Teoría de la Información y Codificación - Códigos

Anuncio
TEORÍA DE LA INFORMACIÓN Y
CODIFICACIÓN – CÓDIGOS


















CANTIDAD DE INFORMACIÓN.
ENTROPÍA.
ENTROPÍA CONDICIONADA.
CANTIDAD DE INFORMACIÓN ENTRE DOS VARIABLES.
LÍMITE DE NYQUIST.
LÍMITE DE SHANNON.
CONSECUENCIAS DE LOS LÍMITES.
TIPOS DE ERRORES.
DETECCIÓN DE ERRORES.
INTRODUCCIÓN A CÓDIGOS.
CÓDIGOS DETECTORES DE ERRORES.
DISTANCIA HAMMING Y DESCODIFICACIÓN POR DISTANCIA MÍNIMA.
CÓDIGOS PERFECTOS.
CÓDIGOS LINEALES.
MATRICES GENERATRICES Y MATRICES DE CONTROL - CÓDIGOS
CORRECTORES.
CÓDIGO DE HAMMING.
CÓDIGO DE GOLAY.
CÓDIGO DE REED-MULLER.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
1
CANTIDAD DE INFORMACIÓN
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
2
CANTIDAD DE INFORMACIÓN


LA CANTIDAD DE INFORMACIÓN ES UNA MEDIDA DE LA
DISMINUCIÓN DE INCERTIDUMBRE ACERCA DE UN SUCESO:
 EJ.: SI SE NOS DICE QUE EL NÚMERO QUE HA SALIDO EN UN
DADO ES MENOR QUE DOS, SE NOS DA MÁS INFORMACIÓN QUE
SI SE NOS DICE QUE EL NÚMERO QUE HA SALIDO ES PAR.
LA CANTIDAD DE INFORMACIÓN QUE SE OBTIENE AL CONOCER UN
HECHO ES DIRECTAMENTE PROPORCIONAL AL NÚMERO POSIBLE
DE ESTADOS QUE ESTE TENÍA A PRIORI:
 SI INICIALMENTE SE TENÍAN DIEZ POSIBILIDADES, CONOCER
EL HECHO PROPORCIONA MÁS INFORMACIÓN QUE SI
INICIALMENTE SE TUVIERAN DOS.
 EJ.: SUPONE MAYOR INFORMACIÓN CONOCER LOS NÚMEROS
GANADORES DEL PRÓXIMO SORTEO DE LA LOTERÍA, QUE
SABER SI UNA MONEDA LANZADA AL AIRE VA A CAER CON
LA CARA O LA CRUZ HACIA ARRIBA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
3
CANTIDAD DE INFORMACIÓN





LA CANTIDAD DE INFORMACIÓN ES PROPORCIONAL A LA
PROBABILIDAD DE UN SUCESO:
 SE
CONSIDERA LA DISMINUCIÓN DE INCERTIDUMBRE
PROPORCIONAL AL AUMENTO DE CERTEZA.
SI LA PROBABILIDAD DE UN ESTADO FUERA 1 (MÁXIMA):
 LA CANTIDAD DE INFORMACIÓN QUE APORTA SERÍA 0.
SI LA PROBABILIDAD SE ACERCARA A 0:
 LA CANTIDAD DE INFORMACIÓN TENDERÁ A INFINITO: UN
SUCESO QUE NO PUEDE SUCEDER APORTARÁ UNA CANTIDAD
INFITA DE INFORMACIÓN SI LLEGARA A OCURRIR.
LA CANTIDAD I DE INFORMACIÓN CONTENIDA EN UN MENSAJE, ES
UN VALOR MATEMÁTICO MEDIBLE REFERIDO A LA PROBABILIDAD
p DE QUE UNA INFORMACIÓN EN EL MENSAJE SEA RECIBIDA,
ENTENDIENDO QUE EL VALOR MÁS ALTO SE LE ASIGNA AL
MENSAJE MENOS PROBABLE.
SEGÚN SHANNON:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
4
CANTIDAD DE INFORMACIÓN

EJ.: SE ARROJA UNA MONEDA AL AIRE; SE DEBE CALCULAR LA
CANTIDAD DE INFORMACIÓN CONTENIDA EN LOS MENSAJES CARA
O CRUZ SEPARADAMENTE:
 I = log2 [(1/(1/2)] = log2 2 = 1.
 I MANIFIESTA LA CANTIDAD DE SÍMBOLOS POSIBLES QUE
REPRESENTAN EL MENSAJE.
 SI SE LANZARA UNA MONEDA TRES VECES SEGUIDAS, LOS
OCHO RESULTADOS (O MENSAJES) EQUIPROBABLES PUEDEN
SER:
 000, 001, 010, 011, 100, 101, 110, 111.
 LA p DE CADA MENSAJE ES DE 1/8, Y SU CANTIDAD DE
INFORMACIÓN ES:
 I = log2 [1/(1/8)] = 3.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
5
CANTIDAD DE INFORMACIÓN



LA I DE LOS MENSAJES ES IGUAL A LA CANTIDAD DE BITS DE CADA
MENSAJE.
UNA NOTACIÓN SIMILAR ES LA SIGUIENTE.
SE EMPLEA UNA VARIABLE ALEATORIA V PARA REPRESENTAR LOS
POSIBLES SUCESOS QUE SE PUEDEN ENCONTRAR:
 EL SUCESO i-ÉSIMO SE DENOTA COMO xi.
 P(xi) SERÁ LA PROBABILIDAD ASOCIADA A DICHO SUCESO.
 n SERÁ EL NÚMERO DE SUCESOS POSIBLES.
 LA CANTIDAD DE INFORMACIÓN SERÁ:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
6
ENTROPÍA
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
7
ENTROPÍA

LA SUMA PONDERADA DE LAS CANTIDADES DE INFORMACIÓN DE
TODOS LOS POSIBLES ESTADOS DE UNA VARIABLE ALEATORIA V
ES:

LA MAGNITUD H(V) SE CONOCE COMO LA ENTROPÍA DE LA
VARIABLE ALEATORIA V . SUS PROPIEDADES SON LAS SIGUIENTES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
8
ENTROPÍA


LA ENTROPÍA ES PROPORCIONAL A LA LONGITUD MEDIA DE LOS
MENSAJES QUE SE NECESITARÁ PARA CODIFICAR UNA SERIE DE
VALORES DE V:
 DE MANERA ÓPTIMA DADO UN ALFABETO CUALQUIERA.
ESTO SIGNIFICA QUE CUANTO MÁS PROBABLE SEA UN VALOR
INDIVIDUAL,
APORTARÁ
MENOS
INFORMACIÓN
CUANDO
APAREZCA:
 SE PODRÁ CODIFICAR EMPLEANDO UN MENSAJE MÁS CORTO.
 SI P(xi) = 1 NO SE NECESITARÍA NINGÚN MENSAJE: SE SABE DE
ANTEMANO QUE V VA A TOMAR EL VALOR xi.
 SI P(xi) = 0,9 PARECE MÁS LÓGICO EMPLEAR:
 MENSAJES CORTOS PARA REPRESENTAR EL SUCESO xi.
 MENSAJES LARGOS PARA LOS xj RESTANTES: EL VALOR
QUE MÁS APARECERÁ EN UNA SECUENCIA DE SUCESOS ES
PRECISAMENTE xi.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
9
ENTROPÍA




