Upload
lamis
View
49
Download
0
Embed Size (px)
DESCRIPTION
Teoria dei codici correttori d'errore Fondatore: Richard W. Hamming Articolo : Error Detecting and Error Correcting Codes (1950) In ogni trasmissione digitale possono avvenire errori. - PowerPoint PPT Presentation
Citation preview
Teoria dei codici correttori d'errore Fondatore: Richard W. Hamming Articolo: Error Detecting and Error Correcting Codes (1950)
In ogni trasmissione digitale possono avvenire errori. Es. ricezione da sonde spaziali o satelliti: canale molto disturbato, segnale molto debole errori frequenti. Es. riproduzione musica o immagini digitali: supporto fisico danneggiato.
Senza metodi efficaci e veloci di correzione degli errori non darebbe possibile ricevere informazioni dallo spazio, usare un lettore di CD o un telefonino!
Es. graffio di alcuni millimetri sulla superficie di un CD non pregiudica l'ascolto grazie a codice di Reed - Solomon, in grado di correggere 'raffiche' di errori consecutivi di notevole lunghezza.
Es. Telefoni cellulari GSM e satelliti: interferenze gestite utilizzando codici convoluzionali.
Applicazioni nei campi più diversi: dalle telecomunicazioni alla biologia molecolare
Gestione errore su 1 bit in sequenze di bit.
Codice di ripetizione: Ripeti ciascun bit 3 volte Se uno dei bit è erroneamente invertito, viene riconosciuto e corretto durante la decodifica del suo blocco di 3 bit.
0000 000 000 000 000
Inefficiente: rapporto tra i bit attuali e i bit totali è solo 1/3 (per memorizzare/comunicare 1MB si memorizzano/inviano 3Mb)
Codifica Hamming (7,4) Sequenza di bitsuddividisa in porzioni da 4 bit. Sia b il vettore che rappresenta una di tali porzioni, e codifichiamo b come bG a 7 bit, (operazioni modulo 2)
Il tasso è 4/7, molto migliore. Vedremo che corregge 1 errore.
1111 00000001111111
))()(( 31032032132103210 bbbbbbbbbbbbbbbbb bGb
A=alfabetoAn=insieme di sequenze di n simboli su A
Definizione. La distanza di Hamming tra x e y in An è d(x, y)=numero di coordinate i t.c. xi diverso da yi
es. d(0110,0011)=2
La distanza di Hamming è una metrica:
d(x, y) = d(y, x)
d(x, z) < d(x, y) + d(y, z)
d(x, y) = 0 sse x=y
Definizione: Un codice a correzione di errore è un sottoinsieme C di An.La distanza minima di C è (minimo su tutte le coppie di parole
diverse in C)
d(C)=min d(x,y)
Definizione: C è e error detecting se può rilevare <e errori; C è t error correcting se può correggere <t errori
DECODIFICA: a minima distanza
Nota(esercizio): su BSC (con prob. errore <1/2) (min distanza)=(max probabilità)
Definizione: Un codice a correzione di errore è un sottoinsieme C di An.La distanza minima di C è (minimo su tutte le coppie di parole
diverse in C)
d(C)=min d(x,y)
Definizione: C è e error detecting se può rilevare <e errori; C è t error correcting se può correggere <t errori
Proposizione: Se d(C)>2t+1, C e’ 2t error detecting e t error correcting
Dim. d(C)=2t+1 sequenza a distanza <2t da parola codice non è in C
2t error detecting
d(C)= 2t+1 sequenza r a distanza <t da p.c. ha distanza almeno 2t+1-t>t da ogni altra p.c. (vale disug. triangolare)
prendendo la p.c. più vicina a r correggiamo t errori
t error correcting
r t
y xt 1
Parametri:q = |A|n = lunghezza delle parole codicek = lunghezza del messaggio (lunghezza pre-codifica) = logq |C|d = d(C)
Si vuole: valori grandi di k e d, e valori piccoli di n.
Possiamo anche cercare di massimizzare il tasso del codice k/n
codice a correzione di errore con questi parametri codice (n, k, d)q .
Trasmissione su canali rumorosi:confronto tra Teoria di Hamming e Teoria di Shannon
(Visione ad Alto Livello)
•Scopo:Shannon: massimizzare il tasso e minimizzare la
probabilità di decodifica errata. Fornisce: funzioni di codifica e
decodificaHamming: massimizzare il tasso
e numero errori corretti. Fornisce: codice
(funzioni di codifica e decodifica efficienti)
• Modello d’errore:Shannon: random. Hamming: avversariale (caso peggiore).
