线性分组码之实现RM编码

参考资料:
http://www.mcs.csueastbay.edu/~malek/Class/Reed-Muller.pdf
Journal of Computer Science 4 (10): 792-798, 2008

RM码全称Reed-Muller Codes,是一种非常神奇的编码,早在1972年就应用在了水手9号火星探测器,采用RM(1,5)对火星的黑白照片进行编码处理。

RM码也是线性分组码,但是与通常的线性分组码描述方法(n,k,d)不同,采用另外一种参数描述方法:(r,m),二者对应关系为
( n , k , d ) = ( 2 m , i = 0 r C m i , 2 m r ) (n,k,d)=(2^m,\sum_{i=0}^r C_m^i,2^{m-r})

可见RM码的最小距离给的还是很大的,提供给我们纠错多位的可能。之前所说的RM(1,5)对应的线性分组码就是(32,6,16) woc能纠正7位发现1位

生成矩阵

下面我们看一下如何去设计一这样神奇的编码。同所有线性分组码一样,它也有它的生成矩阵
首先当 r = 0 r=0 时,生成矩阵被定义为
G ( 0 , m ) = [ 1 1 1 ] 2 m (1) G(0,m)= \begin{matrix} \underbrace{ \begin{bmatrix} 1&1&\cdots&1 \end{bmatrix} } \\ 2^m \end{matrix} \tag{1}

r 1 r\ge 1 时,我们通过迭代的方式得到生成矩阵
G ( m , m ) = [ G ( m 1 , m ) 0 0 1 ] (2) G(m,m)= \begin{bmatrix} &G(m-1,m) \\ 0&0\cdots&1 \end{bmatrix} \tag{2}

G ( r , m + 1 ) = [ G ( r , m ) G ( r , m ) 0 G ( r 1 , m ) ] (3) G(r,m+1)= \begin{bmatrix} G(r,m) & G(r,m) \\ 0 & G(r-1,m) \end{bmatrix} \tag{3}


Exam:G(1,3)
G ( 1 , 3 ) = [ G ( 1 , 2 ) G ( 1 , 2 ) 0 G ( 0 , 2 ) ] G(1,3)= \begin{bmatrix} G(1,2) & G(1,2) \\ 0 & G(0,2) \end{bmatrix}
G ( 1 , 2 ) = [ G ( 1 , 1 ) G ( 1 , 1 ) 0 G ( 0 , 1 ) ] G(1,2)= \begin{bmatrix} G(1,1) & G(1,1) \\ 0 & G(0,1) \end{bmatrix}

综上求得G(1,3)
[ G ( 0 , 1 ) G ( 0 , 1 ) G ( 0 , 1 ) G ( 0 , 1 ) 01 01 01 01 0 G ( 0 , 2 ) ] = [ 1 1 1 1 1 1 1 1 0 1 0 1 0 1 0 1 0 0 1 1 0 0 1 1 0 0 0 0 1 1 1 1 ] \begin{bmatrix} G(0,1) & G(0,1) & G(0,1) & G(0,1) \\ 01 & 01 & 01 & 01 \\ 0 && G(0,2) \end{bmatrix} \\ \quad \\ =\begin{bmatrix} 1&1&1&1&1&1&1&1 \\ 0&1&0&1&0&1&0&1 \\ 0&0&1&1&0&0&1&1 \\ 0&0&0&0&1&1&1&1 \end{bmatrix}


此外还有另一种构造方式
零阶RM码生成矩阵仍参照(1)
定义RM(1,m)的生成矩阵为:设矩阵H的列序号与列向量相同,那么RM(1,m)的生成矩阵为
G = [ 1 1 1 0 H 0 ] G= \begin{bmatrix} 1 & 1 & \cdots & 1 \\ 0 & \\ \vdots & & H & \\ 0 & \\ \end{bmatrix}

