List-decoding and list-recovery of Reed-Solomon codes beyond the Johnson radius for any rate
了解RS码的列表译码和列表恢复的限制是编码理论的主要兴趣,并且在近几十年来吸引了很多关注。然而,这些问题的最佳参数仍然是未知的,在本文中,我们在这个方向上迈出了一步。我们证明了存在的RS码,是列表可解码或列表可恢复超出约翰逊半径的\emph{any}率,在块长度的多项式字段大小。特别是,我们表明,对于任何$ε\in (0,1)$,都存在可从半径$1-ε$进行列表解码且速率小于$\fracε{2-ε}$且列表大小恒定的RS码。我们推导出我们的结果,通过扩展和加强最近的结果Ferber,关,和Sauermann的打孔码与大的最小距离,并利用潜在的代码的线性。
2021-05-31 cs.IT math.CO math.IT
Structure Theorems (and Fast Algorithms) for List Recovery of Subspace-Design Codes
Massachusetts Institute of Technology(麻省理工学院);University of California, Berkeley(加州大学伯克利分校)
本文提出了一种高效的算法,用于子空间设计码的列表恢复,通过紧凑描述实现高效处理,改进了现有算法性能。
2025-12-08 cs.CC cs.IT math.IT
Tighter List-Size Bounds for List-Decoding and Recovery of Folded Reed-Solomon and Multiplicity Codes
本文通过简化证明改进了折叠里德-所罗门码和重数码的列表解码列表大小界,优化了随机算法,并首次证明FRS码在小字母表上渐近达到大小为2的广义辛格尔顿界。
2023-12-28 cs.IT math.CO math.IT
List-Recovery of Random Linear Codes over Small Fields
本文研究小域上随机线性码的列表恢复问题,首次超越 Zyablov-Pinsker 界,证明在素域擦除和任意域错误情形下输出列表大小对容量差距 ε 的依赖可改进为 O(1/ε)。
2025-05-09 cs.IT math.IT
Decoding Insertions/Deletions via List Recovery
本文将插入/删除解码问题归约为列表恢复问题,并应用于 Reed-Solomon 码,首次实现 k>2 时的高效插入/删除解码,同时改进了 Davey-MacKay 信道下的速率-错误权衡。
2025-05-05 cs.IT math.IT
Bounds for list-decoding and list-recovery of random linear codes
本研究推导了随机线性码在码率趋近容量时列表译码与列表恢复的列表大小界,明确二元随机线性码对应列表大小的三个可能取值,揭示其与完全随机码的性能差异。
2020-06-18 cs.IT math.IT math.PR
Zero-Rate Thresholds and New Capacity Bounds for List-Decoding and List-Recovery
在这项工作中,我们考虑的列表可解码性和列表可恢复的任意$q$ -ary码,$q\geq 2$的所有整数值。如果每个半径$pn$汉明球包含少于$L$码字,则代码被称为$(p,L)_q$ -列表可解码; $(p,\ell,L)_q$ -列表可恢复性是一种推广,其中我们将半径$pn$汉明球放置在具有边长$\ell$的组合矩形的每个点上,并再次规定存在少于$L$码字。我们的主要贡献是精确计算$p$的最大值,其中存在无限个阳性率$(p,\ell,L)_q$列表可恢复代码族,我们称该数量为零率阈值。用$p_*$表示该值,我们实际上表明,纠正$p_*+\varepsilon$错误分数的码必须具有大小$O_{\varepsilon}(1)$,即,独立于$n$。这样的结果通常被称为“Plotkin界限”。为了补充这一点,一个标准的随机码与删除结构表明,存在正率代码纠正$p_*-\varepsilon$部分的错误。我们还遵循经典的证明模板(通常归因于Elias和Bassalygo),从零速率阈值中推导出速率和解码半径之间的其他权衡,用于列表解码和列表恢复。从技术上讲,证明Plotkin界归结为证明Schur凸性的定义在$q$ -单纯形以及凸性的一个单变量函数从it. We评论,早期的参数声称类似的结果$q$ -ary列表解码,但是,我们指出,这种早期的证明是有缺陷的。
2022-10-14 cs.CC cs.IT math.CO
Bounds and Limitations on Codes Achieving List Recovery Capacity
University of California, Berkeley(加州大学伯克利分校);Department of EECS, University of Michigan, Ann Arbor(密歇根大学安娜堡分校电气与计算机工程系的EECS部门);School of Engineering and Applied Sciences, Harvard University, Cambridge, Massachusetts, USA(哈佛大学剑桥镇卡莫尔校区工程学院与应用科学学院);Simons Institute for the Theory of Computing, UC Berkeley and Institute for Advanced Study, Princeton(加州大学伯克利分校西蒙斯计算理论研究所和普林斯顿高等研究院)