EJEMPLOS:
ENTROPÍA DE LA VARIABLE ALEATORIA ASOCIADA A LANZAR
UNA MONEDA AL AIRE:
 H(M) = -(0,5 log2 (0,5) + 0,5 log2 (0,5)) = 1.
 EL
SUCESO APORTA EXACTAMENTE UNA UNIDAD DE
INFORMACIÓN.
SI LA MONEDA ESTÁ TRUCADA (60% DE PROBABILIDADES PARA
CARA, 40% PARA CRUZ), SE TIENE:
 H(M) = -(0,6 log2 (0,6) + 0,4 log2 (0,4)) = 0,970.
LA CANTIDAD DE INFORMACIÓN ASOCIADA AL SUCESO MÁS SIMPLE:
 CONSTA
UNICAMENTE
DE
DOS
POSIBILIDADES
EQUIPROBABLES (CASO DE LA MONEDA SIN TRUCAR).
 SERÁ LA UNIDAD A LA HORA DE MEDIR ESTA MAGNITUD, Y SE
DENOMINARÁ BIT.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
10
ENTROPÍA



SE EMPLEAN LOGARITMOS BASE 2 PARA QUE LA CANTIDAD DE
INFORMACIÓN DEL SUCESO MÁS SIMPLE SEA IGUAL A 1.
LA ENTROPÍA DE UNA VARIABLE ALEATORIA ES EL NÚMERO MEDIO
DE BITS QUE SE NECESITARÁN PARA CODIFICAR C/U DE LOS
ESTADOS DE LA VARIABLE:
 SE SUPONE QUE SE EXPRESA C/ SUCESO EMPLEANDO UN
MENSAJE ESCRITO EN UN ALFABETO BINARIO.
SI SE QUIERE REPRESENTAR LOS DIEZ DÍGITOS DECIMALES
USANDO SECUENCIAS DE BITS:
 CON 3 BITS NO ES SUFICIENTE, SE NECESITA MÁS.
 SI SE USAN 4 BITS TAL VEZ SEA DEMASIADO.
 LA ENTROPÍA DE 10 SUCESOS EQUIPROBABLES ES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
11
ENTROPÍA
EL VALOR CALCULADO ES EL LÍMITE TEÓRICO, QUE
NORMALMENTE NO SE PUEDE ALCANZAR.
 SE PUEDE DECIR QUE NO EXISTE NINGUNA CODIFICACIÓN QUE
EMPLEE LONGITUDES PROMEDIO DE MENSAJE INFERIORES AL
NÚMERO CALCULADO.
EL MÉTODO DE HUFFMAN PERMITE OBTENER CODIFICACIONES
BINARIAS QUE SE APROXIMAN BASTANTE AL ÓPTIMO TEÓRICO DE
UNA FORMA SENCILLA Y EFICIENTE.


TEORÍA DE LA INFORMACIÓN - CÓDIGOS
12
ENTROPÍA



LA ENTROPÍA H DE UN SISTEMA DE TRANSMISIÓN ES IGUAL A LA
CANTIDAD DE INFORMACIÓN MEDIA DE SUS MENSAJES, ES DECIR:
 H = Imed.
SI EN UN CONJUNTO DE MENSAJES SUS PROBABILIDADES SON
IGUALES, LA ENTROPÍA TOTAL SERÁ:
 H = log2 N.
 N ES EL NÚMERO DE MENSAJES POSIBLES EN EL CONJUNTO.
EJ.: SE TRANSMITEN MENSAJES BASADOS EN UN ABECEDARIO.
¿CUÁL SERÁ LA ENTROPÍA?:
 SE SUPONE QUE LAS COMBINACIONES SON ALEATORIAS Y LOS
MENSAJES SON EQUIPROBABLES.
 LA CANTIDAD DE LETRAS ES 26.
 LA CANTIDAD DE SIGNOS DE PUNTUACIÓN ES 5.
 LA CANTIDAD DE SIGNOS ESPECIALES ES 1 (ESPACIO EN
BLANCO).
 LA CANTIDAD TOTAL DE SÍMBOLOS ES ENTONCES 32.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
13
ENTROPÍA
LA ENTROPÍA SERÁ:
 H = log2 32 = 5.
 DESDE LA ÓPTICA BINARIA ESTO SIGNIFICA QUE SE NECESITAN
5 BITS PARA CODIFICAR CADA SÍMBOLO: 00000, 00001, 00010,
11111, ETC.:
 ESTE RESULTADO COINCIDE CON LA RECÍPROCA DE LA
PROBABILIDAD p.
LA ENTROPÍA:
 INDICA LA RECÍPROCA DE LA PROBABILIDAD DE OCURRENCIA.
 PERMITE VER LA CANTIDAD DE BITS NECESARIOS PARA
REPRESENTAR EL MENSAJE QUE SE VA A TRANSMITIR.


TEORÍA DE LA INFORMACIÓN - CÓDIGOS
14
ENTROPÍA CONDICIONADA
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
15
ENTROPÍA CONDICIONADA

SE SUPONE QUE TENEMOS UNA VARIABLE ALEATORIA
BIDIMENSIONAL (X,Y).
LAS DISTRIBUCIONES DE PROBABILIDAD MÁS USUALES QUE SE
PUEDEN DEFINIR SOBRE DICHA VARIABLE, TENIENDO n POSIBLES
CASOS PARA X Y m PARA Y SON:
DISTRIBUCIÓN CONJUNTA DE (X, Y):

DISTRIBUCIONES MARGINALES DE X E Y:


TEORÍA DE LA INFORMACIÓN - CÓDIGOS
16
ENTROPÍA CONDICIONADA

DISTRIBUCIONES CONDICIONALES DE X SOBRE Y Y VICEVERSA:

SE DEFINE LA ENTROPÍA DE LAS DISTRIBUCIONES COMO SIGUE:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
17
ENTROPÍA CONDICIONADA

HACIENDO LA SUMA PONDERADA DE LOS H(X/Y = yj) SE OBTIENE
LA EXPRESIÓN DE LA ENTROPÍA CONDICIONADA DE X SOBRE Y:

SE DEFINE LA LEY DE ENTROPÍAS TOTALES:

SI X E Y SON VARIABLES INDEPENDIENTES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
18
CANTIDAD DE INFORMACIÓN ENTRE
DOS VARIABLES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
19
CANTIDAD DE INFORMACIÓN ENTRE
DOS VARIABLES



TEOREMA DE DISMINUCIÓN DE LA ENTROPÍA: LA ENTROPÍA DE
UNA VARIABLE X CONDICIONADA POR OTRA Y ES MENOR O IGUAL
A LA ENTROPÍA DE X:
 LA IGUALDAD SE DA SI Y SÓLO SI LAS VARIABLES X E Y SON
INDEPENDIENTES.
IDEA INTUITIVA:
 CONOCER ALGO ACERCA DE LA VARIABLE Y PUEDE QUE
AYUDE A SABER MÁS SOBRE X (ES UNA REDUCCIÓN DE SU
ENTROPÍA).
 EN NINGÚN CASO PODRÁ HACER QUE AUMENTE LA
INCERTIDUMBRE.
SHANNON PROPUSO UNA MEDIDA PARA LA CANTIDAD DE
INFORMACIÓN QUE APORTA SOBRE UNA VARIABLE EL
CONOCIMIENTO DE OTRA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
20
CANTIDAD DE INFORMACIÓN ENTRE
DOS VARIABLES

SE DEFINE LA CANTIDAD DE INFORMACIÓN DE SHANNON QUE LA
VARIABLE X CONTIENE SOBRE Y COMO:


SIGNIFICA QUE LA CANTIDAD DE INFORMACIÓN QUE APORTA
EL HECHO DE CONOCER X AL MEDIR LA INCERTIDUMBRE
SOBRE Y ES IGUAL A LA DISMINUCIÓN DE ENTROPÍA QUE ESTE
CONOCIMIENTO CONLLEVA.
SUS PROPIEDADES SON LAS SIGUIENTES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
21
LÍMITE DE NYQUIST
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
22
LÍMITE DE NYQUIST


