineare Gleichungssysteme und Matrizen 1 1 Der Begriff des Körpers 3 1.1 Mengen 3 1.2 Köiperaxiome 3 1.3 Grundlegende Eigenschaften von Körpern 5 1.4 Teilkörper 7 1.5 Aufgaben 8 1.5.1 Grundlegende
Mehr2 Affine und projektive Ebenen
$Id: ebenen.tex,v 1.3 2018/11/06 12:51:04 hk Exp $ 2 Affine und projektive Ebenen Nachdem wir in der letzten Sitzung affine Ebenen definiert und ein wenig untersucht haben kommen wir nun zu den sogenannten
MehrMinimalpolynome und Implikanten
Kapitel 3 Minimalpolynome und Implikanten Wir haben bisher gezeigt, daß jede Boolesche Funktion durch einfache Grundfunktionen dargestellt werden kann. Dabei können jedoch sehr lange Ausdrücke enstehen,
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrMusterlösung Serie 8
D-MATH Lineare Algebra I HS 018 Prof. Richard Pink Musterlösung Serie 8 Dimension, Direkte Summe & Komplemente 1. Zeige: Für jedes Erzeugendensystem E eines Vektorraums V und jede linear unabhängige Teilmenge
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr