[论文解读] Coding Theory in Projective Space

Natalia Silberstein, Tuvi Etzion|arXiv (Cornell University)|May 22, 2008

Coding theory and cryptography参考文献 22被引用 2

一句话总结

本文提出了一种在常维数码中使用约化行阶梯矩阵和Ferrer图进行划分的新型码字表示方法，实现了高效的距离计算与编码。它建立了格拉斯曼码与常权码之间的联系，基于最优秩度量码构造了新的常维数码，并将表示方法推广至无限制射影空间以实现码构造。

ABSTRACT

Projective space of order $n$ over a finite field $GF(q)$, denoted by $\\mathcal{P}_{q}(n),$ is a set of all the subspaces of a vector space $GF(q)^{n}.$ The projective space is a metric space with the distance function $d_{s}(U,V)=dim(U)+dim(V)-2dim(U\\cap V)$, for all $U,V\\in\\mathcal{P}_{q}(n)$. A code in the projective space is a subset of $\\mathcal{P}_{q}(n)$. Koetter and Kschischang showed that codes in projective space are useful for errors and erasures correction in random network coding. If the dimension of each codeword is restricted to a fixed integer, the code forms a subset of a finite-field Grassmannian. Such a code is called a constant-dimension code. We introduce a representation of codewords in Grassmannian by codewords in the associated constant-weight codes and matrices in reduced echelon form. We describe an algorithm for detecting the distance between two subspaces of $\\mathcal{P}_{q}(n)$ based on such representation. It is known that the size of Grassmannian can be determined by Gaussian coefficient. Using the connection between the Gaussian coefficient and the number of partitions we show encoding methods for constant-dimension codes, based on representation of partitions by Ferrer diagrams. Next, we consider rank-metric codes. We construct new constant-dimension codes, based on optimal rank-metric codes. We continue by studying the codes in unrestricted projective space. We generalize the representation of codewords in unrestricted projective space by vectors in the Hamming space and matrices in reduced echelon form. We construct new codes in $\\mathcal{P}_{q}(n)$, using our construction of codes in Grassmannian.

研究动机与目标

• 开发射影空间中常维数码的高效表示与编码方法。
• 建立高斯系数、整数分拆与Ferrer图之间的联系，以支持码构造。
• 通过汉明空间与约化行阶梯形式，将码字表示从格拉斯曼空间推广至无限制射影空间。
• 基于最优秩度量码构造新的常维数码。
• 利用矩阵表示实现子空间间距离的高效计算。

提出的方法

• 将格拉斯曼空间中的码字表示为约化行阶梯形式矩阵，并将其映射到常权码。
• 使用Ferrer图表示整数分拆，并将其与高斯系数关联以实现编码。
• 应用距离公式 $ d_s(U,V) = \dim(U) + \dim(V) - 2\dim(U \cap V) $ 实现高效的子空间距离计算。
• 以已知的最优秩度量码为基础，构造新的常维数码。
• 通过将子空间映射到汉明空间与约化行阶梯矩阵，将码字表示推广至无限制射影空间。
• 结合格拉斯曼码构造方法与广义表示，生成 $ \mathcal{P}_q(n) $ 中的新码。

实验结果

研究问题

• RQ1 如何利用矩阵形式与分拆，高效表示并编码格拉斯曼空间中的码字？
• RQ2 在码构造中，高斯系数、整数分拆与Ferrer图之间存在何种关系？
• RQ3 能否利用最优秩度量码在射影空间中构造新的常维数码？
• RQ4 如何利用矩阵表示实现射影空间中两个子空间间距离的高效计算？
• RQ5 能否将格拉斯曼空间中码字的表示方法推广至无限制射影空间，以实现更广泛的码构造？

主要发现

• 本文建立了高斯系数与整数分拆数量之间的直接联系，通过Ferrer图表示实现编码。
• 利用基于维数的公式 $ d_s(U,V) = \dim(U) + \dim(V) - 2\dim(U \cap V) $ 实现了子空间间距离的高效计算。
• 基于最优秩度量码构造了新的常维数码，提升了码的大小与结构。
• 无限制射影空间中的码字通过汉明向量与约化行阶梯矩阵表示，推广了格拉斯曼方法。
• Ferrer图的使用使得基于分拆计数的常维数码系统化编码成为可能。
• 所提出的框架通过结合格拉斯曼构造与广义表示，实现了在 $ \mathcal{P}_q(n) $ 中构造新码。