NYQUIST DEMOSTRÓ LA EXISTENCIA DE UNA FRECUENCIA DE
MUESTREO LLAMADA FRECUENCIA DE NYQUIST, IGUAL CUANTO
MÁS AL DOBLE DE LA FRECUENCIA NATURAL DE ENTRADA (LA
FRECUENCIA DE LA SEÑAL QUE SE VA A MUESTREAR).
NYQUIST SOSTIENE QUE SI SE HACE UN MUESTREO CON UNA
FRECUENCIA SUPERIOR AL DOBLE:
 LA INFORMACIÓN RECUPERADA ES “REDUNDANTE”.
 ESTO SE DEBE INTERPRETAR COMO QUE LA CANTIDAD DE
INFORMACIÓN OBTENIDA AL RECUPERAR UN MENSAJE QUE SE
HA MUESTREADO A UNA FRECUENCIA MAYOR QUE EL DOBLE
DE LA NATURAL:
 NO DIFIERE DE LA OBTENIDA CUANDO SE MUESTREA A
UNA FRECUENCIA DEL DOBLE DE LA NATURAL.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
23
LÍMITE DE NYQUIST



FN ES LA FRECUENCIA DE NYQUIST:
 FN = 2 f.
UTILIZANDO EL PASABANDA PARA LOS CANALES DE
INFORMACIÓN:
 FN ≤ 2 ΔF.
NYQUIST ESTABLECIÓ QUE:
 SI LOS CANALES SON SIN RUIDO.
 SI LAS SEÑALES SON BINARIAS CON UNA TRANSMISIÓN
MONONIVEL.
 LA FN COINCIDE CON LA MÁXIMA VELOCIDAD BINARIA:
 BPS ≤ 2 ΔF.
 ESTO ES UN LÍMITE FÍSICO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
24
LÍMITE DE NYQUIST


ES POSIBLE SUPERAR ESTE MÁXIMO SI LA TRANSMISIÓN ES
MULTINIVEL:
 POR C/ INSTANTE DE MUESTREO SE TRANSMITIRÁ UN SÍMBOLO
QUE CONTIENE MÁS DE DOS BITS Y POR LO TANTO I > 1:
 BPS ≤ 2 ΔF log2 m.
 m ES LA CANTIDAD DE NIVELES DE LA MODULACIÓN.
 ASÍ SE RELACIONA LA MÁXIMA VELOCIDAD BINARIA CON EL
ANCHO DE BANDA, LA CANTIDAD DE NIVELES Y LA ENTROPÍA.
A ESTA VELOCIDAD BINARIA SE LA DENOMINA LÍMITE DE NYQUIST:
 BPS = 2 ΔF H.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
25
LÍMITE DE NYQUIST


EJ.: EN UN CANAL DE TRANSMISIÓN SE USA UNA MODULACIÓN
64QAM Y ES DEL TIPO “CANAL DE VOZ”. ¿CUÁL SERÁ EL LÍMITE
DE NYQUIST?:
 MODULACIÓN 64QAM: 64 NIVELES DE MODULACIÓN.
 CANAL DE VOZ: 4 KHZ DE PASABANDA.
 BPS = 2 ΔF H = 2 x 4 x log2 64 = 8 x 6 = 48 KBPS.
 NOTA: COMO LA FRECUENCIA ESTÁ EN KHZ, BPS ESTÁ EN
KBPS.
EL LÍMITE ES VÁLIDO EN CANALES SIN RUIDO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
26
LÍMITE DE SHANNON
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
27
LÍMITE DE SHANNON


UN CANAL NO IDEAL ES CONSIDERADO POR SHANNON COMO
RUIDOSO.
EJ.: RUIDO BASE EQUIPARTIDO EXISTENTE EN LOS CANALES DE
COBRE USADOS COMO CANALES DE VOZ:
 COINCIDE EN GENERAL CON EL VALOR DE RUIDO TÉRMICO O
LO SUPERA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
28
LÍMITE DE SHANNON

SEGÚN SHANNON EN ESTOS CANALES EXISTE UNA RELACIÓN
ENTRE:
 LA CANTIDAD MÁXIMA DE NIVELES QUE EL CANAL PUEDE
ADMITIR.
 LA RELACIÓN SEÑAL-A-RUIDO DEL MISMO, QUE ESTÁ DADO
POR:
 mmax = (1 + S/N)½.
 m ES LA CANTIDAD DE NIVELES.
 S Y N SON LOS VALORES DE POTENCIA DE SEÑAL Y DE
POTENCIA DEL RUIDO EXPRESADOS EN UNIDADES DE
POTENCIA.
 S/N ES LA RELACIÓN SEÑAL A RUIDO ADIMENSIONAL:
 NO ES LA MEDIDA DECIBÉLICA DE LA GANANCIA O LA
PÉRDIDA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
29
LÍMITE DE SHANNON



EL CANAL DEBERÁ ESTAR SUJETO A RUIDO GAUSSIANO LIMITADO
EN BANDA: NO SE CONSIDERA LA PRESENCIA DE RUIDO
IMPULSIVO.
SE BUSCA LA CAPACIDAD MÁXIMA DEL CANAL:
 SE DEBE MAXIMIZAR m EN EL LÍMITE DE NYQUIST:
 mmax = (1 + S/N) ½.
 BPS ≤ 2 ΔF log2 m.
 BPS = 2 ΔF log2 (1 + S/N)½.
SIMPLIFICANDO LA ECUACIÓN ANTERIOR, SE OBTIENE LA
MÁXIMA VELOCIDAD DE TRANSMISIÓN EN FUNCIÓN DEL ANCHO DE
BANDA, LA POTENCIA DE LA SEÑAL Y LA DEL RUIDO GAUSSIANO:
 BPS = ΔF log2 (1 + S/N).
 ES EL LLAMAMOS LÍMITE DE SHANNON DADO POR LA LEY DE
SHANNON-HARTLEY.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
30
CONSECUENCIAS DE LOS LÍMITES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
31
CONSECUENCIAS DE LOS LÍMITES




SE DEBE TENER PRESENTE LO SIGUIENTE:
EN EL CÁLCULO DEL LÍMITE INTERVIENE LA RELACIÓN DE LAS
RESPECTIVAS POTENCIAS EN UNIDADES DE POTENCIA:
 S/N ES ADIMENSIONAL, ES DECIR EN VECES.
 NO ES LA GANANCIA DEL CIRCUITO NI LA PÉRDIDA DEL MEDIO.
EN EL CANAL SE CONSIDERA EL RUIDO GAUSSIANO.
LA SOLA APLICACIÓN DE LA LEY DE SHANNON:
 NO PERMITE DETERMINAR LA MÁXIMA VELOCIDAD DE UN
MODULADOR CUALQUIERA EN UN CANAL REAL.
 SI PERMITE DETERMINAR LA MÁXIMA CAPACIDAD DEL CANAL.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
32
CONSECUENCIAS DE LOS LÍMITES


EJ.: SI UN CANAL TIENE UN ANCHO DE BANDA DE 2,7 KHZ Y LA
RELACIÓN ENTRE SEÑAL Y RUIDO ES S/N = 1000:
 ¿CUÁL SERÁ EL LÍMITE DE SHANNON?.
 ¿CUÁNTOS ESTADOS DEBERÁ MANEJAR EL MODULADOR?.
 BPS = ΔF log2 (1 + S/N) = 2700 log2 (1001) = 26900.
 SEGÚN EL LÍMITE DE NYQUIST:
 BPS = 2 ΔF log2 m = 2 x 2700 x log2 m = 26900 BPS.
 SE REQUERIRÁ AL MENOS UN MODULADOR DE 32 ESTADOS
PARA ALCANZAR ESA TASA DE BITS EN UN CANAL CON ESE
ANCHO DE BANDA.
EL LÍMITE DE SHANNON IMPACTA SOBRE LAS TÉCNICAS DE
MODULACIÓN Y DE TRANSMISIÓN.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
33
CONSECUENCIAS DE LOS LÍMITES


