We present $O(m^3)$ algorithms for specifying the support of minimum-weight words of extended binary BCH codes of length $n=2^m$ and designed distance $d(m,s,i):=2^{m-1-s}-2^{m-1-i-s}$ for some values of $m,i,s$, where $m$ may grow to infinity. The support is specified as the sum of two sets: a set of $2^{2i-1}-2^{i-1}$ elements, and a subspace of dimension $m-2i-s$, specified by a basis. In some detail, for designed distance $6\cdot 2^j$, we have a deterministic algorithm for even $m\geq 4$, and a probabilistic algorithm with success probability $1-O(2^{-m})$ for odd $m>4$. For designed distance $28\cdot 2^j$, we have a probabilistic algorithm with success probability $\geq 1/3-O(2^{-m/2})$ for even $m\geq 6$. Finally, for designed distance $120\cdot 2^j$, we have a deterministic algorithm for $m\geq 8$ divisible by $4$. We also present a construction via Gold functions when $2i|m$. Our construction builds on results of Kasami and Lin (IEEE T-IT, 1972), who proved that for extended binary BCH codes of designed distance $d(m,s,i)$, the minimum distance equals the designed distance. Their proof makes use of a non-constructive result of Berlekamp (Inform. Contrl., 1970), and a constructive ``down-conversion theorem'' that converts some words in BCH codes to lower-weight words in BCH codes of lower designed distance. Our main contribution is in replacing the non-constructive argument of Berlekamp by a low-complexity algorithm. In one aspect, we extends the results of Grigorescu and Kaufman (IEEE T-IT, 2012), who presented explicit minimum-weight words for designed distance $6$ (and hence also for designed distance $6\cdot 2^j$, by a well-known ``up-conversion theorem''), as we cover more cases of the minimum distance. However, the minimum-weight words we construct are not affine generators for designed distance $>6$.


翻译:暂无翻译

0
下载
关闭预览

相关内容

Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年7月17日
Arxiv
0+阅读 · 2023年7月17日
Arxiv
0+阅读 · 2023年7月17日
Arxiv
0+阅读 · 2023年7月15日
Arxiv
0+阅读 · 2023年7月14日
Arxiv
0+阅读 · 2023年7月14日
Arxiv
0+阅读 · 2023年7月14日
Arxiv
0+阅读 · 2023年7月13日
VIP会员
相关VIP内容
相关论文
Arxiv
0+阅读 · 2023年7月17日
Arxiv
0+阅读 · 2023年7月17日
Arxiv
0+阅读 · 2023年7月17日
Arxiv
0+阅读 · 2023年7月15日
Arxiv
0+阅读 · 2023年7月14日
Arxiv
0+阅读 · 2023年7月14日
Arxiv
0+阅读 · 2023年7月14日
Arxiv
0+阅读 · 2023年7月13日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员