研究实现列表恢复容量的码的界与局限性,建立广义Singleton界给出速率限制,通过对基于AEL框架的构造进行元分析,证明其无法突破加性和线性码的列表恢复障碍。
2026-10-12 cs.IT math.CO math.IT
Combinatorial Bounds for List Recovery via Discrete Brascamp--Lieb Inequalities
University of California, Berkeley(加利福尼亚大学伯克利分校);Department of EECS, University of Michigan, Ann Arbor(密歇根大学安娜堡分校电气与计算机工程系);Department of Mathematics, Massachusetts Institute of Technology(麻省理工学院数学系);Simons Institute for the Theory of Computing, UC Berkeley and Institute for Advanced Study, Princeton(加州大学伯克利分校西蒙斯理论计算研究所和普林斯顿高等研究院)
本文利用离散熵Brascamp--Lieb不等式,为多类线性码和折叠线性码的列表恢复问题建立了新的组合界,解决了列表大小能否被ℓ的多项式界定的长期开放问题。
2026-10-14 cs.IT math.CA math.CO
List Recoverable Codes: The Good, the Bad, and the Unknown (hopefully not Ugly)
University of Amsterdam(阿姆斯特丹大学);Tel Aviv University(特拉维夫大学)
本文综述列表可恢复码的近期研究,分类介绍其存在性(好)、不可能性(坏)及未知结果,并阐述其在理论计算机科学中的广泛应用。
2025-10-08 cs.IT math.IT
Quantum List Recovery and Decoding: Achievability and Limitations
Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校赛贝尔计算与数据科学学院)
本研究针对量子列表恢复与解码,给出平衡折叠量子RS码和随机CSS码的列表大小上下界,并证明QLD半径权衡,通过配对引理和广义Singleton界实现可达性与逆命题。
2026-10-01 cs.IT math.IT quant-ph
Probabilistic Guarantees to Explicit Constructions: Local Properties of Linear Codes
University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Michigan, Ann Arbor(密歇根大学安娜堡分校)
本文提出了一种方法,通过改进的LCL性质形式化,实现了随机线性码的去随机化,从而获得满足特定局部性质的显式构造,并提供了高效解码方法。
2025-11-19 cs.IT math.CO math.IT
Guruswami--Sudan List Decoding for Complex Reed--Solomon Codes
分析了复数域上用于压缩感知稀疏恢复的里德-所罗门码的Guruswami-Sudan列表译码算法。我们提出的方法稳定的插值和根查找步骤对数值不稳定性,后者是最敏感的。为此,我们修改了Roth-Ruckenstein算法,并提出了一种方法来改进其结果使用牛顿法。然后使用基于内在软信息的广义最小距离解码进一步提高整体解码性能。该方法还允许获得恢复问题的唯一解。该方法的数值评估和改进后,最近提出的解码技术。
2016-11-23 cs.IT math.IT
Error Exponents for Randomised List Decoding
本文研究了随机化列表解码的误差指数,分析了固定和指数增长列表大小下的误差指数特性,揭示了匹配度量下的性能边界。
2026-01-14 cs.IT math.IT
Treeplication: An Erasure Code for Distributed Full Recovery under the Random Multiset Channel
本文提出了一种新的擦除码称为Treeplication设计的分布式恢复的完整信息字,而大多数以前的工作在编码的分布式存储只支持分布式修复的个别符号。在具有$2k-1$顶点的二叉树上定义用于$k$信息符号的树化码,以及用于从树层中选择码符号的分布。我们分析和优化的代码下的随机多集模型,它捕获的系统属性,可用于恢复的节点是随机抽取的存储代码符号的节点。树型代码被证明有充分的恢复通信成本相当于复制,同时提供更好的可恢复性。
2020-02-23 cs.IT math.IT
On the List-Decodability of Random (Linear) Sum-Rank Metric Codes
本文建立了和秩度量码的列表译码容量定理,并证明随机一般及随机 $\mathbb{F}_q$-线性和秩度量码在速率不超过容量时均以高概率具有 $O(1/ε)$ 大小的列表可译性,其中通过证明和秩度量球与子空间的有限相关性实现了列表大小的指数级改进。
2025-03-13 cs.IT math.IT
Improved list-decodability of random linear binary codes