ACTUALMENTE LAS REDES PÚBLICAS DE VOZ TIENEN UN VALOR
TÍPICO S/N DE 35 dB: UNA IMPORTANTE DIFICULTAD PARA
MEJORAR ESTE VALOR ES EL RUIDO DE CUANTIFICACIÓN.
EFECTO DEL RUIDO DE CUANTIZACIÓN:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
34
CONSECUENCIAS DE LOS LÍMITES




EL RUIDO DE CUANTIZACIÓN Nq O ERROR DE CUANTIZACIÓN:
 SE PRODUCE EN EL CODEC, A LA ENTRADA DE LA RED
DIGITAL DESDE LA RED ANALÓGICA.
 ES PROPORCIONAL A LA DIFERENCIA ENTRE EL VALOR DE LA
AMPLITUD EN LA ENTRADA Y EL VALOR DE LA AMPLITUD A LA
SALIDA DEL CUANTIFICADOR.
ES PRODUCTO DE LA NECESIDAD DE ENCAMINAR LAS SEÑALES
ANALÓGICAS DE ÚLTIMA MILLA HACIA LAS REDES CONMUTADAS
DIGITALES.
SE CONOCE EL VALOR EN dB INDICADO DE 35 Db:
 dB = 10 log10 (S/N).
EXPRESANDO S/N EN MODO ADIMENSIONAL EN FUNCIÓN DE Db:
 S/N = 10dB/10.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
35
CONSECUENCIAS DE LOS LÍMITES



SUSTITUYENDO ESTE VALOR EN LA ECUACIÓN DEL LÍMITE DE
SHANNON:
 bps = ΔF log2 (1 + 10dB/10).
LA MÁXIMA VELOCIDAD EN BPS, SE LOGRA MULTIPLICANDO EL
ANCHO DE BANDA DEL CANAL POR EL log2 DE UNO MÁS DIEZ A LA
DÉCIMA PARTE DE LOS DECIBELES DE LA RED.
PARA UNA RED CON UN ANCHO DE BANDA ESTÁNDAR DE 3 KHZ, SE
OBSERVA QUE:
 SI LA RED TIENE UNA RELACIÓN DE 35 DB:
 BPS = 34.822 (34 KBPS).
 SI LA RED EN CAMBIO MEJORA A 40 DB:
 BPS = 39.839 (38,9 KBPS).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
36
TIPOS DE ERRORES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
37
TIPOS DE ERRORES


EN LOS SISTEMAS DE TRANSMISIÓN DIGITAL SE DICE QUE HA
HABIDO UN ERROR CUANDO SE ALTERA UN BIT.
EXISTEN DOS TIPOS DE ERRORES:
 ERRORES AISLADOS:
 ALTERAN A UN SOLO BIT.
 ERRORES A RÁFAGAS.
 HA HABIDO UNA RÁFAGA DE LONGITUD B CUANDO SE
RECIBE UNA SECUENCIA DE B BITS EN LA QUE SON
ERRÓNEOS:
• EL PRIMERO.
• EL ÚLTIMO.
• Y CUALQUIER NÚMERO DE BITS INTERMEDIOS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
38
TIPOS DE ERRORES
LA NORMA IEEE 100 DEFINE UNA RÁFAGA DE ERRORES
COMO:
• GRUPO DE BITS EN EL QUE DOS BITS ERRÓNEOS
CUALQUIERA ESTARÁN SIEMPRE SEPARADOS POR
MENOS DE UN NÚMERO X DE BITS CORRECTOS.
• EL ÚLTIMO BIT ERRÓNEO EN UNA RÁFAGA Y EL
PRIMER BIT ERRÓNEO DE LA SIGUIENTE ESTARÁN
SEPARADOS POR AL MENOS X BITS CORRECTOS.
EN UNA RÁFAGA DE ERRORES HABRÁ UN CONJUNTO DE BITS CON
UN NÚMERO DADO DE ERRORES:
 NO NECESARIAMENTE TODOS LOS BITS EN EL CONJUNTO
SERÁN ERRÓNEOS.
UN ERROR AISLADO SE PUEDE DAR EN PRESENCIA DE RUIDO
BLANCO, CUANDO CUALQUIER DETERIORO ALEATORIO EN LA
RELACIÓN SEÑAL-RUIDO CONFUNDA AL RECEPTOR EN UN ÚNICO
BIT.



TEORÍA DE LA INFORMACIÓN - CÓDIGOS
39
TIPOS DE ERRORES




GENERALMENTE LAS RÁFAGAS SON MÁS FRECUENTES Y MÁS
DIFÍCILES DE TRATAR:
 PUEDEN ESTAR CAUSADAS POR RUIDO IMPULSIVO.
EN LA COMUNICACIÓN MÓVIL OTRA CAUSA PARA LAS RÁFAGAS
SON LOS DESVANECIMIENTOS.
LOS EFECTOS DE UNA RÁFAGA SERÁN SIEMPRE MAYORES CUANTO
MAYOR SEA LA VELOCIDAD DE TRANSMISIÓN.
EJ.: UN RUIDO IMPULSIVO O UN DESVANECIMIENTO DE 1 µs
CAUSARÁ UNA RÁFAGA DE:
 10 BITS A UNA VELOCIDAD DE TRANSMISIÓN DE 10 MBPS.
 100 BITS A 100 MBPS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
40
DETECCIÓN DE ERRORES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
41
DETECCIÓN DE ERRORES


EN TODO SISTEMA DE TRANSMISIÓN HABRÁ RUIDO:
 DARÁ LUGAR A ERRORES QUE MODIFICARÁN UNO O VARIOS
BITS DE LA TRAMA.
 SE CONSIDERA TRAMA A UNA O VARIAS SECUENCIAS
CONTIGUAS DE BITS.
SE
CONSIDERAN
LAS
SIGUIENTES
DEFINICIONES
DE
PROBABILIDADES PARA LOS POSIBLES ERRORES DE TRANSMISIÓN:
 Pb: PROBABILIDAD DE QUE UN BIT RECIBIDO SEA ERRÓNEO:
TASA DE ERROR POR BIT: BER: BIT ERROR RATE.
 P1: PROBABILIDAD DE QUE UNA TRAMA LLEGUE SIN ERRORES.
 P2: PROBABILIDAD DE QUE UTILIZANDO UN ALGORITMO PARA
LA DETECCIÓN DE ERRORES, UNA TRAMA LLEGUE CON UNO O
MÁS ERRORES NO DETECTADOS.
 P3: PROBABILIDAD DE QUE UTILIZANDO UN ALGORITMO PARA
LA DETECCIÓN DE ERRORES, UNA TRAMA LLEGUE CON UNO O
MÁS ERRORES DETECTADOS Y SIN ERRORES INDETECTADOS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
42
DETECCIÓN DE ERRORES

SI NO SE TOMAN MEDIDAS PARA DETECTAR ERRORES:
 LA PROBABILIDAD DE ERRORES DETECTADOS: P3 = 0.
 SE SUPONE QUE TODOS LOS BITS TIENEN UNA PROBABILIDAD
DE ERROR (Pb) CONSTANTE E INDEPENDIENTE:
 P1 = (1 - Pb)F.
 P2 = (1 – P1).
 F: NÚMERO DE BITS POR TRAMA.
 LA PROBABILIDAD DE QUE UNA TRAMA LLEGUE SIN NINGÚN
BIT ERRÓNEO DISMINUYE AL AUMENTAR LA PROBABILIDAD DE
QUE UN BIT SEA ERRÓNEO.
 LA PROBABILIDAD DE QUE UNA TRAMA LLEGUE SIN ERRORES
DISMINUYE AL AUMENTAR LA LONGITUD DE LA MISMA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
43
DETECCIÓN DE ERRORES


