循环码：有限域上多项式环的主理想

参考书籍：Blahut R E. Algebraic codes for data transmission[M]. Cambridge university press, 2003.

线性码

线性码定义

定义：线性码$\mathcal{C}$，是有限域上线性空间$GF(q{)}^n$的子空间。长度为$n$，子空间维度为$k$，最小距离为$d$，那么记做$(n,k,d)$码。

性质最好的编码，几乎都是线性码，因此编码理论只研究线性码。

线性码的多项式形式

令$\mathcal{C}$是有限域$GF(q)$上的线性码，其校验矩阵$H\in GF(q{)}^{(n-k)\times n}$，$c{H}^T=0$。假设$m|n-k$，那么可以将$m$个元素的向量视作扩域$GF(q^m)$里的元素。令$r:=(n-k)/m$，那么可以写作$H\in GF(q^m{)}^{r\times n}$。

对于特殊形式的$H$，如下
$$H=\left[\begin{array}{cccc}{\gamma }_1^0& {\gamma }_1^1& \cdots & {\gamma }_1^{n-1}\\ {\gamma }_2^0& {\gamma }_2^1& \cdots & {\gamma }_2^{n-1}\\ ⋮& & & \\ {\gamma }_r^0& {\gamma }_r^1& \cdots & {\gamma }_r^{n-1}\end{array}\right]$$
那么将一个码字$c=(c_0,\cdots ,c_{n-1})\in \mathcal{C}$写作码字多项式（codeword polynomial），
$$c(x):=\sum _{i=0}^{n-1}{c}_i{x}^i\in GF(q)[x]$$
那么$c{H}^T=0⟺\forall j,c({\gamma }_j)=0$，也就是说子空间$\mathcal{C}$同构于仿射簇 V = { γ 1 , ⋯   , γ r } V = \{\gamma_1,\cdots,\gamma_r\} V={γ1​,⋯,γr​}的理想 I ( V ) = { c ( x ) ∈ G F ( q ) [ x ] :    c ( γ ) = 0 , ∀ γ ∈ V } I(V) = \{c(x) \in GF(q)[x] :\,\, c(\gamma)=0,\forall \gamma \in V\} I(V)={c(x)∈GF(q)[x]:c(γ)=0,∀γ∈V}

循环码

循环码定义

定义：一个线性码$\mathcal{C}$叫做循环码（cyclic code），如果码字$c=(c_0,\cdots ,c_{n-1})\in \mathcal{C}$，令$CS$是 cyclic shift 操作，那么满足$c^{\prime }=CS(c):=(c_{n-1},c_0,\cdots ,c_{n-2})\in \mathcal{C}$

定理：多项式环$R=GF(q)[x]/(x^n-1)$的子集$\mathcal{C}$是循环码$⟺$$\mathcal{C}$满足以下性质，

1. $\mathcal{C}$是$R$的子加群
2. 如果$c(x)\in \mathcal{C}$，任意的$a(x)\in R$，都有$a(x)c(x)\in \mathcal{C}$

即，$\mathcal{C}$是环$R$的理想。

编码与多项式

域上的多项式环是主理想整环（PID），因此循环码$\mathcal{C}$是主理想。我们将$\mathcal{C}$中的拥有最小度数的那个唯一的非零首一多项式$g(x)$叫做码$\mathcal{C}$的生成多项式（generator polynomial），有$\mathcal{C}=(g(x))$

定理：循环码$\mathcal{C}$拥有生成多项式$g(x)⟺g(x)|x^n-1$

我们令$x^n-1=g(x)h(x)$，那么任意的$c(x)\in \mathcal{C}$，都有$h(x)c(x)=0$，这个$h(x)$叫做校验多项式（check polynomial）

令$a(x)\in R,\mathrm{deg}a\le k-1$是数据多项式（data polynomial），

1. 非系统编码（nonsystematic encoding）：$a(x)$的系数不在$c(x)$中显式出现。例如，$c(x)=a(x)g(x)$
2. 系统编码（systematic encoding）：$a(x)$的系数在$c(x)$中显式出现。例如，$c(x)=x^{n-k}a(x)+t(x)$，其中$t(x):=-R_{g(x)}[x^{n-k}a(x)]$

上述两者得到的码字集合$\mathcal{C}$完全相同，但$a(x),c(x)$之间的双射不同。

令$e(x)$是错误多项式（error polynomial），$v(x)=c(x)+e(x)$叫做感知字多项式（senseword polynomial），而仅取决于错误$e(x)$的$s(x):=R_{g(x)}[v(x)]=R_{g(x)}[e(x)]$叫做校验子多项式（syndrome polynomial）