在速率为$1 - H(p) - ε$的随机线性二进制码是$(p,O(1/ε))$ -列表可高概率解码的意义上,已经进行了大量的工作来确定随机线性码与均匀随机码一样是列表可解码的。在这项工作中,我们表明,这样的代码是$(p, H(p)/ε+ 2)$列表解码的概率很高,任何$p \in (0, 1/2)$和$ε> 0$。除了改进已知的列表大小界限的常数,我们的参数,这是很简单的,同时适用于所有值的$p$,而以前的作品获得$L = O(1/ε)$拼凑在一起不同的参数,以涵盖不同的参数制度。我们的方法是加强(Guruswami,Håstad,Sudan和Zuckerman,IEEE Trans. IT,2002)的存在论证,以保持高概率。为了补充随机线性码的上界,我们还改进了(Guruswami,Narayanan,IEEE Trans. IT,2014)的论点,以获得关于均匀随机码的列表大小的$1/ε$的本质上紧的下界;这意味着随机线性码实际上比均匀随机码更可列表解码,在这个意义上,列表大小严格地更小。为了证明这些技术的适用性,我们使用它们来(a)获得更多的信息列表大小的随机线性码的分布和(b)证明一个类似的结果随机线性秩度量码。
2020-11-24 cs.IT math.IT
List Decoding Expander-Based Codes up to Capacity in Near-Linear Time
本文提出了基于图正则性引理的新框架,利用近线性时间算法,实现了对基于谱扩展图的码进行达到容量的列表译码和列表恢复,并证明了多种显式构建的新颖组合与算法界限。
2025-07-17 cs.CC cs.DS cs.IT
Let's Have Both! Optimal List-Recoverability via Alphabet Permutation Codes
本文提出字母置换(AP)码,通过随机逐坐标置换构造结构化纠错码,首次以多项式级随机比特实现与完全随机码相匹配的最优列表可恢复性,且列表大小比线性码指数级更小。
2025-05-08 cs.IT math.IT
On the List-Decodability of Random Self-Orthogonal Codes
2011年,Guruswami-Hastad-Kopparty \cite{Gru}证明了随机线性码的列表可译码性与一般随机码一样好。本文进一步证明了随机{ \it Euclidean自正交}码的列表可译码性与一般随机码的列表可译码性一样好,即,达到经典Gilbert-Varshamov界。具体地说,我们表明,对于任何固定的有限域$\F_q$,错误分数$δ\in (0,1-1/q)$满足$1-H_q(δ)\le \frac12$和小$ε>0$,概率很高的随机欧几里德自正交码的$\F_q$率$1-H_q(δ)-ε$是$(δ, O(1/ε))$ -列表可解码。这将线性码的结果推广到欧氏自正交码。此外,我们将结果推广到列表译码{ \it辛对偶包含}码,证明了随机辛对偶包含码的列表译码性也达到了量子Gilbert-Varshamov界.这意味着量子稳定子码的列表可译码性可以达到量子Gilbert-Varshamov界。关于自正交码的计数论证是证明我们结果的重要组成部分。
2016-11-21 cs.IT math.IT
On the list decodability of random linear codes with large error rates
众所周知,速率为Ω(ε^2)的随机q元码可列表解码到半径为(1 - 1/q - ε),列表大小为1/ε^2的数量级,概率为1 - o(1)。然而,直到最近,关于随机线性码的类似陈述仍然难以捉摸。在最近的一篇论文中,Cheraghchi,Guruswami和Velingker展示了随机线性码的列表可解码性与压缩感知的限制等距属性之间的联系,并使用这种联系证明了速率为Ω(ε^2 / log^3(1/ε))的随机线性码以恒定概率实现上述列表解码属性。我们改进了他们的结果,表明实际上我们可以取最优的速率Ω(ε^2),并进一步证明成功概率是1 - o(1),而不是常数。作为一个额外的好处,我们的证明相对简单。最后,我们将我们的方法扩展到更一般的线性码的合奏。作为一个例子,我们表明,随机打孔Reed-Muller码具有相同的列表解码性能的原始代码,即使当速率提高到一个常数。
2013-07-09 cs.IT math.IT
Random Reed-Solomon Codes are List Recoverable with Optimal List Size
本文证明随机评估点的 Reed-Solomon 码在任意输入列表大小下可实现达到容量且输出列表大小最优的列表可恢复性,超越了列表恢复 Johnson 界,扩展了随机 RS 码列表译码的近期研究。
2024-04-03 cs.CC cs.IT math.CO
Random NOMA With Cross-Slot Successive Interference Cancellation Packet Recovery
传统的功率域非正交多址接入(NOMA)依赖于精确的功率控制,这需要在发射机处的实时信道状态信息。这一要求严重限制了它在未来无线通信系统中的应用。为了解决这个问题,我们考虑NOMA没有功率分配,我们利用随机信道衰落和机会主义地执行连续干扰消除(SIC)检测。为了减轻多用户干扰,我们提出了一种随机NOMA,用户随机发送他们的数据包以一定的概率。然后,提出了一种跨时隙SIC数据包恢复方案来恢复传输的数据包。我们模型的跨时隙SIC数据包恢复为马尔可夫过程,并提供了吞吐量分析,在此基础上,通过联合优化的传输概率和编码速率的用户的总和速率最大化。
2020-03-12 cs.IT math.IT
Threshold Rates of Codes Ensembles: Linear is Best