EJ.: UN OBJETIVO EN LAS CONEXIONES RDSI ES QUE LA BER EN UN
CANAL DE 64 KBPS DEBE SER MENOR QUE 10-6 PARA POR LO
MENOS EL 90% DE LOS INTERVALOS OBSERVADOS DE 1 MINUTO
DE DURACIÓN:
 SI LOS REQUISITOS SON MENOS EXIGENTES: EN EL MEJOR DE
LOS CASOS, UNA TRAMA CON UN BIT ERRÓNEO NO
DETECTADO OCURRE POR CADA DÍA DE FUNCIONAMIENTO
CONTINUO EN UN CANAL DE 64 KBPS.
 SI LA LONGITUD DE LA TRAMA ES DE 1000 BITS.
 EL NÚMERO DE TRAMAS QUE SE PUEDEN TRANSMITIR POR DÍA
ES 5,529 x 106:
 LA TASA DE TRAMAS ERRÓNEAS ES: P2 = 1/(5,529 x 106) = 0,18 x
10-6.
 SI Pb = 10-6:
 P1 = (0,999999)1000 = 0,999.
 P2 = 10-3:
• ESTÁ TRES ÓRDENES DE MAGNITUD POR ENCIMA DE
LO REQUERIDO.
ESTO JUSTIFICA USAR TÉCNICAS PARA DETECCIÓN DE ERRORES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
44
DETECCIÓN DE ERRORES

PROCEDIMIENTO PARA DETECTAR ERRORES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
45
DETECCIÓN DE ERRORES

PRINCIPIO GRAL. PARA LAS TÉCNICAS DE DETECCIÓN DE
ERRORES:
 DADA UNA TRAMA DE BITS, SE AÑADEN BITS ADICIONALES EN
EL TRANSMISOR FORMANDO UN CÓDIGO DETECTOR DE
ERRORES.
 EL CÓDIGO SE CALCULARÁ EN FUNCIÓN DE LOS OTROS BITS
QUE SE VAYAN A TRANSMITIR.
 GENERALMENTE, PARA UN BLOQUE DE DATOS DE k BITS, EL
ALGORITMO DE DETECCIÓN DE ERRORES UTILIZA UN CÓDIGO
DE n - k BITS: (n – k) < k.
 EL CÓDIGO (CONJUNTO DE BITS) DE DETECCIÓN DE ERRORES,
LLAMADO BITS DE COMPROBACIÓN, SE AÑADE AL BLOQUE DE
DATOS PARA GENERAR LA TRAMA DE n BITS DE LONGITUD
QUE SERÁ TRANSMITIDA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
46
DETECCIÓN DE ERRORES
EL RECEPTOR SEPARARÁ LA TRAMA RECIBIDA:
 k BITS DE DATOS.
 (n - k) BITS DEL CÓDIGO DE DETECCIÓN DE ERRORES.
 EL RECEPTOR REPETIRÁ EL CÁLCULO SOBRE LOS BITS DE
DATOS RECIBIDOS Y COMPARARÁ EL RESULTADO CON LOS BITS
RECIBIDOS EN EL CÓDIGO DE DETECCIÓN DE ERRORES.
SE DETECTARÁ UN ERROR SII LOS DOS RESULTADOS
MENCIONADOS NO COINCIDEN.
P3: PROBABILIDAD DE QUE LA TRAMA CONTENGA ERRORES Y EL
SISTEMA LOS DETECTE.
P2: ES LA TASA DE ERROR RESIDUAL: PROBABILIDAD DE QUE NO SE
DETECTE UN ERROR AUNQUE SE ESTÉ USANDO UN ESQUEMA DE
DETECCIÓN DE ERRORES.




TEORÍA DE LA INFORMACIÓN - CÓDIGOS
47
DETECCIÓN DE ERRORES




COMPROBACIÓN DE REDUNDANCIA CÍCLIDA (CRC)
UNO DE LOS CÓDIGOS PARA DETECCIÓN DE ERRORES MÁS
HABITUALES Y POTENTES SON LOS DE COMPROBACIÓN DE
REDUNDANCIA CÍCLICA (CRC: CYCLIC REDUNDANCY CHECK).
SE TIENE UN BLOQUE O MENSAJE DE k-BITS.
EL TRANSMISOR GENERA UNA SECUENCIA DE (n - k) BITS:
 SECUENCIA DE COMPROBACIÓN DE LA TRAMA: FCS: FRAME
CHECK SEQUENCE.
 LA TRAMA RESULTANTE CON n BITS SERÁ DIVISIBLE POR
ALGÚN NÚMERO PREDETERMINADO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
48
DETECCIÓN DE ERRORES



EL RECEPTOR DIVIDIRÁ LA TRAMA RECIBIDA POR ESE NÚMERO Y SI
NO HAY RESTO EN LA DIVISIÓN SUPONDRÁ QUE NO HA HABIDO
ERRORES.
EL RECEPTOR TAMBIÉN PODRÍA DIVIDIR LOS DATOS DE ENTRADA
(IGUAL QUE EL EMISOR) Y COMPARAR EL RESULTADO CON LOS
BITS DE COMPROBACIÓN.
ESTE PROCEDIMIENTO SE PUEDE EXPLICAR USANDO:
 ARITMÉTICA MÓDULO 2.
 POLINOMIOS.
 LÓGICA DIGITAL.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
49
DETECCIÓN DE ERRORES










ARITMÉTICA MÓDULO 2
USA SUMAS Y RESTAS BINARIAS SIN ACARREO:
 SON IGUALES A LA OPERACIÓN LÓGICA EXCLUSIVE-OR:

1111 1111
11001
 +1010 -0101
x 11
 0101 1010
11001

11001

101011
T: TRAMA DE n BITS A TRANSMITIR.
M: MENSAJE CON k BITS DE DATOS, CORRESPONDIENTES CON LOS
PRIMEROS k BITS DE T.
F = (n – k) BITS DE FCS: LOS ÚLTIMOS (n – k) BITS DE T.
P: PATRÓN DE n – k + 1 BITS: DIVISOR ELEGIDO.
T / P = 0.
T = 2n-kD + F.
MULTIPLICAR 2n-kD EQUIVALE A DESPLAZAR HACIA LA
IZQUIERDA n – k BITS AÑADIENDO CEROS AL RESULTADO.
SUMAR F SIGNIFICA CONCATENAR D Y F.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
50
DETECCIÓN DE ERRORES

T DEBE SER DIVISIBLE POR P:
 (2n-kD) / P = Q + (R / P).
 HAY UN COCIENTE Y UN RESTO:
 EL RESTO SERÁ AL MENOS 1 BIT MÁS CORTO QUE EL
DIVISOR PORQUE LA DIVISIÓN ES MÓDULO 2.
 LA SECUENCIA DE COMPROBACIÓN DE LA TRAMA (FCS) SERÁ
EL RESTO DE LA DIVISIÓN:
 T = 2n-kD + R.
 R DEBE SATISFACER LA CONDICIÓN DE QUE EL RESTO DE
T/P SEA CERO:
• (T / P) = (2n-kD + R) / P = (2n-kD) / P + (R / P).
• (2n-kD) / P = Q + (R / P).
• (T / P) = Q + (R / P) + (R / P).
 CUALQUIER NÚMERO BINARIO SUMADO A MÓDULO 2
CONSIGO MISMO ES 0:
• (T / P) = Q + ((R + R) / P) = Q:
– NO HAY RESTO: T ES DIVISIBLE POR P.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
51
DETECCIÓN DE ERRORES