定理：假设$\mathcal{C}$的最小距离是$d$，那么汉明重量小于$d/2$的错误多项式，对应于唯一的校验子多项式。

因此，解码任务就是，先计算$s(x)$，然后寻找满足$s(x)=R_{g(x)}[e(x)]$的那个唯一的$e(x)$。当然，如果其汉明重量超重了，那么可能无法解码（不在任何汉明球内）或者解码错误（落在其他汉明球内）。

本原循环码

定义：码$\mathcal{C}$是$GF(q)$上的循环码，如果$n=q^m-1$那么就叫做本原循环码（primitive cyclic code）

循环码的构造

数学知识

1. 令$R=GF(q)[x]/(x^n-1)$，做素分解
   $$x^n-1=f_1(x)\cdots f_s(x)$$

   那么$g(x)|x^n-1$就有$2^s$种选择方案。去掉平凡的$1,x^n-1$，我们还可以构造出$2^s-2$种不同的主理想$\mathcal{C}$

2. 扩域$GF(q^m)$中，
   $$x^{q^m-1}=\prod _j(x-{\beta }_j)$$
   这里，$x^{q^m-1}$的根${\beta }_j$是$GF(q^m)$中的所有非零元。

3. 若$GF(q)$的特征为$p$，那么$\forall s(x)\in GF(q)[x]$，都有
   $$s(x{)}^{p^m}=[\sum _i{s}_i{x}^i{]}^{p^m}=\sum _i{s}_i^{p^m}{x}^{i{p}^m}$$

4. 若$\beta \in GF(q^m)$的极小多项式为$f(x)\in GF(q)[x]$，那么$f(x)$也是${\beta }^q$的极小多项式，这叫做共轭元（conjugates）。集合 { β , β q , ⋯   , β q r − 1 } \{\beta,\beta^q,\cdots,\beta^{q^{r-1}}\} {β,βq,⋯,βqr−1}是多项式$f(x)$的一组共轭元，其中的$r$是使得${\beta }^{q^r}=\beta$成立的最小的那个整数。

5. 元素$\beta \in GF(q^m)$的极小多项式以所有共轭元为根，
   $$f(x)=(x-\beta )(x-{\beta }^q)\cdots (x-{\beta }^{q^{r-1}})$$

6. 若$gcd(n,q)=1$，那么存在$m\le n$，使得$x^n-1|x^{q^m-1}-1$（使用鸽巢原理，证明$n|q^{i-j}-1$）

构造方法

定理：令$g(x)$是$GF(q)$上的本原循环码$\mathcal{C}$的生成多项式，其所有零点（zeros，根）为${\beta }_1,\cdots ,{\beta }_r\in GF(q^m)$，那么
$$c(x)\in \mathcal{C}⟺c({\beta }_1)=\cdots =c({\beta }_r)=0\in GF(q^m)$$
集合 { β 1 , ⋯   , β r } \{\beta_1,\cdots,\beta_r\} {β1​,⋯,βr​}叫做循环码的完全定义集（complete defining set），若子集 A ⊆ { β 1 , ⋯   , β r } A \subseteq \{\beta_1,\cdots,\beta_r\} A⊆{β1​,⋯,βr​}包含$g(x)$每个素因式的至少一个零点，那么叫它为定义集（defining set）

如果要构造以 { β 1 , ⋯   , β r } \{\beta_1,\cdots,\beta_r\} {β1​,⋯,βr​}为根的生成多项式，只需要分别计算${\beta }_j$的极小多项式$f_j(x)$，然后就有$g=LCM(f_1,\cdots ,f_r)$。这里的$f_j(x),j=1,\cdots ,r$是容易计算的。

我们在$GF(q)$上构造$(n,k,d)$循环码$\mathcal{C}$的步骤如下：

1. 恒假设$gcd(n,q)=1$，寻找扩域$GF(q^m)$，使得$n|q^m-1$
2. 为了寻找生成多项式$g(x)|x^n-1$，容易看出需要$g(x)|x^{q^m-1}-1$，$g(x)$的根是后者的根的一部分。
3. 令$\alpha$是$GF(q^m)$的本原元，记$b:=(q^m-1)/n$，令$\beta ={\alpha }^b$，易知$\beta$是$GF(q^m)$上的$n$次本原单位根，那么$x^n-1$的根都是$\beta$的幂次。
4. 对于某个${\beta }^i$，计算它所在共轭元集合的极小多项式$f_i(x)\in GF(q)[x]$，这是$x^n-1$的一个素因式。
5. 根据需要，计算乘积$g(x)={\prod }_i{f}_i(x)|x^n-1$，那么得到的主理想$\mathcal{C}=(g(x))\subseteq R$是一个循环码。