在这项工作中,我们证明了有关随机线性码组合性质的新结果。首先,我们证明了一个下界的列表大小所需的随机线性码在$\mathbb F_q$ $\varepsilon$ -接近容量列表恢复错误半径$ρ$和输入列表的大小$\ell$。我们表明,列表大小$L$必须至少是$\frac{\log_q\binom{q}{\ell}-R}{\varepsilon}$,其中$R$是随机线性码的速率。作为比较,我们还确定了随机码的列表大小为$\frac{\log_q\binom{q}{\ell}}{\varepsilon}$。这留下了随机线性码在列表可恢复性方面比随机码表现得更好的可能性(我们认为可能),这与最近针对从擦除的列表恢复的情况所示的差距形成对比(Guruswami等人,IEEE TIT 2021B)。接下来,我们考虑具有恒定列表大小的列表解码。具体来说,我们获得新的下限所需的速率列表$3$解码随机线性码的$\mathbb F_2$和列表$2$解码随机线性码超过$\mathbb F_q$(任何$q$)。这扩展了Guruswami等人(IEEE TIT 2021 A),其仅研究了随机线性码在$\mathbb F_2$上的$2$列表可解码性。此外,在这两种情况下,我们能够表明,该速率大于均匀随机码的速率。
2022-05-03 cs.IT math.IT
Erasure List-Decodable Codes from Random and Algebraic Geometry Codes
引入擦除列表解码以通过输出可能的候选列表来校正大量擦除。在本文中,我们考虑了随机线性码和代数几何码的列表解码擦除错误。本文的贡献是双重的。首先,我们证明了,对于任意的$0<R<1$和$ε>0$($R$和$ε$是独立的),随机线性码是具有恒定列表大小$2^{O(1/ε)}$的擦除列表可解码码的概率很高,该擦除列表可解码码可以校正擦除的一部分$1-R-ε$,即,随机线性码实现了信息速率和擦除错误分数之间的信息理论最佳折衷。其次,我们证明了代数几何码是良好的纠删列表可译码码。准确地说,对于任何$0<R<1$和$ε>0$,来自Garcia-Stichtenoth塔的速率$R$的$q$ -元代数几何码可以校正具有列表大小$O(1/ε)$的擦除错误的$1-R-\frac{1}{\sqrt{q}-1}+\frac{1}{q}-ε$部分。这改进了应用于代数几何码的Johnson界。此外,这些代数几何码的列表解码可以在多项式时间内实现。
2014-01-13 cs.IT math.IT
Coded Compressed Sensing with Successive Cancellation List Decoding for Unsourced Random Access with Massive MIMO
无源随机接入(URA)是一种日益流行的通信范例,其与\textit{Internet-of-Things}(IoT)网络中的机器驱动数据传输相协调。在典型的URA设置中,非常大的群体内的活动设备的小子集希望向中央基站发送短消息。最初定义的基站配备了一个单一的天线,URA范式最近已扩展到实际的情况下,涉及基站与大量的天线由Fengler等人提出的级联编码方案,其中利用了非贝叶斯稀疏恢复算法,再加上由Amalladinne等人介绍的树码。在编码压缩感知的背景下。目前,现有的MIMO实现方式孤立地使用这两个组件。本文介绍了一种增强的连续取消列表解码风格的计划,促进稀疏恢复算法和树解码器之间的动态交互。这种修改可以大大减少AD算法的搜索空间,并且它在错误性能和计算复杂性方面都有显着的改善。仿真结果表明,对于一个系统与100个活跃用户,建议的解码器减少所需的天线在基站的数量由23%,以实现类似于Fengler等人的方案的性能。
2021-05-05 cs.IT math.IT
Stochastic Recovery Of Sparse Signals From Random Measurements
从少量随机测量中恢复稀疏信号是一个NP难的组合优化问题,在信号和图像处理中有着重要的应用。稀疏信号恢复问题的标准方法是基于基追踪方法。这种方法需要解决一个大的凸优化问题,因此具有很高的计算复杂度。在这里,我们讨论一个随机优化方法,作为一个低复杂度的替代基追踪方法。
2013-04-07 cs.IT math.IT physics.data-an
Signal Recovery on Graphs: Random versus Experimentally Designed Sampling
我们研究了基于两种采样策略的图上的信号恢复:随机采样和实验设计采样。我们提出了一类新的光滑图信号,称为近似带限,它推广了带限类,并类似于全局光滑类。然后,我们提出了两个恢复策略的基础上随机抽样和实验设计的抽样。基于实验设计的采样的建议的恢复策略类似于在矩阵近似中使用的杠杆分数。我们表明,虽然这两种策略是无偏估计的低频分量,实验设计的采样的收敛速度要快得多,比随机采样时,图是不规则的。我们在三个特定的图上验证了所提出的恢复策略:环形图,Erdens-Rényi图和星形图。仿真结果支持了理论分析。
2015-05-29 cs.IT math.IT stat.ML
Combinatorial Group Testing and Sparse Recovery Schemes with Near-Optimal Decoding Time
在长期研究的问题组合组测试,一个被要求检测出一组$k$有缺陷的项目的人口规模$n$,使用$m \ll n$析取测量。在非自适应设置中,最广泛使用的组合对象是析取矩阵和列表析取矩阵,它们定义了测试方案的关联矩阵。析取矩阵允许识别缺陷的精确集合,而列表析取矩阵识别缺陷的小超集。除了组合的保证,它往往是关键的利益,配备有效的解码算法的测量设计。最有效的解码器应该在$n$中以次线性时间运行,并且理想地在测量次数$m$中以接近线性的时间运行。在这项工作中,我们给出了几个结构的最佳数量的测量和接近最佳的解码时间的最基本的组测试任务,以及在压缩感知和沉重的打击文学的中心任务。对于其中的许多任务,以前的测量最优构造需要的时间要么是测量次数的二次方,要么是宇宙大小的线性。我们的大多数结果是通过一个干净的和新颖的方法,避免了列表可恢复的代码或相关的复杂技术,目前在几乎每一个国家的最先进的工作,有效地解码的结构,这样的对象。