FCS SE GENERA FÁCILMENTE:
 SE DIVIDE (2n-kD) / P Y SE USAN LOS (n – k) BITS DEL RESTO
COMO FCS.
EN EL RECEPTOR SE DIVIDIRÁ (T / P) Y SI NO HA HABIDO ERRORES
EL RESTO SERÁ 0.
EJ.:
 MENSAJE D: 1010001101 (10 BITS).
 PATRÓN P: 110101 (6 BITS).
 FCS R: A CALCULAR (5 BITS).
 n: 15; k: 10; (n – k): 5.
 MENSAJE x 25: 101000110100000.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
52
DETECCIÓN DE ERRORES

EL RESULTADO ANTERIOR SE DIVIDE POR P:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
53
DETECCIÓN DE ERRORES


T = 2n-kD + R = 25D + R = 101000110101110: ESTO SE TRANSMITE.
SI NO HAY ERRORES EL RECEPTOR RECIBE T:
 LA TRAMA RECIBIDA SE DIVIDE POR P Y SI EL RESTO R ES
0 SE SUPONE QUE NO HA HABIDO ERRORES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
54
DETECCIÓN DE ERRORES



EL PATRÓN P:
 SE ELIGE CON UN BIT MÁS QUE LA LONGITUD DE LA FCS
DESEADA.
 DEPENDERÁ DEL TIPO DE ERROR QUE SE ESPERA SUFRIR.
 DEBE TENER COMO MÍNIMO EL BIT MENOS SIGNIFICATIVO Y
EL BIT MÁS SIGNIFICATIVO EN 1.
POLINOMIOS
OTRA POSIBILIDAD DE CRC ES EXPRESAR TODOS LOS VALORES
COMO POLINOMIOS DE UNA VARIABLE MUDA X, CON
COEFICIENTES BINARIOS:
 D = 110011; D(X) = X5 + X4 + X + 1.
 P = 11001; P(X) = X4 + X3 + 1.
 SE USA ARITMÉTICA MÓDULO 2.
 EL PROCEDIMIENTO DE CRC ES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
55
DETECCIÓN DE ERRORES

EJEMPLO: SE USA EL EJ. ANTERIOR:
 D = 1010001101; D(X) = X9 + X7 + X3 + X2 + 1.
 P = 110101; P(X) = X5 + X4 + X2 + 1.
 R = 01110; R(X) = X3 + X2 + X.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
56
DETECCIÓN DE ERRORES

DIVISIÓN DE POLINOMIOS DEL EJEMPLO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
57
DETECCIÓN DE ERRORES

UN ERROR E(X) NO SE DETECTARÁ SÓLO SI ES DIVISIBLE POR P(X):
 SE DETECTARÁN LOS ERRORES NO DIVISIBLES, SI SE ELIGE
ADECUADAMENTE EL POLINOMIO P(X):
 TODOS LOS ERRORES DE UN ÚNICO BIT SI P(X) TIENE MÁS
DE UN TÉRMINO DISTINTO DE CERO.
 TODOS LOS ERRORES DOBLES SI P(X) TIENE AL MENOS UN
FACTOR CON TRES TÉRMINOS.
 CUALQUIER NÚMERO IMPAR DE ERRORES SI P(X) CONTIENE
EL FACTOR (X + 1).
 CUALQUIER RÁFAGA DE ERRORES CON LONGITUD MENOR
O IGUAL QUE n – k: MENOR O IGUAL QUE LA LONGITUD DE
LA FCS.
 UNA FRACCIÓN DE LAS RÁFAGAS DE ERRORES CON
LONGITUD IGUAL A n – k + 1:
• LA FRACCIÓN ES 1 – 2-(n-k-1).
 UNA FRACCIÓN DE LAS RÁFAGAS DE ERRORES CON
LONGITUDES MAYORES QUE n – k + 1:
• LA FRACCIÓN ES 1 – 2-(n-k).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
58
DETECCIÓN DE ERRORES

SI TODOS LOS PATRONES DE ERROR SON EQUIPROBABLES:
 PARA UNA RÁFAGA DE ERRORES DE LONGITUD r + 1 LA
PROBABILIDAD DE QUE NO SE DETECTE UN ERROR ES 1/2r-1.
 PARA RÁFAGAS MAYORES LA PROBABILIDAD ES 1/2r.
 r ES LA LONGITUD DE LA FCS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
59
DETECCIÓN DE ERRORES

EJ. DE DEFINICIONES DE P(X) USADAS FRECUENTEMENTE:

LA CRC-32 SE USA EN NORMAS IEEE 802 PARA LAN.
LÓGICA DIGITAL
CRC SE PUEDE REPRESENTAR E IMPLEMENTAR CON:
 UN CIRCUITO DIVISOR FORMADO POR PUERTAS EXCLUSIVE-OR.
 UN REGISTRO DE DESPLAZAMIENTO.


TEORÍA DE LA INFORMACIÓN - CÓDIGOS
60
DETECCIÓN DE ERRORES

EJEMPLO: CIRCUITO CON REGISTROS DE DESPLAZAMIENTO PARA
DIVIDIR POR EL POLINOMIO X5 + X4 + X2 + 1:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
61
DETECCIÓN DE ERRORES

ARQUITECTURA GENÉRICA DE UNA CRC PARA IMPLEMENTAR LA
DIVISIÓN POR (1 + A1X + A2X2 + … + An-1Xn-k-1 + Xn-k):
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
62
INTRODUCCIÓN A CÓDIGOS
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
63
INTRODUCCIÓN A CÓDIGOS

DEFINICIÓN: SE CONSIDERA UN CONJUNTO FINITO A={a1, a2, ... aq},
AL QUE SE DENOMINA ALFABETO, A SUS ELEMENTOS, a1, a2, ... aq,
SE LOS LLAMA LETRAS O SÍMBOLOS. LAS SUCESIONES FINITAS
DE ELEMENTOS DE A SE LLAMAN PALABRAS.

LA PALABRA ai1ai2...ain SE DICE QUE TIENE LONGITUD n O BIEN
QUE ES UNA n-PALABRA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
64
INTRODUCCIÓN A CÓDIGOS

EL CONJUNTO DE TODAS LAS PALABRAS SOBRE EL ALFABETO A
SE DENOTARÁ COMO A* (CON INDEPENDENCIA DE LA LONGITUD
DE LAS PALABRAS).

DEFINICIÓN: UN CÓDIGO SOBRE EL ALFABETO A ES UN
SUBCONJUNTO C DE A*, (CONJUNTO FORMADO POR PALABRAS
DEL ALFABETO).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
65
INTRODUCCIÓN A CÓDIGOS



A LOS ELEMENTOS DEL CÓDIGO C SE LES LLAMA PALABRAS DE
CÓDIGO.
EL NÚMERO DE ELEMENTOS DEL CÓDIGO C, QUE NORMALMENTE
SERÁ FINITO, SE DENOTA POR |C| Y SE DENOMINA TAMAÑO DEL
CÓDIGO.
SI C ES UN CÓDIGO SOBRE A Y A TIENE q ELEMENTOS (|A|=q)
ENTONCES SE DICE QUE C ES UN CÓDIGO q-ARIO:
 EJEMPLO: A = Z2 = {0,1}: CÓDIGOS BINARIOS.
 EJEMPLO DE CÓDIGO BINARIO: C = {0100,0010,0111}.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
66
INTRODUCCIÓN A CÓDIGOS