• In Pratica:Risultati di Shannon ottimali ma non costruttiviTeoria dei codici: non ottimali ma efficienti e veloci
Codici a correzione di errore
Applicazioni in vari campi: matematica e informatica. Es.:• Trasmissione affidabile• Memorizzazione su supporti soggetti a guasti (es. CD graffiato)• Complessità: per pseudo-randomness, hardness amplification,
probabilistically checkable proofs. • Crittografia: schemi di condivisione segreti, sistemi crittografici. • Matematica combinatoria e ricreativa.
Esempio: Derandomizzazione di algoritmi
Definizione:
4/1,Pr
1,0,,...,1,
1,0
cyby
cbnji
S
jiSy
n
ha si e
ogni per se tindependen-paiwise è
A= algoritmo randomizzato (usa n random bits indip.)
A volte basta indipendenza limitata.
Pairwise independence sufficiente derandomizzazione possibile:
Invece di y di n bits random (A corretto prob scegliere y con successo =p>0) run A per ogni y in S ( A corretto esiste y con successo)
Algoritmo Deterministico A’running time T(A’)= O(|S|T(A))
vogliamo S piccolo Teroria dei codici Esiste S dimensione O(n)
Codici lineariAlfabeto= A = campo finito (es. {0,…,q-1}, q primo, operazioni
mod q)
codice è lineare esiste una matrice di controllo parità H (n-k x n) su A tale che C è lo spazio nullo di H, cioè
C = {y | HyT = 0}
C lineare è un sottospazio lineare di An x, y є C x + y є C
x є C, a є Σ ax є C.
C lineare generato da una matrice G (k x n):righe = insieme massimale di parole codice linearmente
indipendenti = base spazio lineare.
Codice = {x | x=aG}
Codice di Hamming n=2l-1
0...0 trannebits, di vettoritutti lH
Codice = spazio nullo di H = {x | HxT=0}
Numero parole codice = llk 1222
12 lk l
ESEMPIO n=7=23-1
1
0
0
001
101
010
101
011
111
H
l=3, k=4, numero parole codice =16
Definizione w(x) = peso di Hamming di x = numero componenti di x non nulle w(C)= minx in Cw(x)
Lemma Dato codice lineare C w (C)= min numero colonne linearmente dipendenti di H
Dim. H ha r colonne l.d. in posizioni i1,…,ir esistono a1,...,ar tali che
Esiste parola codice di peso r:
0...11
riri caca
altrimenti
iaxxx ri
in 0
,...,),...,( 1
1ii per x
0...11
ririT cacaHx
Lemma Dato codice lineare C w (C)= min numero colonne linearmente dipendenti di H
Per codici di Hamming il peso minimo di una parola è 3:
• Tutte colonne non nulle min num colonne l.d. >1
• Tutte colonne diverse c+c’ non nullo min num colonne l.d.
>2
• In H tutti vettori date c,c’ esiste in H colonna c’’=c+c’
c + c’+ c’ ’=0 min num colonne l.d. è
3
Lemma Dato codice lineare C, w (C) = d(C)
Dim.
)()x(min)0,x(min)y,x(min)(
)()y'x'()y',x'()y,x(min)(
,
,
CwwddCd
CwwddCd
CxCxCyx
Cyx
Corollario Un codice lineare C corregge t errori se w (C)= d(C) > 2t+1
CODIFICA/DECODIFICA?
0
12,,...0...0 10
T
ln
HC
nH
x x
bits, l vettori tutti
D(C)=3 corregge 1 errore
Siano c=(c0,…,cn-1)=parola codice, r=(r0,…,rn-1)=sequenza da decodificare
CODIFICA/DECODIFICA dei Codici di Hamming
c r r=c+e, ei=1 sse errore in posizione i
HrT=H(c+e)T=HcT +HeT=HeT
0 errori r=c e=0 HrT=H0T=0 1 errore posizione i r=c+010…0)=c+ei HrT=HeiT=i
DECODIFICA: Calcola sindrome s=HrT
se s=0 output r se s=i output r+ei
Se si sono avuti >2 errori?
lln l
C 1222||
INPUT: bit di informazione= blocco di k=2l-l-1 bits
Vogliamo codifica sistematica: bit di informazione in primi k bit della p.c.
Proprietà Se scegliamo H=[A | In-k] allora G=[Ik | AT]Dim. Dobbiamo mostrare che
CODIFICA dei Codici di Hamming
GA
AAH
GH
TTTTT
kT
'xx)'x,x'(x
'x''x0''x'x0x
)'x',(x'x Sia
.1,0a qualcheper ax sse 0x
CODIFICA SISTEMATICA: input a=(a0,…,ak-1) output parola codice c=aG c=(a0,…,ak-1,ck,…,cn-1)