Trellis Decoding of Block Codes: A Practical Approach

بسیار خوشحالم که از شما خواسته می شود مقدمه این کتاب را در مورد رمزگشایی تریلی کدهای بلوک تصحیح خطا بنویسید. این موضوع از نظر تئوری و عملی بسیار مهم است و به دلیل پیشرفت‌های اخیر در پیاده‌سازی میکروالکترونیکی و دامنه کاربرد سیستم‌های کدگذاری کنترل خطا بر اساس کدهای بلوک، بسیار به موقع است. نویسندگان به طور قابل‌توجهی در زمینه پردازش سیگنال و کدگذاری تحقیق و توسعه برای چندین سال فعال بوده‌اند و بنابراین در موقعیت بسیار خوبی برای کمک به وضعیت هنر در موضوع رمزگشایی تریلی قرار دارند. به طور خاص، این کتاب یک رویکرد منحصر به فرد به بسیاری از جنبه های عملی موضوع را نشان می دهد. همانطور که نویسندگان اشاره می کنند، دو دسته اصلی از کدهای کنترل خطا وجود دارد: کدهای بلوکی و کدهای کانولوتینال. کدهای بلوک برای اولین بار در تاریخ آمده اند و ساختار ریاضی خوبی دارند. کدهای کانولوشنال بعداً می آیند، و به صورت اکتشافی توسعه می یابند، اگرچه درمان رسمی تری از طریق تحولات اخیر در نظریه پویایی نمادین پدیدار شده است. رمزگشایی حداکثر احتمال (ML) کدهای قدرتمند در هر دو کلاس از نظر محاسباتی در حالت کلی پیچیده است. یعنی رمزگشایی ML در کلاس مسائل محاسباتی NP-hard شکست می خورد. این به این دلیل است که پیچیدگی کدگذاری یک تابع نمایی از پارامترهای کلیدی کد است.

It is a great pleasure to be asked to write the Preface for this book on trellis decoding of error correcting block codes. The subject is extremely significant both theoretically and practically, and is very timely because of recent devel­ opments in the microelectronic implementation and range of application of error-control coding systems based on block codes. The authors have been notably active in signal processing and coding research and development for several years, and therefore very well placed to contribute to the state of the art on the subject of trellis decoding. In particular, the book represents a unique approach to many practical aspects of the topic. As the authors point out, there are two main classes of error control codes: block codes and convolutinal codes. Block codes came first historically and have a well-developed mathematical structure. Convolutional codes come later, and have developed heuristically, though a more formal treatment has emerged via recent developments in the theory of symbolic dynamics. Max­ imum likelihood (ML) decoding of powerful codes in both these classes is computationally complex in the general case; that is, ML decoding fails into the class of NP-hard computational problems. This arieses because the de­ coding complexity is an exponential function of key parameters of the code.