DEFINICIÓN: SI C ES UN CÓDIGO CUYAS PALABRAS TIENEN
TODAS LA MISMA LONGITUD n, SE DICE QUE C ES UN CÓDIGO DE
LONGITUD FIJA O UN CÓDIGO DE BLOQUES Y A n SE LE LLAMA
LONGITUD DEL CÓDIGO C.
EL CÓDIGO C ANTERIOR ES UN CÓDIGO DE BLOQUES DE
LONGITUD 4.
C = {011, 1011, 10} NO ES UN CÓDIGO DE BLOQUES:
 NO SE PUEDE HABLAR DE LA LONGITUD DEL CÓDIGO.
SI C ES UN CÓDIGO DE LONGITUD n Y TAMAÑO m SE DICE QUE C
ES UN (n,m)-CÓDIGO:
 C = {0100,0010,0111} ES (4,3) CÓDIGO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
67
INTRODUCCIÓN A CÓDIGOS

DADO UN ALFABETO S AL QUE DENOMINAREMOS ALFABETO
FUENTE Y DADO UN CÓDIGO C SOBRE EL ALFABETO A, SE
LLAMA FUNCIÓN DE CODIFICACIÓN A UNA APLICACIÓN
BIYECTIVA f:

S ES EL ALFABETO EN EL CUAL ESTÁ LA INFORMACIÓN QUE SE
QUIERE CODIFICAR.
UNA APLICACIÓN BIYECTIVA ENTRE 2 CONJUNTOS ES UNA
APLICACIÓN:
 INYECTIVA: ELEMENTOS DIFERENTES TIENEN IMÁGENES
DIFERENTES; Y.
 SOBREYECTIVA: LOS ELEMENTOS DEL CONJUNTO C SON
IMÁGENES DE ALGÚN ELEMENTO DE S, EN ESTE CASO DE 1 YA
QUE LA APLICACIÓN ES INYECTIVA.

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
68
INTRODUCCIÓN A CÓDIGOS


A VECES f NO SERÁ UNA APLICACIÓN BIYECTIVA; SI f NO FUESE
INYECTIVA HABRÍA VARIOS SÍMBOLOS DEL ALFABETO FUENTE
QUE SE CODIFICARÍAN DE LA MISMA FORMA:
 HARÍA LA DECODIFICACIÓN MUY DIFÍCIL.
CUANDO f ES BIYECTIVA HABLAMOS DE CÓDIGOS
DESCIFRABLES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
69
INTRODUCCIÓN A CÓDIGOS

EJEMPLO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
70
INTRODUCCIÓN A CÓDIGOS

POLIVIO O CÓDIGO DE FUEGO GRIEGO (208 A.C.):
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
71
INTRODUCCIÓN A CÓDIGOS


ESTE CÓDIGO NO PERMITE DETECTAR Y/O CORREGIR ERRORES.
CÓDIGO MORSE:
 SE
USA PARA TRANSMISIONES TELEGRÁFICAS, PARA
CODIFICAR UN MENSAJE FUENTE EN LENGUAJE NATURAL.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
72
INTRODUCCIÓN A CÓDIGOS





ESTE CÓDIGO NO ES DE LONGITUD FIJA:
 LAS LETRAS MÁS FRECUENTES SE CODIFICAN CON PALABRAS
CORTAS.
 LAS LETRAS MENOS USADAS SE CODIFICAN CON PALABRAS
MÁS LARGAS.
 ESTO ES PARA CONSEGUIR MÁS EFICIENCIA.
LOS ESPACIOS SE USAN PARA SEPARAR PALABRAS (6 ESPACIOS).
ESTE CÓDIGO NO PERMITE CORREGIR Y/O DETECTAR ERRORES Y
NO TIENE FINES CRIPTOGRÁFICOS.
CÓDIGO
ASCII
(AMERICAN
STANDARD
CODE
FOR
INFORMATION INTERCHANGE).
EL ASCII ESTÁNDAR USA PALABRAS DE 7 BITS:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
73
INTRODUCCIÓN A CÓDIGOS

EL CÓDIGO ASCII EXTENDIDO USA PALABRAS DE 8 BITS:

AL CÓDIGO ASCII DE 7 BITS SE LE AÑADE UN BIT DE PARIDAD
PARA QUE EL NÚMERO DE 1 DE LA PALABRA SEA PAR:
 ESTE ES EL CÓDIGO ASCII ESTÁNDAR CON CONTROL DE
PARIDAD.
EL CÓDIGO ASCII ESTÁNDAR:
 AL AÑADIR EL BIT DE PARIDAD SI SE CAMBIA UN BIT LA
PALABRA QUE SE OBTIENE NO ES VÁLIDA:
 EL NÚMERO DE 1 PASA A SER IMPAR CON LO QUE SE
DETECTA EL ERROR.
 ESTE CÓDIGO SÓLO DETECTA ERRORES, NO PUEDO SABER
CUÁL FUE LA PALABRA QUE SE ENVIÓ.

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
74
INTRODUCCIÓN A CÓDIGOS







EL ASCII CON CONTROL DE PARIDAD ES UN (8,128) CÓDIGO,
MIENTRAS QUE EL ASCII ESTÁNDAR ES UN (7,128) CÓDIGO.
EL CÓDIGO ASCII EXTENDIDO ES UN (8,256) CÓDIGO.
EL CÓDIGO ASCII NO ES MUY EFICIENTE YA QUE ES DE
LONGITUD FIJA Y USA EL MISMO NÚMERO DE BITS PARA
CODIFICAR CARACTERES FRECUENTES Y POCO FRECUENTES.
EN ESTE CÓDIGO NO HACE FALTA SEPARAR LAS PALABRAS YA
QUE CADA PALABRA TIENE UN NÚMERO FIJO DE BITS.
LA VENTAJA DEL ASCII CON BIT DE PARIDAD SOBRE EL ASCII
ESTÁNDAR ES QUE PERMITE DETECTAR ERRORES Y SE PUEDE
PEDIR REPETIR LA TRANSMISIÓN HASTA QUE ÉSTA SEA
CORRECTA.
EL INCONVENIENTE ES QUE ES MENOS EFICIENTE YA QUE PARA
TRANSMITIR LA MISMA INFORMACIÓN USA PALABRAS DE 8 BITS
EN LUGAR DE PALABRAS DE 7 BITS.
PARA DETECTAR Y CORREGIR ERRORES A LOS CÓDIGOS SE LES
AÑADE REDUNDANCIA CON LO QUE SE PIERDE EFICIENCIA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
75
CÓDIGOS DETECTORES DE ERRORES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
76
CÓDIGOS DETECTORES DE ERRORES



SE INTENTA BUSCAR UNA TRANSMISIÓN PRECISA ENTRE DOS
PUNTOS.
ESTOS CÓDIGOS SE USAN CUANDO SE REALIZA UNA
TRANSMISIÓN POR UN CANAL RUIDOSO:
 UN CANAL ES EL MEDIO FÍSICO POR EL CUAL SE REALIZA LA
TRANSMISIÓN.
 UN CANAL RUIDOSO ES UN CANAL QUE ESTÁ SUJETO A
PERTURBACIONES Y QUE GENERA ALTERACIONES EN EL
MENSAJE.
LOS CÓDIGOS DETECTORES DE ERRORES SE USAN PARA
RECUPERAR LA INFORMACIÓN QUE LLEGÓ INCORRECTAMENTE:
 SE USAN TAMBIÉN EN LOS CD, PARA QUE LA INFORMACIÓN
SE RECUPERE A PESAR DE QUE EL CD ESTÉ RAYADO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
77
CÓDIGOS DETECTORES DE ERRORES

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
78
CÓDIGOS DETECTORES DE ERRORES





