We construct s-interleaved linearized Reed-Solomon (ILRS) codes and variants and propose efficient decoding schemes that can correct errors beyond the unique decoding radius in the sum-rank, sum-subspace and skew metric. The proposed interpolation-based scheme for ILRS codes can be used as a list decoder or as a probabilistic unique decoder that corrects errors of sum-rank up to $t\leq\frac{s}{s+1}(n-k)$, where s is the interleaving order, n the length and k the dimension of the code. Upper bounds on the list size and the decoding failure probability are given where the latter is based on a novel Loidreau-Overbeck-like decoder for ILRS codes. The results are extended to decoding of lifted interleaved linearized Reed-Solomon (LILRS) codes in the sum-subspace metric and interleaved skew Reed-Solomon (ISRS) codes in the skew metric. We generalize fast minimal approximant basis interpolation techniques to obtain efficient decoding schemes for ILRS codes (and variants) with subquadratic complexity in the code length. Up to our knowledge, the presented decoding schemes are the first being able to correct errors beyond the unique decoding region in the sum-rank, sum-subspace and skew metric. The results for the proposed decoding schemes are validated via Monte Carlo simulations.


翻译:我们构建了线性Reed-Solomon(ILRS)代码和变量,并提出了高效解码计划,这些解码计划可以纠正超于单数、超子空间和Skew衡量标准中独特的解码半径值的错误。 拟议的 ILRS 代码基于内推法的方案可以用作ILRS 代码的解码器或一种独特的概率解码器。 其结果是解码, 解码最高为$t\leq\frac{s ⁇ s+1}(n-k)$, 其中的解码是内部解码, 内部解码是内部解码, 内部解码是内部解码, 内部解码系统解码系统( ISRS) 的上限和解码系统。 系统内部解码中, 快速解码系统解码系统, 系统解码系统内部解码系统, 系统解码系统解码系统解码系统, 系统内部解码系统内部解码系统, 系统解码系统化, 系统化系统内部解码系统解码系统系统, 系统解码系统内部解码系统系统系统系统系统系统系统系统系统系统系统系统,系统系统系统系统系统系统系统系统,系统系统系统化,系统化系统化,系统化,系统化系统化,系统化,系统化系统化,系统化系统化系统化系统化系统化,系统化系统化系统化,系统化系统化,系统化,系统化系统化系统化系统化,系统化,系统化系统化系统化系统化,系统化系统化系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统,系统化,系统化,系统,系统,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统化,系统,系统,系统,系统,系统化,系统化,系统化,系统化,系统化,系统,系统,系统,系统,系统,系统,系统,系统

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
国家自然科学基金
0+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
0+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 · 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 · 2009年12月31日
Arxiv
0+阅读 · 2022年12月15日
VIP会员
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
相关基金
国家自然科学基金
0+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
0+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 · 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 · 2009年12月31日
Top
微信扫码咨询专知VIP会员