Điểm:2

Chênh lệch $δ$ trong Thuật toán Berlekamp-Massey

lá cờ ar

Tôi có một câu hỏi liên quan đến Thuật toán BerlekampâMassey. Ai đó có thể hướng dẫn tôi hiểu ý tưởng/trực giác của thuật toán này không?

Theo giải thích trong Wikipedia, trong mỗi lần lặp lại, thuật toán sẽ cố gắng tính toán sự khác biệt $δ$.

Nếu $δâ 0$, thuật toán sẽ cập nhật đa thức định vị lỗi bằng đa thức cập nhật $B(x)$. Tuy nhiên, tại thời điểm này, tôi biết rằng đa thức định vị lỗi kết quả sẽ làm cho $δ$ trong lần lặp hiện tại trở thành số không. Nhưng, làm thế nào về tất cả các $δ$ trong các lần lặp trước? Rất khó để hình dung rằng thuật toán thực sự tạo ra tất cả các $δ=0$.

Điểm:1
lá cờ sa

Trên thực tế, BMA là một thuật toán đệ quy và sự khác biệt $$d_{n+1}=\hat{s}_{n+1}-s_{n+1}$$Sự khác biệt ở giữa

  • đa thức hiện tại là gì $C^{\{n\}}$ được xác định bởi BMA dựa trên trình tự $(s_0,\cdots,s_n)$ dự đoán là biểu tượng tiếp theo $\hat{s}_{n+1}$, và
  • Ký hiệu thực tế $s_{n+1}$.

Đây là những gì được sử dụng để cập nhật đa thức nếu cần thiết. Bằng cảm ứng, tất cả các khác biệt sau đó bằng không.

ytj_banana avatar
lá cờ ar
Nhưng tôi không thể hình dung được từ trường hợp việc thêm đa thức được cập nhật, $B(x)$ thực sự có thể làm cho đa thức định vị lỗi mới tạo ra tất cả $s_0,\cdots,s_{n-1}$ trước đó với sai số bằng 0 .Bạn có phiền khi cho tôi một bằng chứng nhỏ để chứng minh điều đó là đúng không?
ytj_banana avatar
lá cờ ar
Phương trình làm phiền tôi là $C(x)
kodlu avatar
lá cờ sa
Không sử dụng wikipedia như một nguồn có thẩm quyền. Không dễ để xác định xem họ sai ở đâu, nếu có. Chứng minh bằng quy nạp nhưng nó hơi tế nhị, tôi không có thời gian để mô tả nó bây giờ. Cuốn sách của Blahut *Các thuật toán nhanh để xử lý tín hiệu* có một mô tả hay, trong phần 7.4. Cuốn sách có thể tìm thấy trực tuyến.
ytj_banana avatar
lá cờ ar
Cảm ơn bạn đã giới thiệu cuốn sách. Nó rất hữu ích!! Tôi đã nhận nó ngay bây giờ!
Điểm:1
lá cờ us

Thuật toán Berlekamp-Massey là một thủ tục cho LFSR tổng hợp; nó. tìm thấy ngắn nhất LFSR sẽ tạo ra chuỗi đã cho $s_0, s_1, s_2, \cdots$. thuật toán là lặp đi lặp lại (không đệ quy vì nó không gọi chính nó) ở chỗ nó kiểm tra từng ký hiệu của chuỗi cho đến khi nó xử lý xong toàn bộ chuỗi đã cho. Ở cuối của $i$-lần lặp thứ, thuật toán đã kiểm tra $s_0, s_1, \cdots, s_{i-1}$ (kiểm tra của $s_i, s_{i+1}, \cdots$ vẫn chưa đến) và đã tổng hợp ngắn nhất LFSR sẽ tạo ra $s_0, s_1, \cdots, s_{i-1}$. Sau đó, vào đầu $(i+1)$-lần lặp thứ, thuật toán xác định xem $s_i$ sẽ được tạo bởi LFSR mà nó vừa tìm thấy bằng cách tính toán những gì tiếp theo đầu ra $\hat{s}_i$ sẽ là từ LFSR vừa được tổng hợp và so sánh nó với những gì chúng tôi muốn LFSR để tạo ra, cụ thể là, được cho $s_i$. Sự khác biệt được gọi là sự khác biệt $\delta_i$ và nếu $\delta_i$ xảy ra là khác không, các trước đây-tổng hợp LFSR là cập nhật để LFSR cập nhật sẽ tính toán $s_0, s_1, \cdots, s_{i-1}, {\mathbf s_i}$ (nhấn mạnh thêm). Bản cập nhật này có thể tăng độ dài LFSR và cũng có thể thay đổi các vòi phản hồi hoặc chỉ thay đổi các vòi phản hồi. Có thể chứng minh rằng nếu một lần lặp dẫn đến tăng độ dài LFSR và thay đổi các điểm nhấn, thì ở lần lặp tiếp theo, chỉ các điểm nhấn phản hồi mới có thể thay đổi; LFSR không thể tăng chiều dài.

Nói tóm lại, không cần phải lo lắng về những gì xảy ra với sự khác biệt trước đó; LFSR hiện tại là đảm bảo tạo ra tất cả các trình tự được kiểm tra cho đến nay không có bất kỳ sự khác biệt nào xảy ra trong quá trình tạo.

Đăng câu trả lời

Hầu hết mọi người không hiểu rằng việc đặt nhiều câu hỏi sẽ mở ra cơ hội học hỏi và cải thiện mối quan hệ giữa các cá nhân. Ví dụ, trong các nghiên cứu của Alison, mặc dù mọi người có thể nhớ chính xác có bao nhiêu câu hỏi đã được đặt ra trong các cuộc trò chuyện của họ, nhưng họ không trực giác nhận ra mối liên hệ giữa câu hỏi và sự yêu thích. Qua bốn nghiên cứu, trong đó những người tham gia tự tham gia vào các cuộc trò chuyện hoặc đọc bản ghi lại các cuộc trò chuyện của người khác, mọi người có xu hướng không nhận ra rằng việc đặt câu hỏi sẽ ảnh hưởng—hoặc đã ảnh hưởng—mức độ thân thiện giữa những người đối thoại.