BWT(Burrows-Wheeler_transform)数据转换算法

一、BWT原理

BWT（Burrows-Wheeler Transform）算法是一种数据转换算法，它将一个字符串中的相似字符放在相邻的位置，以便于后续的压缩。BWT算法可以分为编码部分和解码两部分。编码后，原始字符串中相似的字符会处在比较相邻的位置 ，这里就可以压缩空间；
解码是将编码后的字符串重新恢复为原始字符串的过程。使用BWT算法经过编码的字符串可以完全恢复成原始字符串。

二、BWT编码

BWT算法将需要转换的字符串，进行循环右移，每次循环一位。所以长度为n的字符串s，循环n次后会得到n个长度为n的字符串$s_i,i\in [1,n]$ 。不过在右移前需要在字符串后加一个标记符号，并且该字符要比字符串中所有字符都要小，比如$或#。

以上图为例，
1. 对字符串banana#，进行n次循环右移，这里n为字符串的长度，即n=7 ，得到图中的Rotate Right列
2. 对循环右移后的字符串按照字典序进行排序，得到图中的Sorted(M) 列
3. 记录排序之后每个字符串的第一个字符，得到F列，F即first
4. 记录排序之后每个字符串的最后一个字符，得到L列，L即last

经过编码得到的信息为F和L两列字符，因为F列是有序的，而L列是无序的，并且两列中字符集合相同，对L列排序则可以得到F列，所以只记录L列即可，但是初始字符串中存在相同字符，如字符n和a，所以还需要相同字符的相对位置，例如表中第三行L列的n字符是L列中第二个的n字符，所以记录表中第三行L列字符n的相同字符的相对位置为2
那么相同字符的相对位置应该怎么表示呢？

• 经过观察可以发现，L列中相同字符的相对位置和F列中相同字符的相对位置是一样的。因为M数组是排过序的，L列中的相同字符的次序也就说明这些字符的同行的F列字符也是保持一样的次序（因为F列是有序的），所以再经过一次右移，肯定会保持相同的次序。

三、BWT解码

对于上表中信息，可以得到如下信息：

1. L列中第一个字符是初始字符串的最后一个字符。因为添加的标记字符的#是ASCII最小的，所以第一次右移得到的字符字典序最小。
2. 在Sorted(M)列中除了第一行外，其余行字符串中第一个字符是最后一个字符的下一个元素（在初始字符串中）。即上表中L列字符在初始字符串中的下一个元素为同行的F列字符

所以解码过程是倒序来找原始字符串的：
3. 通过上面的第一条信息，得到原始字符串的最后一个字符，即字符a（除#外）
4. 确定字符a的位置后，需要通过F和L列还有相同字符的相对信息记录来找字符a的前一个元素。因为这个字符a是L列中第一个字符a，即相同字符的相对位置为1，所以去F列中找第一个字符a，即找到表中的第二行，通过第二行，可以得到倒数第二个字符为n，依次类推

Re：
https://www.cnblogs.com/xudong-bupt/p/3763814.html
https://zhuanlan.zhihu.com/p/88263062