2020-09-25 cs.DS cs.IT math.IT
It'll probably work out: improved list-decoding through random operations
在这项工作中,我们引入了一个框架来研究随机操作对代码的组合列表可解码性的影响。我们考虑的操作对应于通过将码字堆叠在一起作为列而从代码获得的矩阵上的行和列操作。这捕获了许多自然的代码转换,如打孔,折叠,并采取子码,我们表明,许多这样的操作可以提高列表解码性能的代码。这主要有两点。首先,我们的目标是推进我们的(组合)理解列表可解码性,通过理解什么结构其次,我们使用我们更一般的结果来获得列表解码的一些有趣的推论:(1)我们证明了组合列表的二进制码的存在性-可从具有最佳速率$Ω(ε^2)$的错误的$1/2-ε$分数解码,其可在线性时间中编码。(2)我们表明,任何代码与$Ω(1)$相对距离,随机折叠时,是组合列表解码$1-ε$分数的错误与高概率。这形式化了为什么折叠操作在获得具有最佳列表解码参数的代码方面取得了成功的直觉;以前,所有参数都使用代数方法,并且只适用于特定的代码。(3)我们表明,任何代码是列表解码次优列表大小有许多子码,具有接近最优的列表大小,同时保留了原来的代码的纠错能力。这概括了最近的结果,子空间规避集已被用来减少列表大小的代码,实现列表解码能力。
2014-08-10 cs.IT math.IT
Random Reed-Solomon Codes and Random Linear Codes are Locally Equivalent
Ben-Gurion University(本-古里安大学);University of Michigan, Ann Arbor(密歇根大学安娜堡分校)
本文证明大字母表场景下随机RS码与随机线性码在LCL性质上阈值等价,构建统一分析框架推导二者列表可译性达到广义Singleton界,为列表可恢复性参数分析提供支撑。
2025-11-14 cs.IT math.IT
Coded Compressed Sensing with List Recoverable Codes for the Unsourced Random Access
我们考虑了一种编码压缩感知方法的无源随机访问和替代外树码Amalladinne等人提出的列表可恢复代码能够纠正t错误。一个有限长度的随机编码界,这样的代码推导。在单天线准静态瑞利衰落MAC中的数值实验表明,与基于树码的编码压缩感知方案相比,过渡到纠正t个错误的列表可恢复码可使编码压缩感知方案的性能提高7-10 dB。我们提出了两个实用的外码的结构。第一个是树代码的修改。它使用相同的代码结构,关键的区别是解码器能够纠正多达t个错误。第二种是基于Reed-Solomon码和Guruswami-Sudan列表译码算法。第一个方案提供了一个能量效率非常接近的随机编码界时,解码复杂度是无界的。但就实际参数而言,第二种方案更好,并且在活跃用户数小于200时改善了基于树码的方案的性能。
2022-01-19 cs.IT math.IT
List Size of Random Linear Codes: Optimality and the Limits of Average-Radius List Decoding
School of Computer Science, Shanghai Jiao Tong University(上海交通大学计算机学院)
该研究解决了随机线性码列表译码的渐近最优列表大小猜想,对任意素数幂q,将其上界精确为H_q(p)/ε+O_{p,q}(1),改进了q>2时的此前结果。
2026-10-15 cs.IT math.IT
List decoding - random coding exponents and expurgated exponents
本文导出了一些新的结果,涉及到具有确定性列表大小$L$的列表译码的随机编码误差指数和删除指数。两个渐近制度被认为是固定的列表大小制度,其中$L$是固定的独立于块长度$n$,和指数列表大小,其中$L$与$n$呈指数增长。我们首先推导出一个一般的上限列表解码的平均错误概率,这是适合于这两个制度。这一界限导致了两种制度中更具体的界限。在固定的列表大小制度,绑定是相关的已知的界限,我们建立其指数紧密性。在指数列表大小制度,我们建立了著名的球包装下界的可扩展性。还提供了猜测指数的关系。我们在这两个制度的分析的直接副产品是最大互信息(MMI)列表解码器的错误指数意义上的普遍性。最后,我们考虑了低速率下的删除边界,使用Gallager方法和Csiszár-Körner-Marton方法,这通常更好(至少对于$L=1$)。后一个删减的界限,其中涉及的概念{ \it多信息},也修改为适用于连续字母表通道,特别是高斯无记忆通道,其中的删减的界限的表达变得相当明确。
2013-11-28 cs.IT math.IT
Every list-decodable code for high noise has abundant near-optimal rate puncturings
我们表明,任何q元码具有足够好的距离可以随机打孔,以获得高概率,一个代码,是列表解码半径$1 - 1/q - ε$与接近最佳的速率和列表大小。我们的研究结果意味着,“大多数”里德-所罗门码的列表解码超出约翰逊界,解决了长期存在的开放问题,是否有任何里德-所罗门码满足这一标准。更准确地说,我们表明,里德-所罗门码随机评估点,具有高概率,列表解码半径$1 - ε$列表大小$O(1/ε)$和速率$Ω(ε)$。作为我们的论点的第二个推论,我们得到了改进的界限上的列表可解码的随机线性码在大字段。我们的方法利用了高维概率的技术。以前的工作使用类似的工具来获得随机线性码的列表可解码性的界限,但界限不随字母表的大小而缩放。在本文中,我们使用一个链接参数来处理大的字母表大小。
2013-10-07 cs.IT math.IT
