当前位置: 首页 > article >正文

非[I,P]结构的生成矩阵如何巧妙计算校验矩阵

核心在于:通过初等行变换得到[I,P]结构的生成矩阵

F 2 F_{2} F2上的矩阵为例

G = [ 0 0 1 0 1 1 1 1 0 0 1 0 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 1 ] . \boldsymbol{G}=\begin{bmatrix}0&0&1&0&1&1&1\\1&0&0&1&0&1&1\\1&1&0&0&1&0&1\\1&1&1&1&1&1&1\end{bmatrix}. G= 0111001110010101101111011111 .

这是二元线性码 C C C的生成矩阵, [ n , k ] = [ 7 , 4 ] [n,k]=[7,4] [n,k]=[7,4].现在求 C C C的一个校验矩阵. G \boldsymbol{G} G的 4 个行向量为 C C C的一组基,所以它们的线性组合都是 C C C中码字.因此 C C C中有如下的码字:

(1000110)( G G G的 4 行之和),
(0100011)( G G G的第1,2,4行之和),
( 0010111 ) ( G  的第  1  行 ) (0010111)\left(G\text{ 的第 }1\text{ 行}\right) (0010111)(G 的第 1 ),
(0001101)( G G G的第1,3,4行之和),

初等行变换即可得到上述矩阵

这 4 个码字是线性无关的,所以它们也是 C C C的一组基.从而 C C C又有生成矩阵

G ′ = [ 1 0 0 0 1 1 0 0 1 0 0 0 1 1 0 0 1 0 1 1 1 0 0 0 1 1 0 1 ] = [ I 4 P ] \boldsymbol{G}'=\begin{bmatrix}1&0&0&0&1&1&0\\0&1&0&0&0&1&1\\0&0&1&0&1&1&1\\0&0&0&1&1&0&1\end{bmatrix}=[\boldsymbol{I}_4\boldsymbol{P}] G= 1000010000100001101111100111 =[I4P]

所以, H = [ P T \boldsymbol{H}= [ \boldsymbol{P}^{\mathrm{T} } H=[PT I 3 ] = [ 1011 100 1110 010 0111 001 ] \boldsymbol{I}_{3}] = \begin{bmatrix} 1011& 100\\ 1110& 010\\ 0111& 001\end{bmatrix} I3]= 101111100111100010001

便是 C C C的一个校验矩阵。


http://www.kler.cn/a/383216.html

相关文章:

  • Spring挖掘:(AOP篇)
  • vscode在windows和linux如何使用cmake构建项目并make生成可执行文件,两者有什么区别
  • Uniapp安装Pinia并持久化(Vue3)
  • 13-鸿蒙开发中的综合实战:华为登录界面
  • Jest进阶知识:深入测试 React Hooks-确保自定义逻辑的可靠性
  • 基于Multisim光控夜灯LED电路(含仿真和报告)
  • 题目练习之二叉树那些事儿(续集)
  • Linux入门之vim
  • 深度学习常用开源数据集介绍【持续更新】
  • 《华为工作法》读书摘记
  • 【Git】Liunx环境下Git的使用:“克隆,提交,推送“
  • Sat-NeRF论文笔记和复现问题处理
  • 小游戏开发,出现了降本增效的技术?
  • 安装acondana3, Conda command not found
  • python项目实战---使用图形化界面下载音乐
  • 离线部署k8s1.21.2集群教程
  • CrackMe破解之Acid_burn
  • SpringCloudGateway — 网关登录校验
  • Mysql基础 01 数据与sql
  • 【Python】强大的正则表达式工具:re模块详解与应用
  • 【极限编程(XP)】
  • 重新认识HTTPS
  • 【从VAE到LDM】Variational Auto Encoder原理以及关于Latent Diffusion的思考
  • 深入解析 Transformer 模型:编码器和解码器的完整实现
  • 易考八股文之谈谈对sentinel的理解和作用?
  • 关于路由笔记