一般来说很多人看到这个定义都会比较懵逼,一方面是数值与向量相等的操作比较费解,另一方面是这个相等是真的不好解释,下面给一个实例说明一下,仍以RM(1,3)的生成矩阵为例
[ a 1 a 2 a 3 a 4 a 5 a 6 a 7 1 1 1 1 1 1 1 1 0 1 0 1 0 1 0 1 0 0 1 1 0 0 1 1 0 0 0 0 1 1 1 1 ] \begin{bmatrix} & a_1 & a_2 & a_3 & a_4 & a_5 & a_6 & a_7 \\ 1&1&1&1&1&1&1&1 \\ 0&1&0&1&0&1&0&1 \\ 0&0&1&1&0&0&1&1 \\ 0&0&0&0&1&1&1&1 \end{bmatrix}

序号不要求从1起,也可以从0起

接下来是如何从一阶RM码得到高阶RM码。将组成H的行向量依次记为
H = [ x 1 x 2 x m ] H= \begin{bmatrix} x_1 \\ x_2 \\ \vdots \\ x_m \\ \end{bmatrix}

高阶RM码生成矩阵就是在低阶生成矩阵的基础上添加全部同阶的行向量。这个地方还是不容易说明,依旧举例说明:

定义点乘运算:设有同维行向量 a ( a 1 , a 2 , a n ) a(a_1,a_2,\cdots a_n) b ( b 1 , b 2 , b n ) b(b_1,b_2,\cdots b_n) ,二者点乘的结果为
a b = ( a 1 b 1 , a 2 b 2 , , a n b n ) ab = (a_1 b_1,a_2 b_2,\cdots ,a_n b_n)

由RM(1,3)得到RM(2,3)为例,方便起见将RM(1,3)写为如下形式:将首列的0替换为行向量的标识符
[ 1 1 1 1 1 1 1 1 x 1 1 0 1 0 1 0 1 x 2 0 1 1 0 0 1 1 x 3 0 0 0 1 1 1 1 ] \begin{bmatrix} 1&1&1&1&1&1&1&1 \\ x_1 &1&0&1&0&1&0&1 \\ x_2 &0&1&1&0&0&1&1 \\ x_3 &0&0&0&1&1&1&1 \\ \end{bmatrix}

x 1 , x 2 , x 3 x_1,x_2,x_3 最高阶次均为1次,因为是1阶组合;而 x 1 x 2 x_1x_2 为最高阶次为2次,这里的乘法运算就是前文提及的点乘,所以RM(2,3)的生成矩阵为
[ 1 1 1 1 1 1 1 1 x 1 1 0 1 0 1 0 1 x 2 0 1 1 0 0 1 1 x 3 0 0 0 1 1 1 1 x 1 x 2 0 0 1 0 0 0 1 x 1 x 3 0 0 0 0 1 0 1 x 2 x 3 0 0 0 0 0 1 1 ] \begin{bmatrix} 1 & 1 & 1 & 1 & 1 & 1 & 1 &1 \\ x_1&1 & 0 & 1 & 0 & 1 & 0 & 1 \\ x_2 &0 & 1 & 1 & 0 & 0 & 1 & 1 \\ x_3 &0 & 0 & 0 & 1 & 1 & 1 & 1 \\ x_1x_2 &0 & 0 & 1 & 0 & 0 & 0 & 1 \\ x_1x_3 &0 & 0 & 0 & 0 & 1 & 0 & 1 \\ x_2x_3 &0 & 0 & 0 & 0 & 0 & 1 & 1 \\ \end{bmatrix}

由于m个元素r阶组合的个数为 C m r C_m^r ,所以可知RM(r,m)的信息位为 i = 0 r C m i \sum_{i=0}^r C_m^i

译码

一阶译码

首先介绍一下什么是Kronecker Product:

矩阵A与B的Kronecker Product定义如下
A B = [ a 11 B a 12 B a 1 n B a 21 B a 12 B a 2 n B a m 1 B a m 2 B a m n B ] A \bigotimes B = \begin{bmatrix} a_{11} B & a_{12} B &\cdots & a_{1n} B \\ a_{21} B & a_{12} B &\cdots & a_{2n} B \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} B & a_{m2} B & \cdots & a_{mn} B \end{bmatrix}