Near-optimal matrix recovery from random linear measurements
在从随机线性测量的矩阵恢复中,人们感兴趣的是从$n<MN$测量$y_i=Tr(A_i^T X_0)$恢复未知的$M$ × $N$矩阵$X_0$,其中每个$A_i$是具有i.i.d随机项的$M$ × $N$测量矩阵,$i=1,\ldots,n$ .我们提出了一种新的矩阵恢复算法,近似消息传递的基础上,迭代应用最佳奇异值收缩-一个专门为矩阵估计量身定制的非凸非线性。我们的算法通常以指数速度收敛,提供了一个显着的加速比以前建议的矩阵恢复算法,如核范数最小化(NNM)的迭代求解器。众所周知,在要恢复的对象$X_0$的信息内容(具体地,其矩阵秩$r$)与要尝试从其恢复的线性测量$n$的数量之间存在恢复折衷。在$r$和$n$之间的精确折衷(超过该折衷,通过给定算法的恢复变得可能)在$(r,n)$平面中描绘该算法的所谓相变曲线。该算法的相变曲线明显优于NNM算法。有趣的是,它接近矩阵恢复所需的最小测量数量的信息理论下限,这使得它不仅在收敛速度方面处于最先进水平,而且在成功恢复的矩阵方面也接近最优。
2018-06-30 cs.IT math.IT
List Decoding Random Euclidean Codes and Infinite Constellations
我们研究了一个无所不知的对手的假设下,在真正的字母表上的不同的合奏代码的列表可解码性。众所周知,当源和对手分别具有功率约束$ P $和$ N $时,列表解码容量等于$ \frac{1}{2}\log\frac{P}{N} $。随机球形码实现恒定的列表大小,本文的目标是获得更好的理解的最小可实现的列表大小作为一个功能的差距,以能力。我们展示了从任意码到球形码的一个简化,并推导出典型随机球形码的列表大小的一个下界。我们还给出了一个上限的列表大小实现使用嵌套构造A格和无限构造A格。然后,我们定义和研究一类无限的星座,推广建设-A格,并证明上界和下界相同。其他优良性质,如包装优良性和AWGN优良性的无限星座的证明。最后,我们考虑随机格从Haar分布采样,并表明,如果一定的数论猜想是真的,那么列表的大小增长作为一个多项式函数的间隙容量。
2021-09-29 cs.IT math.IT math.MG
On List-decodability of Random Rank Metric Codes
在本文中,我们考虑了随机秩度量码和随机线性秩度量码的列表译码。首先,我们证明了,对于任意的$0<R<1$和$ε>0$($ε$和$R$是独立的),如果$0<\frac{n}{m}\leq ε$,那么以很高的概率,在$F_{q}^{m\times n}$的速率$R$的随机秩度量码可以列表解码的分数$(1-R-ε)$的秩误差与恒定的列表大小$L$满足$L\leq O(1/ε)$。此外,如果$\frac{n}{m}\geqΘ_R(ε)$,则$F_{q}^{m\times n}$中具有速率$R$和解码半径$ρ=1-R-ε$的任何秩度量码都不能在${\rm poly}(n)$时间内被列表解码。其次,我们证明了,如果$\frac{n}{m}$趋向于一个常数$b\leq 1$,则$F_{q}^{m\times n}$中的每个具有速率$R$和列表解码半径$ρ$的$F_q$ -线性秩度量码满足Gilbert-Varsharmov界,即,$R\leq (1-ρ)(1-bρ)$。此外,对于任意$ε>0$和任何$0<ρ<1$,具有高概率的随机$F_q$ -具有速率$R=(1-ρ)(1-bρ)-ε$的线性秩度量码可以被列表解码直到具有满足$L\leq O(\exp(1/ε))$的恒定列表大小$L$的秩误差的分数$ρ$。
2014-01-23 cs.IT math.IT
A Matroidal Framework for Random Access in Linear Codes
Universität Zürich(苏黎世大学);Technion—Israel Institute of Technology(以色列理工学院);Virginia Tech(弗吉尼亚理工大学)
该研究提出线性码随机接入的拟阵框架,证实线性码与其对偶码的恢复平衡性等价,还定义任意拟阵的恢复平衡并证明几乎所有稀疏铺路拟阵不具该性质。
2026-10-22 cs.IT math.CO math.IT
Successive Cancellation List Decoding of Semi-random Unit Memory Convolutional Codes
本文提出了一类特殊的单位记忆卷积码(UMCC),称为半随机UMCC(SRUMCCs),其中信息块首先由一个短分组码编码,然后以分组马尔可夫(随机)叠加的方式传输.我们提出了一个连续的取消列表解码算法,通过该算法的候选码字的列表是串行生成的,直到一个通过经验的发散测试,而不是传统的循环冗余校验(CRC)。该算法利用经验发散函数的统计特性离线学习候选码字的正确性阈值。通过调整统计门限和解码窗口大小,可以实现性能-复杂度和性能-延迟的折衷。为了分析性能,一个封闭形式的上限和模拟下限。仿真结果表明:1)在高信噪比区域,基于经验发散检验的列表译码算法优于顺序译码算法; 2)以咬尾卷积码(TBCC)为基本码,在等效译码时延约束下,SRUMCCs的列表译码算法与极化码具有相当的性能。
2020-07-24 cs.IT math.IT
Sparse Signal Recovery from Random Measurements
Hong Kong University of Science and Technology(香港科技大学)
本文提出了一种无需优化问题的稀疏信号恢复方法,利用随机传感矩阵在 $O(kn\log n)$ 时间内确定信号,并实验验证了其在二进制信号中的有效性。
2026-01-16 cs.IT math.IT
