[論文レビュー] Asymptotic Concentration Behaviors of Linear Combinations of Weight Distributions on Random Linear Code Ensemble

Tadashi Wadayama|ArXiv.org|Mar 7, 2008

Error Correcting Code Techniques参考文献 6被引用数 3

ひとこと要約

本稿は、ランダム線形符号集合における重み分布の共分散構造を導出し、これらの分布の線形結合の漸近的集中性を正確に分析可能にする。重み分布の線形結合がコード長が増加するに従い、平均値のまわりにきわめて鋭く集中することを確立し、共分散式から導かれる2次統計量によって集中速度が定量化される。

ABSTRACT

Asymptotic concentration behaviors of linear combinations of weight distributions on the random linear code ensemble are presented. Many important properties of a binary linear code can be expressed as the form of a linear combination of weight distributions such as number of codewords, undetected error probability and upper bound on the maximum likelihood error probability. The key in this analysis is the covariance formula of weight distributions of the random linear code ensemble, which reveals the second-order statistics of a linear function of the weight distributions. Based on the covariance formula, several expressions of the asymptotic concentration rate, which indicate the speed of convergence to the average, are derived.

研究の動機と目的

• ランダム線形符号集合における重み分布の線形結合の2次統計的挙動を分析すること。
• ランダム線形符号集合 R_{n,m} における重み分布 A_w1 と A_w2 の閉形式の共分散式を導出すること。
• マクロな符号特性がその期待値のまわりに漸近的にどの程度集中するかを定量化すること。
• 主要な符号性能指標の揺らぎと収束速度を理解するための理論的基盤を提供すること。

提案手法

• 指定されたハミング重みを持つ2値ベクトルの組み合わせ的数え上げを用いて、重み分布 A_w1 と A_w2 の共分散を導出する。
• 2つの2値ベクトル x と y のサポート集合の重なりに基づいてケースを分類し、互いに disjoint な領域を表すインデックス i1, i2, i3, i4 を用いる。
• 各 H の行 h に対して h·x=0 および h·y=0 が成り立つことと、Hx=0 および Hy=0 が成り立つことが同値であるという原則を適用し、このような h ベクトルの数を数える。
• h ∈ F_2^n で h·x=0 かつ h·y=0 を満たすものの数が、重なり領域および非重なり領域における重みの偶奇に依存することを用いる。
• 重み w1 および w2 を持つすべてのペア (x,y) について和をとることで、E[A_w1 A_w2] を計算し、これにより共分散を導出する。
• x=y のとき COV(A_w1,A_w2) = 0 であり、x=y でない場合や w1 ≠ w2 の場合は COV(A_w,A_w) = (1 - 2^{-m})2^{-m} * C(n,w) となることを確立する。

実験結果

リサーチクエスチョン

• RQ1 ランダム線形符号における重み分布の線形結合は、どのようにその平均値のまわりに漸近的に集中するか？
• RQ2 ランダム線形符号集合における重み分布の2次統計的挙動（分散および共分散）は何か？
• RQ3 未検出誤り確率などの符号特性の集中速度は、符号パラメータ n と m にどのように依存するか？
• RQ4 ランダム線形符号集合において、異なる w1, w2 に対して A_w1 と A_w2 の正確な共分散形は何か？
• RQ5 重み分布の共分散がゼロとなるか、非ゼロのままとなる条件は何か？

主な発見

• w1 ≠ w2 または対応するベクトル x と y が異なる場合、A_w1 と A_w2 の共分散はゼロであり、これらの状況では統計的独立性が示唆される。
• w1 = w2 = w かつ x = y の場合、共分散は (1 - 2^{-m})2^{-m} * C(n,w) となり、これは A_w の分散を定量化する。
• 任意の線形結合 F(H) = ∑ Φ_w A_w(H) の分散は、重み付き共分散の和によって決定され、正確な2次統計的分析が可能になる。
• F(H) の平均値のまわりの集中速度は、共分散式から導かれた分散式によって支配され、m が増加するに従い揺らぎが減少することが示される。
• 結果から、未検出誤り確率やMLデコーディング誤り確率の上界といった主要な性能指標が、漸近的領域において平均値のまわりにきわめて鋭く集中することが示唆される。
• 解析により、ランダム線形符号集合が強い集中性を示すことが確認され、収束速度は導出された共分散に基づく分散式によって定量的に評価できる。