[论文解读] Coding for Sequence Reconstruction for Single Edits

Kui Cai, Han Mao Kiah+2 more|arXiv (Cornell University)|Jan 6, 2020

Advanced Data Storage Technologies被引用 5

一句话总结

本文提出了一种用于单编辑错误（替换、插入、删除）下序列重建的重构码，当有固定数量 $N$ 的噪声读取时，可将冗余度从 $ olimits\log_q n + O(1)$ 降低至 $O(1)$，实现了渐近最优性，并在某些场景下优于经典纠错码，冗余度更低且性能相当。

ABSTRACT

The sequence reconstruction problem, introduced by Levenshtein in 2001, considers a communication scenario where the sender transmits a codeword from some codebook and the receiver obtains multiple noisy reads of the codeword. The common setup assumes the codebook to be the entire space and the problem is to determine the minimum number of distinct reads that is required to reconstruct the transmitted codeword. Motivated by modern storage devices, we study a variant of the problem where the number of noisy reads $N$ is fixed. Specifically, we design reconstruction codes that reconstruct a codeword from $N$ distinct noisy reads. We focus on channels that introduce single edit error (i.e. a single substitution, insertion, or deletion) and their variants, and design reconstruction codes for all values of $N$. In particular, for the case of a single edit, we show that as the number of noisy reads increases, the number of redundant bits required can be gracefully reduced from $\log n+O(1)$ to $\log \log n+O(1)$, and then to $O(1)$, where $n$ denotes the length of a codeword. We also show that the redundancy of certain reconstruction codes is within one bit of optimality.

研究动机与目标

• 设计一种重构码，可在单编辑错误模型下，仅凭 $N$ 个不同的噪声读取唯一恢复出码字。
• 随着 $N$ 增大，最小化重建所需的冗余符号数量。
• 建立所提码在单编辑错误下的渐近最优性。
• 通过仿真表明，重构码可在更少冗余度下实现与经典纠错码相当或更优的性能。

提出的方法

• 使用误差球函数 $B$ 将码字映射到噪声读取集合，形式化序列重建问题。
• 将读取覆盖度 $\nu(\mathcal{C}; B)$ 定义为不同码字的误差球之间的最大交集。
• 在单编辑错误模型下，针对 $2 \leq N \leq \nu(\mathcal{C}; B)$ 构造 $(n, N; B)$-重构码。
• 采用编码技术将冗余度从 $\log_q n + O(1)$ 降低至 $\log_q \log_q n + O(1)$，最终降至 $O(1)$，随着 $N$ 增大而实现。
• 利用组合与代数构造方法实现渐近最优性。
• 通过使用 DNA 测序参数的仿真验证性能，并与经典单编辑纠错码进行比较。

实验结果

研究问题

• RQ1 当有 $N$ 个噪声读取时，如何在单编辑错误模型下最小化冗余度？
• RQ2 读取数量 $N$ 与重建所需冗余符号数量之间的根本权衡是什么？
• RQ3 重构码能否在单编辑错误下实现冗余度的渐近最优性？
• RQ4 在译码失败率和信息速率方面，重构码与经典纠错码相比如何？
• RQ5 重构码能否在实际系统（如基于 DNA 的存储）中有效应用，尤其是在存在多个噪声读取的情况下？

主要发现

• 随着噪声读取数 $N$ 增大，冗余度可从 $\log_q n + O(1)$ 降低至 $\log_q \log_q n + O(1)$，最终降至 $O(1)$。
• 所提重构码在单编辑错误下具有冗余度的渐近最优性。
• 对于 $n = 152$，使用 $\mathcal{C}_0$（1 个冗余符号）而非经典码 $\mathcal{C}_L$（约 8.248 个冗余符号）可使信息速率提升 4.6%。
• 仿真结果表明，使用一个或两个冗余符号的重构码在译码失败率上比未编码系统高出一到两个数量级。
• 在低错误率且 $N$ 较高的场景下，如 $\mathcal{C}_0$ 的重构码可实现与经典码相当的性能，但冗余度显著更低。
• 该框架可作为串联方案中的内码集成，适用于基于 DNA 的存储，且具备软决策扩展的潜力。