之后是定义n阶hadamard 矩阵

n阶hadamard 矩阵为nxn方阵,仅由 1 和 -1 俩个元素构成,且具有如下性质
H n H n T = n I n H_n H_n^T = n I_n

hadamard矩阵是可以构造的,但这不是本文的重点 而且我也不会

之后是如何利用hadamard矩阵对RM码进行译码
首先利用2阶hadamard矩阵和kronecker Product定义如下矩阵的生成
H m j = I 2 m j H 2 I 2 j 1 H_m^j = I_{2^{m-j}} \otimes H_2 \otimes I_{2^{j-1}}

H 3 3 H_3^3 为例
H 3 3 = H I 4 = [ 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 ] H_3^3=H\otimes I_4 = \begin{bmatrix} 1 & 0 & 0 & 0 & 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 & 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 & 0 & 0 & 0 & 1 \\ 1 & 0 & 0 & 0 & -1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 & 0 & -1 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 & 0 & -1 & 0 \\ 0 & 0 & 0 & 1 & 0 & 0 & 0 & -1 \\ \end{bmatrix}

现假设采用RM(1,m)编码,收到码字 r ( r 0 , r 1 , r 2 m 1 ) r(r_0,r_1,\cdots r_{2^m-1}) ,按如下步骤进行译码

  1. 将接收码字中0替换为-1
    w 0 = 2 w [ 111 1 ] w_0=2w-[1 1 1\cdots 1]

  2. 计算如下伴随式
    w 1 = w 0 H m 1 w 2 = w 1 H m 2 w 3 = w 2 H m 3 w m = w m 1 H m m \begin{aligned} w_1 &= w_0 H^1_m \\ w_2 &= w_1 H^2_m \\ w_3 &= w_2 H^3_m \\ \vdots \\ w_m &= w_{m-1} H^m_m \end{aligned}

  3. 在行向量 w m ( w m , 1 w m , 2 w m , 2 m 1 ) w_m (w_{m,1} \quad w_{m,2} \cdots w_{m,2^m -1}) 中找位置 i i ,使得 p o s i \forall pos \ne i ,都有 w m , i > w m , p o s |w_{m,i}| > |w_{m,pos}|

  4. 根据 i i 查询下表

    pos i code v(i)
    0 000…0
    1 100…0
    2 010…0
    3 110…0
    2m-1 111…1

    如果 w m , i < 0 w_{m,i}<0 ,那么认为译码结果为 [ 0 v ( i ) ] [0\quad v(i)] ;如果 w m , i > 0 w_{m,i}>0 ,则认为译码结果为 [ 1 v ( i ) ] [1 \quad v(i) ]

  5. 将求得的译码结果与生成矩阵 G ( 1 , m ) G(1,m) 相乘得到码字 w s n d w_{snd} 与接收码字 w w 比较,核对结果

解码示例程序

完整一阶编译码程序-> 德莉莎世界第一可爱
下面给出matlab演示程序作为示例:

hadamard(n): 生成n阶hadamard矩阵
kron(A,B):计算矩阵A B的kronecker Product

close all
clear all
clc

H=hadamard(2);
w=[1 0 1 0 1 0 1 1];
%replace
w0=zeros(1,8);
for i=1:8
    w0(i)=2*w(i)-1;
end
%calculate w1 w2 w3
H13=kron(eye(4),H);
w1=w0*H13
H23=kron(kron(eye(2),H),eye(2));
w2=w1*H23;
H33=kron(H,eye(4));
w3=w2*H33
%get max element and its position
pos=1;
for i=2:8
    if w3(i)>w3(pos)
        pos=i;
    end
end
%decode
code=zeros(1,4);
if w3(pos)>0
    code(1)=1;
else
    code(1)=0;
end
pos=pos-1;
for i=2:4
    code(i)=mod(pos,2);
    pos=fix(pos/2);
end
%display
code

发布了161 篇原创文章 · 获赞 170 · 访问量 1万+

猜你喜欢

转载自blog.csdn.net/white_156/article/details/104081928