2

我正在阅读一些嘈杂的图像,并从中获取一些位(21 位)。

我只需要使用其中的 15 个,留给我21 - 15 = 6一些工作。

我打算做的是将它用于校验和和纠错,但是,我开始挖掘网络,发现这Reed-Solomon是最常用的(或不是?)。

我的问题是:由于我正在处理少量数据,是否有一个好的算法可以使用,这样它的处理成本就不会(那么)昂贵,并且可以用作校验和和纠错?(它将与 Node.js 一起运行)

谢谢,

伊万

4

1 回答 1

3

有好消息也有坏消息。

好消息是,像 Reed-Solomon 这样的方案中的大部分复杂性都是为了支持聪明的解码方式,而您不需要这种方式。只有 5 个校验位,http ://en.wikipedia.org/wiki/Decoding_methods#Syndrome_decoding会做得很好。本质上,您从数据位重新计算校验位,并将其与您收到的校验位进行异或。这为您提供了一个位模式,如果没有错误,则该位模式为零,否则仅取决于错误的模式而不是数据位。通过考虑您要对准备处理的所有错误模式做什么(例如,对于小 k 的所有错误模式,最多 k 个错误),您可以构建一个查找表,将您从位模式转换为位图的错误位置。

坏消息是这些方案是为了支持大型线性代码而开发的,因为更大的代码效率更高。只有 21 位与您一起工作不会做得那么好。

有 15 个数据位和 21 个总位,我将从http://en.wikipedia.org/wiki/Hamming_code中描述的汉明码开始,它有 15 个数据位和 21 个总位,并对额外的第 21 位上有 15 个数据位。您可以使用综合症解码对其进行解码。

于 2014-08-11T05:13:14.590 回答