[论文解读] Optimal $k$-Deletion Correcting Codes

Jin Sima, Jehoshua Bruck|arXiv (Cornell University)|Oct 27, 2019

DNA and Biological Computing参考文献 15被引用 4

一句话总结

本文提出了首个具有最优冗余 $O(k\log n)$ 的确定性 $k$-删除纠错码，通过使用受限序列、用于块分离的同步模式以及冗余优化的外码与内码，构建了一种新型级联码结构。编码与解码复杂度分别为 $O(n^{2k+1})$ 和 $O(n^{k+1})$，解决了自 Levenshtein 于 1966 年工作以来编码理论中的一个长期开放问题。

ABSTRACT

Levenshtein introduced the problem of constructing $k$-deletion correcting codes in 1966, proved that the optimal redundancy of those codes is $O(k\log N)$, and proposed an optimal redundancy single-deletion correcting code (using the so-called VT construction). However, the problem of constructing optimal redundancy $k$-deletion correcting codes remained open. Our key contribution is a solution to this longstanding open problem. We present a $k$-deletion correcting code that has redundancy $8k\log n +o(\log n)$ and encoding/decoding algorithms of complexity $O(n^{2k+1})$ for constant $k$.

研究动机与目标

• 解决长期存在的开放问题：构造具有最优冗余 $O(k\log n)$ 的确定性 $k$-删除纠错码。
• 设计一种针对常数 $k$ 的多项式时间复杂度编码与解码方案。
• 通过将 1 之间的最小距离设为 $k$ 的受限序列，推广 Varshamov-Tenengolts (VT) 构造以支持 $k$ 次删除的纠错。
• 使用单一、可被删除的同步模式实现级联码中的块分离，该模式可被删除破坏或由删除生成。
• 在保持 $k$ 次删除下正确解码的同时，使冗余接近理论下界 $k\log n + o(\log n)$。

提出的方法

• 通过约束序列中任意两个 1 之间至少有 $k$ 个 0，将 VT 构造推广至 $k$-删除纠错，从而支持更高阶的校验，实现 $k$ 次删除的纠正。
• 使用长度为 $3k + \lceil\log k\rceil + 4$ 的同步模式，其末尾包含 $\lceil\log k\rceil + 5$ 个连续的 1，且不存在其他相同长度的 1 连续段，用于标记块边界。
• 对输入序列应用变换 $T(\mathbf{c})$ 以生成 $k$-密集序列，从而利用同步向量与哈希函数从 $k$ 次删除中恢复。
• 采用类似 Reed-Solomon 的外码与基于重复的内码 $Rep_{k+1}(H(R'))$ 来保护冗余位 $R'$，确保在 $k$ 次删除下仍可恢复。
• 通过首先从 $k$-删除子序列中恢复冗余 $R'$，再结合 $R''$ 与同步向量恢复 $T(\mathbf{c})$，最后通过逆变换 $T^{-1}$ 恢复原始序列 $\mathbf{c}$，实现原始序列的恢复。
• 在编码过程中采用暴力搜索寻找素数 $p(T(\mathbf{c}))$，在解码过程中暴力搜索同步向量，分别导致 $O(n^{2k+1})$ 和 $O(n^{k+1})$ 的复杂度。

实验结果

研究问题

• RQ1 能否构造出冗余量与理论下界 $O(k\log n)$ 匹配的确定性 $k$-删除纠错码？
• RQ2 能否在不依赖标记保留的前提下，仅使用一个可被删除的同步模式，实现级联 $k$-删除码中的块分离？
• RQ3 能否通过将序列中 1 之间的最小距离设为 $k$，将 VT 构造推广至支持 $k$ 次删除的纠错？
• RQ4 能否在保持常数 $k$ 下多项式时间编码与解码的同时，将冗余减少至 $O(k\log n)$？
• RQ5 确定性 $k$-删除码的最小冗余是多少？能否通过高效算法实现？

主要发现

• 本文构造的 $k$-删除纠错码冗余为 $8k\log n + o(\log n)$，与最优阶 $O(k\log n)$ 一致。
• 编码复杂度为 $O(n^{2k+1})$，解码复杂度为 $O(n^{k+1})$，对于常数 $k$ 均为 $n$ 的多项式时间。
• 该码使用一种新型同步模式，长度为 $3k + \lceil\log k\rceil + 4$，可被删除破坏或由删除生成，实现鲁棒的块分离。
• 通过在 $k$-受限序列（即 1 之间最小距离为 $k$）上应用更高阶校验，推广了 VT 码，从而实现 $k$-删除纠错。
• 冗余 $R'$ 通过重复码 $R'' = Rep_{k+1}(H(R'))$ 保护，使得即使在 $R''$ 中发生 $k$ 次删除，仍可恢复 $H(R')$。
• 解码过程通过逆向编码步骤实现：首先从 $R''$ 恢复 $H(R')$，然后从 $R''$ 与 $H(R')$ 恢复 $R'$，最后结合同步向量与哈希函数恢复 $T(\mathbf{c})$ 与 $\mathbf{c}$。