Sum-rank Hamming codes are introduced in this work. They are essentially defined as the longest codes (thus of highest information rate) with minimum sum-rank distance at least $ 3 $ (thus one-error-correcting) for a fixed redundancy $ r $, base-field size $ q $ and field-extension degree $ m $ (i.e., number of matrix rows). General upper bounds on their code length, number of shots or sublengths and average sublength are obtained based on such parameters. When the field-extension degree is $ 1 $, it is shown that sum-rank isometry classes of sum-rank Hamming codes are in bijective correspondence with maximal-size partial spreads. In that case, it is also shown that sum-rank Hamming codes are perfect codes for the sum-rank metric. Also in that case, estimates on the parameters (lengths and number of shots) of sum-rank Hamming codes are given, together with an efficient syndrome decoding algorithm. Duals of sum-rank Hamming codes, called sum-rank simplex codes, are then introduced. Bounds on the minimum sum-rank distance of sum-rank simplex codes are given based on known bounds on the size of partial spreads. As applications, sum-rank Hamming codes are proposed for error correction in multishot matrix-multiplicative channels and to construct locally repairable codes over small fields, including binary.


翻译:在这项工作中引入了仓储代码。 这些代码基本上被定义为最长的代码( 最高信息率的特高) 。 当字段扩展度为 1 美元时, 显示对齐的仓储代码的平位偏差值至少为 3 美元( 超一度校正), 对于固定的冗余 $ 美元, 基地规模 $ q 美元 和 外地扩展度度 $ 美元 。 ( 即 矩阵行数 ), 这些代码基本上被定义为: 最长的代码( 最短的 ), 最长的代码( 最高的信息率 ) 。 当字段扩展度为 1 美元 时, 显示 平坦的平整级平坦美代码 与最大大小 的平坦美分解码 。 在此情况下, 平坦的平坦坦调代码( 包括简单平坦的平坦的平坦版码 ), 以平坦的平坦的平坦式平坦的平坦代码, 以平坦的平坦的平坦的平坦的平坦的平坦的平坦代码 。 以平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦的平坦

0
下载
关闭预览

相关内容

最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
专知会员服务
100+阅读 · 2020年7月16日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Cross-Modal & Metric Learning 跨模态检索专题-2
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
基于 Carsim 2016 和 Simulink的无人车运动控制联合仿真(四)
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
7+阅读 · 2018年10月12日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
Arxiv
0+阅读 · 2021年3月8日
Arxiv
0+阅读 · 2021年3月7日
Arxiv
3+阅读 · 2018年10月18日
Deep Randomized Ensembles for Metric Learning
Arxiv
5+阅读 · 2018年9月4日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关VIP内容
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
专知会员服务
100+阅读 · 2020年7月16日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关论文
Top
微信扫码咨询专知VIP会员