On the list recoverability of randomly punctured codes
我们表明,一个良好的距离的代码的随机打孔列表可恢复超出约翰逊界。特别是,这意味着有里德-所罗门码是列表恢复超出约翰逊界限。先前已知存在不具有此性质的Reed-Solomon码。作为一个直接的推论,我们的主要定理,我们得到更好的程度上的不平衡扩展,来自里德-所罗门码。
2020-07-03 cs.CC cs.DM cs.IT
Hierarchical sparse recovery from hierarchically structured measurements with application to massive random access
一个新的家庭的运营商,创造分层测量运营商,介绍和讨论内著名的分层稀疏恢复框架。这种算子是块运算和混合运算的组合,特别是包含克罗内克积作为特例。他们的层次限制等距属性(HiRIP)的结果,推导出,推广以前的工作恢复的层次稀疏信号克罗内克结构的线性测量。具体而言,这些结果表明,非常令人惊讶的是,块和混合部分的稀疏性可以相互交换。测量结构是很好的动机,在通信工程中的大规模随机接入信道设计。用户检测率的数值评估证明了理论框架的巨大好处。
2021-05-07 cs.IT eess.SP math.IT
A study of the universal threshold in the L1 recovery by statistical mechanics
我们讨论了L1恢复阈值在压缩感知中的普遍性。统计力学和随机矩阵积分领域的研究表明,正交对称随机矩阵下的L1恢复具有普适阈值。这表明,在非正交随机矩阵下的L1恢复阈值不同于一般的阈值。考虑到这一点,我们使用一个简单的随机矩阵没有正交对称性,其中的随机条目是不独立的,并分析表明,这样的矩阵的L1恢复的阈值不符合普遍的。大量的数值实验结果与分析结果吻合良好,验证了我们的方法。虽然我们的分析是基于统计力学中的复制物理学,并不严格,但研究结果仍然支持这样一个事实,即阈值的普遍性与随机矩阵的对称性密切相关。
2012-03-28 cond-mat.dis-nn cond-mat.stat-mech cs.IT
Random Subdictionaries and Coherence Conditions for Sparse Signal Recovery
在压缩采样中采用的采样矩阵的最频繁使用的条件是当受限于稀疏信号时矩阵的受限等距(RIP)属性。同时,强加这个条件使得很难找到支持从最佳(尽可能小)维度的草图中恢复信号的显式矩阵。已经进行了许多尝试来放松或替换稀疏恢复算法中的RIP属性。我们专注于放松下,近等距属性持有的采样矩阵,而不是所有的子矩阵,被称为统计RIP或StRIP条件。我们发现,采样矩阵的尺寸$m\times N$与最大的相干性$μ=O((k\log^3 N)^{-1/4})$和均方相干性$\bar μ^2=O(1/(k\log N))$支持稳定的恢复$k$稀疏信号使用基追踪。这些假设在许多例子中得到了满足。其结果是,我们能够构建采样矩阵,支持恢复与低误差的稀疏$k$高于$\sqrt m,$,这超出了RIP矩阵的已知类的参数范围。
2013-03-07 cs.IT math.IT
Erasure/List Random Coding Error Exponents Are Not Universally Achievable
我们研究的问题,普遍解码未知的离散无记忆信道中存在的擦除/列表选项在解码器中,在随机编码制度。具体来说,我们利用一个通用版本的Forney的经典擦除/列表解码器在早期的研究中,这是基于竞争的极大极小方法,并保证普遍的最佳随机编码误差指数的一定比例的可扩展性。在本文中,我们推导出一个精确的单字母表达式的最大可实现的分数。给出的例子中,最大可实现的分数是严格小于单位,这意味着,在一般情况下,没有通用的擦除/列表解码器,实现相同的随机编码误差指数作为一个已知的信道的最佳解码器。这与普通解码(没有擦除/列表选项)中的情况相反,其中最佳指数是普遍可实现的,如众所周知的。它还表明,以前的最大可实现的分数的下界推导一般不紧。然后,我们分析了一个广义的随机编码合奏,其中包括一个训练序列,结合一个次优的实际解码器(“插件”解码器),它首先估计使用已知的训练序列的信道,然后解码剩余的符号的码字使用估计的信道。我们的研究结果的影响之一,是设置一个合理的最佳训练标准的阶段。最后,我们比较了“插件”解码器和通用解码器的性能,在可实现的错误指数,并表明,后者是明显优于前者。
2017-06-22 cs.IT math.IT
On the List-Decodability of Random Linear Codes
对每个固定有限域$\F_q$,$p \in (0,1-1/q)$和$ε> 0$,证明了$(1-H_q(p)-ε)n$维的$\F_q^n$的随机子空间$C$有一个性质,即每个半径为$pn$的汉明球最多有$O(1/ε)$码字.这回答了关于线性码的列表可解码性的基本开放问题,示出了$O(1/ε)$的列表大小足以在“容量”$1-H_q(p)$的$ε$内具有速率。我们的结果匹配到常数因子的列表大小实现一般的随机码,并给出了指数级的改善,以前已知的最好的列表大小界的$q^{O(1/ε)}$。在我们的证明中的主要技术成分是一个强的概率上限,$\ell$随机向量从一个以原点为中心的汉明球中选择有太多(超过$Θ(\ell)$)的向量,从他们的线性跨度也属于球。
2010-01-09 cs.IT math.CO math.IT
Jointly Sparse Support Recovery via Deep Auto-encoder with Applications in MIMO-based Grant-Free Random Access for mMTC
