[论文解读] Non-binary Codes for Correcting a Burst of at Most t Deletions

Shuche Wang, Yuanyuan Tang+3 more|arXiv (Cornell University)|Oct 21, 2022

DNA and Biological Computing被引用 5

一句话总结

本论文提出了一类新型非二元码与置换码，可在 $ q $-元字母表上的序列中纠正长度为 $ t $ 的突发删除，其方法基于 Varshamov-Tenengol'ts 约束与基于校验的定位技术。主要贡献在于，对于非二元字母表，构造出冗余度为 $ \log n + O(\log q \log \log n) $ 的码；对于置换码，冗余度为 $ \log n + O(\log \log n) $，在各自参数范围内实现了目前已知最大的码字规模。

ABSTRACT

The problem of correcting deletions has received significant attention, partly because of the prevalence of these errors in DNA data storage. In this paper, we study the problem of correcting a consecutive burst of at most $t$ deletions in non-binary sequences. We first propose a non-binary code correcting a burst of at most 2 deletions for $q$-ary alphabets. Afterwards, we extend this result to the case where the length of the burst can be at most $t$ where $t$ is a constant. Finally, we consider the setup where the sequences that are transmitted are permutations. The proposed codes are the largest known for their respective parameter regimes.

研究动机与目标

• 设计可纠正 $ q $-元序列中长度为 $ t $ 的突发删除的非二元码，其中 $ t $ 为常数。
• 利用 Varshamov-Tenengol'ts 约束与基于校验的技术，将现有的二元突发删除纠错码扩展至非二元字母表。
• 构造一种可纠正长度为 $ t $ 的突发删除的置换码，冗余度低，其动机源于 DNA 存储与文件同步应用。
• 实现接近最优的冗余度，相较于先前构造，在渐近效率方面实现改进。

提出的方法

• 通过 Varshamov-Tenengol'ts 约束，发展了 Levenshtein 二元码的另一种证明方法，从而可将其扩展至非二元交替序列。
• 采用基于校验的定位方案，将突发删除限制在长度为 $ P = t2^{2t+2}\lceil\log n\rceil $ 的短区间内，从而将纠错问题简化为更小的子问题。
• 对于非二元码，采用分块编码方法，利用 $ E_{tB} $ 函数与模运算，分别保护偶数位与奇数位的块。
• 通过精心选择模数 $ a = 2^{\lceil\log q\rceil(4t\log(2P)+o(\log P))} $，确保在局部化区间内能唯一解码突发编辑。
• 对于置换码，将定位码 $ \mathcal{C}_{loc}^{P} $ 与全局码 $ \mathcal{C}_{2t} $ 结合，后者用于纠正局部区域内的重排序列重叠。
• 最终的码结构确保删除事件被限制在已知区间内，从而可通过基于秩的重构方法实现高效纠错。

实验结果

研究问题

• RQ1 Varshamov-Tenengol'ts 约束能否用于构造非二元码，以纠正交替序列中长度为 2 的突发删除？
• RQ2 非二元码在 $ q $-元字母表上纠正长度为 $ t $ 的突发删除，其最小冗余度是多少？
• RQ3 能否构造出冗余度为 $ \log n + O(\log \log n) $ 的置换码，以纠正长度为 $ t $ 的突发删除？
• RQ4 如何将基于校验的定位技术适配于非二元与置换序列，以降低突发删除纠错的复杂度？

主要发现

• 所提出的用于纠正长度为 2 的突发删除的非二元码，其冗余度为 $ \log n + O(\log q \log \log n) $，优于先前构造。
• 对于一般 $ t $，非二元码构造的冗余度为 $ \log n + O(\log q \log \log n) $，在该参数范围内为目前已知最小值。
• 用于纠正长度为 $ t $ 的突发删除的置换码，其冗余度为 $ \log n + O(\log \log n) $，是目前已知同类码中规模最大的。
• 该置换码的码字规模满足 $ |\mathcal{P}_{\leq t}(n)| \geq \frac{n!}{16n \cdot 2^{O(\log \log n)}} $，表明其在渐近规模上接近最优。
• 该构造是首个实现 $ \log n + O(\log \log n) $ 冗余度的置换码，用于纠正长度为 $ t $ 的突发删除，其冗余度与二元情况下的最优已知界一致。
• 该方法对常数 $ t $ 具有鲁棒性，且冗余度保持在 $ n $ 的对数以下，适用于大规模 DNA 存储应用。