循环码的矩阵形式

非系统编码

假设${\gamma }_1,\cdots ,{\gamma }_r\in GF(q^m)$是生成多项式$g(x)$的根，那么
$$H=\left[\begin{array}{cccc}{\gamma }_1^0& {\gamma }_1^1& \cdots & {\gamma }_1^{n-1}\\ {\gamma }_2^0& {\gamma }_2^1& \cdots & {\gamma }_2^{n-1}\\ ⋮& & & \\ {\gamma }_r^0& {\gamma }_r^1& \cdots & {\gamma }_r^{n-1}\end{array}\right]$$
进而可以求其正交补空间$Span(H{)}^{\perp }$的一组基$G$

但是，上述的$G,H$是扩域$GF(q^m)$上的矩阵。其实，令$g(x)={\sum }_{i=0}^{n-k}{g}_i{x}^i$，容易得到$GF(q)$上的矩阵，
$$G=\left[\begin{array}{ccccccc}0& \cdots & 0& g_{n-k}& \cdots & g_1& g_0\\ 0& \cdots & g_{n-k}& g_{n-k-1}& \cdots & g_0& 0\\ ⋮& & & & & & \\ g_{n-k}& g_{n-k-1}& & & & \cdots & 0\end{array}\right]\in GF(q{)}^{k\times n}$$
设$h(x)g(x)\equiv 0\mathrm{mod}{x}^n-1$，令$h(x)={\sum }_{i=0}^k{h}_i{x}^i$，那么卷积值$u_r={\sum }_{i=0}^r{g}_{r-i}{h}_i=0$，从而
$$H=\left[\begin{array}{ccccccc}{h}_0& h_1& \cdots & h_k& 0& \cdots & 0\\ 0& h_0& \cdots & h_{k-1}& h_k& \cdots & 0\\ & & & & & & ⋮\\ 0& \cdots & & & & h_{k-1}& h_k\end{array}\right]\in GF(q{)}^{(n-k)\times n}$$
容易验证，$G{H}^T=(u_{n-i-j+1})=0\in GF(q{)}^{k\times (n-k)}$

根据以上的$G,H$，容易发现，对偶码${\mathcal{C}}^{\perp }$的生成多项式为校验多项式的互反多项式（reciprocal polynomial）：
$$\tilde{h}(x):=x^{k}h(x^{-1})=\sum _{i=0}^k{h}_{k-i}{x}^i$$
同时，由$h(x)$生成的循环码与上述对偶码同构。

系统编码

由$g(x)$生成的主理想$\mathcal{C}$是线性空间$GF(q{)}^n$的$k$维子空间，令
$$x^{n-i}-s_i(x)=Q_i(x)g(x),i=1,\cdots ,k$$
是子空间的一组基。

容易计算$s_i(x)=R_{g(x)}(x^{n-i})$，设$s_i(x)={\sum }_{j=0}^{n-k-1}{s}_{ij}{x}^j$，那么
$$G=\left[\begin{array}{ccccccc}-s_{k,0}& \cdots & -s_{k,n-k-1}& 1& 0& \cdots & 0\\ -s_{k-1,0}& \cdots & -s_{k-1,n-k-1}& 0& 1& \cdots & 0\\ ⋮& & & & & & \\ -s_{1,0}& \cdots & -s_{1,n-k-1}& 0& 0& \cdots & 1\end{array}\right]\in GF(q{)}^{k\times n}$$
假设子空间$V$的一组基为$G=[A|I_k]$（按行向量），那么其正交补空间$V^{\perp }$的一组基为$H=[I_{n-k}|-A^T]$，因此
$$H=\left[\begin{array}{ccccccc}1& 0& \cdots & 0& s_{k,0}& \cdots & s_{1,0}\\ 0& 1& \cdots & 0& s_{k,1}& \cdots & s_{1,1}\\ ⋮& & & & & & \\ 0& 0& \cdots & 1& s_{k,n-k-1}& \cdots & s_{1,n-k-1}\end{array}\right]\in GF(q{)}^{(n-k)\times n}$$

准循环码

定义：一个$(n,k)$线性码$\mathcal{C}$叫做准循环码（quasi-cyclic code），如果对于任意的码字$c(x)\in \mathcal{C}$，都存在$b|n$，使得$x^{b}c(x)\mathrm{mod}{x}^n-1\in \mathcal{C}$成立。

任意的$n$长循环码可以每数到$b$就将这个符号全置零（dropping every $b$th symbol），从而得到一个准循环码。

适当缩短循环码

定义：一个$(n,k)$线性码$\mathcal{C}$叫做适当缩短循环码（proper shortened cyclic code），如果它可以通过将$(n+b,k+b)$循环码的连续$b$个数据符号删除（deleting $b$ consecutive places）来得到。实际上，它是$Z_p[x]/(f(x))$的理想，$f(x)$是度数$n^{\prime }=n-b$的某多项式。

其解码器与原始编码相同，因为完全可以将码字的那$b$个数据位置通过置零恢复到原始编码上去。如果原始循环码的最小距离为$d_{min}$，那么其最小距离也是$d_{min}$。