本文提出了一种数据驱动的方法,使用标准的实数深度自动编码器来联合设计公共感知(测量)矩阵并联合支持复信号的恢复方法。在所提出的方法中的自动编码器包括一个编码器,它模仿噪声线性测量过程的联合稀疏信号与一个共同的传感矩阵,和一个解码器,近似地执行联合稀疏支持恢复的基础上的经验协方差矩阵的噪声线性测量。该方法能有效地利用稀疏模式的公共支持度和稀疏模式的特性,获得较高的恢复精度,且计算时间明显短于现有方法。我们还研究了一个应用实例,即,用于大规模机器类型通信(mMTC)的基于多输入多输出(MIMO)的免授权随机接入中的设备活动检测。数值结果表明,该方法可以提供导频序列和设备活动检测具有更好的检测精度和更短的计算时间比众所周知的恢复方法。
2020-05-05 cs.IT eess.SP math.IT
Recovery guarantees for multifrequency chirp waveforms in compressed radar sensing
雷达成像系统发射调制的宽带波形以实现高距离分辨率,从而在接收机处产生与发射波形的带宽成比例的高采样率。模拟处理技术可以用于接收,以将测量的数量减少到N,即潜在延迟仓的数量。如果由雷达询问的场景被假设为稀疏的K点目标组成,从压缩感知的结果表明,测量的数量可以进一步减少到与K logN的规模,用于从具有加性噪声的测量中稳定地恢复稀疏场景。虽然非结构化的随机投影仪保证稀疏约束下的成功恢复,他们不能在雷达硬件中实现的实践。最近,结构化的随机Toeplitz和循环矩阵,从使用随机波形的时间延迟估计设置已被证明产生恢复保证类似于非结构化的传感矩阵。然而,相应的发射机和接收机结构具有高复杂度和大存储要求。在本文中,我们提出了一种替代的低复杂度压缩宽带雷达传感器,它结合了多频调信号啁啾波形的发射与接收器,利用模拟混频器其次是一个统一的子奈奎斯特采样阶段。我们得到的结构化测量矩阵和音调的数量的充分条件的恢复保证。我们设计的唯一随机组件是稀疏音调频谱,可有效地在硬件中实现。我们的分析和实验结果表明,我们的计划的性能与非结构化的随机传感矩阵和结构化的Toeplitz和循环矩阵的随机元素。
2015-10-07 cs.IT math.IT
Analysis $\ell_1$-recovery with frames and Gaussian measurements
本文提供了新的结果恢复信号的欠采样测量的基础上分析$\ell_1$ -最小化,当分析算子是由一个框架。我们都提供了所谓的均匀和非均匀恢复保证cosparse(分析稀疏)信号使用高斯随机测量矩阵。非均匀结果依赖于通过切锥的恢复条件,并且均匀恢复保证基于零空间属性的分析版本。检查高斯随机矩阵的这些条件导致成功恢复所需的测量数量的精确界限。在标准稀疏的特殊情况下,我们的结果提高了一个界限,由于Rudelson和Vershynin关于精确重建稀疏信号从高斯测量相对于常数,并将其扩展到稳定性下通过近似稀疏信号和噪声下的测量的鲁棒性。
2014-11-03 cs.IT math.IT
State constraints and list decoding for the AVC
研究了状态约束下任意变信道的列表译码问题。结果表明,在$ε$的随机编码容量的AVC与输入相关的状态下,可以实现最大的错误与列表解码,使用列表的大小$O(1/ε)$的速率。在平均误差下,给出了长度为$L$的链表的可达速率域和逆界.这些界限是基于两种不同的对称性概念,一般不一致。给出了示出对于列表大小$L$,容量可以是正的但严格小于随机化编码容量的示例。这种行为与没有状态约束的情况不同。
2009-10-06 cs.IT math.IT
Randomness-Efficient Constructions of Capacity-Achieving List-Decodable Codes
该研究提出两种代数构造方法,以更少的随机比特生成达到Elias界的列表可译码,其对偶码性质良好且支持拟线性编码,并证明了近似RLC的证明策略存在随机性下界。
2024-05-15 cs.IT math.IT
Structured random measurements in signal processing
压缩感知及其扩展最近引发了人们对随机信号采集的兴趣。一个关键的发现是,随机测量提供稀疏信号重建保证高效和稳定的算法与最小数量的样本。虽然这是第一次显示(非结构化)高斯随机测量矩阵,应用程序需要一定的结构的测量,导致结构化的随机测量矩阵。在过去几年中,在各种情况下,已经为这种结构化测量制定了接近最佳的恢复保证。本文综述了三种情况下的理论:压缩感知(稀疏恢复),低秩矩阵恢复和无相位估计。要考虑的随机测量矩阵包括随机部分傅立叶矩阵、部分随机循环矩阵(二次采样卷积)、矩阵完备化和根据傅立叶型测量的幅度的相位估计。文章最后简要讨论了这种结构化的随机测量分析的数学技术。
2014-07-06 cs.IT math.IT
Two Theorems in List Decoding
证明了关于纠错码的列表译码的下列结果:(i)证明了对于相对距离为$δ$的\textit{any}码,(在足够大的字母表上),以下结果对于\textit{random errors}成立:对于随机错误的$ρ\le δ-\eps$部分,(对于任何$\eps>0$),接收的字将仅具有在其周围的半径为$ρ$的汉明球中的发送码字。因此,对于随机错误,对于任何代码,可以校正两倍于从最坏情况错误唯一可校正的错误数量。我们的结果的一个变体也给出了一个简单的算法来解码里德-所罗门码的随机错误,据我们所知,运行速度比已知的算法在一定范围内的参数。(ii)我们表明,级联码可以实现删除列表解码能力。Guruswami和Rudra(SODA 08)证明了最坏情况下错误的类似结果,尽管他们的结果并不直接暗示我们的结果。我们的研究结果表明,Guruswami和Rudra所考虑的随机系综码的一个子集也实现了对擦除的列表解码能力。我们的证明采用简单的计数和概率参数。
2010-01-12 cs.IT math.IT