Constrained Coding and Soft Iterative Decoding

کدگذاری محدود و رمزگشایی تکراری نرم اولین کاری است که مسائل مربوط به کدگذاری محدود و رمزگشایی تکراری نرم (مانند کدهای توربو و LDPC) را از یک دیدگاه واحد ترکیب می‌کند. از آنجایی که کدگذاری محدود به طور گسترده در ذخیره سازی مغناطیسی و نوری استفاده می شود، استفاده از برخی تکنیک های خاص (طرح الحاق اصلاح شده یا درج بیت) به منظور اعمال رمزگشایی تکراری نرم ضروری است.
پیشرفت های اخیر در طراحی و رمزگشایی کدهای کنترل خطا (ECC) پتانسیل قابل توجهی را برای بهبود عملکرد بسیاری از سیستم های ارتباطی نشان می دهد. ECCها مانند کدهای توربو و کدهای بررسی برابری با چگالی کم (LDPC) را می توان با نمودارها نشان داد و با ارسال پیام های احتمالی (معروف به "نرم") در امتداد لبه های نمودار رمزگشایی کرد. این الگوریتم ارسال پیام رمزگشاهای قدرتمندی را ارائه می دهد که عملکرد آنها می تواند به محدودیت های نظری ظرفیت نزدیک شود. این نمایش از «نمودارهای معمولی» استفاده می‌کند که توسط فورنی معرفی شده‌اند، که به شیوه‌ای طبیعی گسترش می‌یابند تا نمایش‌های نموداری سیستم را مسدود کنند و یک چارچوب یکپارچه ساده برای رمزگشایی ECC، کدهای محدود و کانال‌های با حافظه ارائه می‌دهند. رمزگشایی تکراری نرم با استفاده از کدهای توربو و کدهای LDPC در کانال های ضبط مغناطیسی نشان داده شده است.
برای ذخیره‌سازی مغناطیسی و نوری، یک مسئله در استفاده از کدگذاری محدود ایجاد می‌شود که محدودیت‌هایی را برای توالی‌هایی که می‌توانند از طریق کانال منتقل شوند، ایجاد می‌کند. استفاده از کدگذاری محدود در ترکیب با رمزگشاهای نرم ECC توسط طرح الحاقاصلاح شده که به عنوان "الحاق معکوس" نیز شناخته می شود، مورد توجه قرار می گیرد. علاوه بر این، یک رمزگشا با محدودیت نرم، سود کدگذاری اضافی را از افزونگی در محدودیت ایجاد می‌کند، که ممکن است در مورد ذخیره‌سازی نوری مورد توجه عملی باشد. علاوه بر این، این مونوگراف چندین نتیجه تحقیقاتی دیگر را ارائه می‌کند (از جمله طراحی کدهای فشرده‌سازی بدون تلفات بلوک کشویی، و رمزگشایی کدهای آرایه به عنوان کدهای LDPC).
کدگذاری محدود و رمزگشایی تکراری نرم برای دانشجویان، محققان و مهندسان حرفه ای که علاقه مند به درک این الگوی رمزگشایی تکراری نرم جدید و استفاده از آن در ارتباطات و سیستم های ذخیره سازی هستند مفید خواهد بود.

Constrained Coding and Soft Iterative Decoding is the first work to combine the issues of constrained coding and soft iterative decoding (e.g., turbo and LDPC codes) from a unified point of view. Since constrained coding is widely used in magnetic and optical storage, it is necessary to use some special techniques (modified concatenation scheme or bit insertion) in order to apply soft iterative decoding.
Recent breakthroughs in the design and decoding of error-control codes (ECCs) show significant potential for improving the performance of many communications systems. ECCs such as turbo codes and low-density parity check (LDPC) codes can be represented by graphs and decoded by passing probabilistic (a.k.a. `soft') messages along the edges of the graph. This message-passing algorithm yields powerful decoders whose performance can approach the theoretical limits on capacity. This exposition uses `normal graphs,' introduced by Forney, which extend in a natural manner to block diagram representations of the system and provide a simple unified framework for the decoding of ECCs, constrained codes, and channels with memory. Soft iterative decoding is illustrated by the application of turbo codes and LDPC codes to magnetic recording channels.
For magnetic and optical storage, an issue arises in the use of constrained coding, which places restrictions on the sequences that can be transmitted through the channel; the use of constrained coding in combination with soft ECC decoders is addressed by the modifiedconcatenation scheme also known as `reverse concatenation.' Moreover, a soft constraint decoder yields additional coding gain from the redundancy in the constraint, which may be of practical interest in the case of optical storage. In addition, this monograph presents several other research results (including the design of sliding-block lossless compression codes, and the decoding of array codes as LDPC codes).
Constrained Coding and Soft Iterative Decoding will prove useful to students, researchers and professional engineers who are interested in understanding this new soft iterative decoding paradigm and applying it in communications and storage systems.