LA CODIFICACIÓN Y DECODIFICACIÓN DEBEN SER FÁCILES Y
RÁPIDAS.
LA TRANSMISIÓN A TRAVÉS DEL CANAL DEBE SER RÁPIDA.
SE DEBE:
 MAXIMIZAR LA CANTIDAD DE INFORMACIÓN TRANSMITIDA
POR UNIDAD DE TIEMPO.
 DETECTAR Y CORREGIR ERRORES.
ESTA ÚLTIMA CARACTERÍSTICA ENTRA EN CONFLICTO CON LAS
ANTERIORES:
 HACE QUE AUMENTE EL TAMAÑO DE LO QUE SE TRANSMITE.
EL CÓDIGO DEBE SER LO MÁS EFICIENTE POSIBLE Y DEBE
PERMITIR DETECTAR Y CORREGIR ERRORES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
79
CÓDIGOS DETECTORES DE ERRORES



EL CANAL ACEPTA SÍMBOLOS DE UN ALFABETO FINITO A={a1, a2,
... aq} QUE LLAMAREMOS ALFABETO DEL CANAL (EJEMPLO: A =
{0, 1}).
PARA SABER QUÉ TAN RUIDOSO ES UN CANAL SE DEBE CONOCER
CUÁL ES LA PROBABILIDAD DE QUE SI SE EMITE UN SÍMBOLO SE
RECIBA OTRO SÍMBOLO:
 P(aj RECIBIDO | ai ENVIADO):
 PROBABILIDAD DE QUE SI SE HA ENVIADO ai SE RECIBA aj.
 CUANDO ESTE CONJUNTO DE PROBABILIDADES SE CONOCE
PARA TODOS LOS VALORES DE i Y j CONOCEMOS LAS
CARACTERÍSTICAS DEL CANAL.
EL CANAL PERFECTO SERÍA AQUÉL EN EL QUE:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
80
CÓDIGOS DETECTORES DE ERRORES



A ESTAS PROBABILIDADES SE LES LLAMA PROBABILIDADES DEL
CANAL O PROBABILIDADES DE TRANSICIÓN.
EL CANAL PERFECTO NO EXISTE EN LA PRÁCTICA.
DEFINICIÓN: UN CANAL ES UN ALFABETO (DE CANAL) A={a1, a2,
... aq} Y UN CONJUNTO DE PROBABILIDADES DE TRANSICIÓN P(aj
RECIBIDO | ai ENVIADO) QUE SATISFACEN:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
81
CÓDIGOS DETECTORES DE ERRORES



EL RUIDO SE DISTRIBUYE ALEATORIAMENTE:
 LA PROBABILIDAD DE QUE UN SÍMBOLO SEA CAMBIADO POR
OTRO EN LA TRANSMISIÓN ES LA MISMA PARA TODOS LOS
SÍMBOLOS.
LA TRANSMISIÓN DE UN SÍMBOLO NO ESTÁ INFLUENCIADA POR
LA TRANSMISIÓN DEL SÍMBOLO PRECEDENTE NI DE LOS
ANTERIORES:
 EL CANAL ES UN CANAL SIN MEMORIA.
EL ERROR EN LA TRANSMISIÓN DE UN SÍMBOLO NO AFECTA A LA
TRANSMISIÓN DE LOS SIGUIENTES SÍMBOLOS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
82
CÓDIGOS DETECTORES DE ERRORES

UN CANAL USADO FRECUENTEMENTE ES EL CANAL BINARIO
SIMÉTRICO (BINARY SIMETRIC CHANNEL: BSC). EL ALFABETO
DEL CANAL ES A={0,1}.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
83
CÓDIGOS DETECTORES DE ERRORES








0  p  1.
1-p: PROBABILIDAD DEL CANAL.
p: PROBABILIDAD DEL CRUCE.
p: PROBABILIDAD DE QUE UN 0 SEA RECIBIDO COMO UN 1.
1-p: PROBABILIDAD DE QUE UN 0 SEA RECIBIDO COMO UN 0.
p = 0: CANAL PERFECTO.
p = 1: SIEMPRE SE COMETE ERROR.
EN UN CANAL SIMÉTRICO:
 EXISTE LA MISMA PROBABILIDAD DE QUE UN SÍMBOLO SE
RECIBA INCORRECTAMENTE.
 SI UN SÍMBOLO SE RECIBE INCORRECTAMENTE HAY LA
MISMA PROBABILIDAD DE QUE SE RECIBA CUALQUIER OTRO
SÍMBOLO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
84
CÓDIGOS DETECTORES DE ERRORES


SI SE QUIERE DETECTAR ERRORES:
 SE DEBE DISEÑAR UN CÓDIGO DE TAL FORMA QUE SI A UNA
PALABRA DEL CÓDIGO SE LE CAMBIA UN ÚNICO SÍMBOLO LA
PALABRA RESULTANTE NO SEA UNA PALABRA DEL CÓDIGO
PARA ASÍ PODER SABER QUE SE HA PRODUCIDO UN ERROR.
SI ADEMÁS SE QUIERE CORREGIR ERRORES:
 HAY QUE SABER CUÁL ES LA PALABRA ENVIADA.
 LA IDEA BÁSICA ES COMPARAR LA PALABRA RECIBIDA CON
TODAS LAS PALABRAS DEL CÓDIGO Y ASIGNARLE LA
PALABRA QUE DIFIERA EN MENOS SÍMBOLOS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
85
CÓDIGOS DETECTORES DE ERRORES

EJEMPLO:

ESTE CÓDIGO NO SERVIRÍA PARA DETECTAR ERRORES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
86
CÓDIGOS DETECTORES DE ERRORES


SI SE PRODUCEN ERRORES LAS PALABRAS QUE SE OBTIENEN SON
PALABRAS DEL CÓDIGO.
PARA DETECTAR ERRORES HAY QUE AÑADIR REDUNDANCIA:
 SE MODIFICA EL CÓDIGO PARA CONSEGUIR QUE LAS
PALABRAS DEL CÓDIGO SE PAREZCAN MENOS ENTRE SÍ.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
87
CÓDIGOS DETECTORES DE ERRORES

SE CONSIDERA:

SI SE RECIBE 111010:
 SE VE QUE NO ES UNA PALABRA VÁLIDA DEL CÓDIGO Y SE
DETECTA QUE SE HA COMETIDO UN ERROR.
 SE COMPARA ESTA PALABRA CON LAS PALABRAS DEL
CÓDIGO Y SE VE EN CUÁNTOS SÍMBOLOS SE DIFERENCIA DE
LAS PALABRAS DEL CÓDIGO.
 SE VE QUE LA PALABRA MÁS PRÓXIMA ES LA 101010 YA QUE
SÓLO CAMBIA UN SÍMBOLO, POR LO QUE SE PODRÍA
ASIGNARLE ESTA PALABRA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
88
CÓDIGOS DETECTORES DE ERRORES


ESTE CÓDIGO TIENE LA PROPIEDAD DE QUE SI AL TRANSMITIR
UNA PALABRA SE COMETE UN ÚNICO ERROR SIEMPRE SE PUEDE
RECUPERAR LA PALABRA ORIGINALMENTE TRANSMITIDA YA
QUE DISTA UNO DE UNA PALABRA Y MÁS DE UNO DEL RESTO DE
PALABRAS.
SE DICE QUE ESTE CÓDIGO CORRIGE UN ERROR:
 ESTO SE LOGRA A COSTA DE AUMENTAR LA LONGITUD DEL
CÓDIGO.
 SE NECESITA EL TRIPLE DE TIEMPO Y ESPACIO PARA
TRANSMITIR LA MISMA INFORMACIÓN: DISMINUYE LA
EFICIENCIA DEL CÓDIGO.
 ESTE CÓDIGO SE DENOMINA CÓDIGO DE REPETICIÓN.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
89
CÓDIGOS DETECTORES DE ERRORES



CLASES RESIDUALES MÓDULO n.
DADO:
SEA n  Z, n 2. DADOS a, b  Z SE DICE QUE a ES CONGRUENTE
CON b MÓDULO n SI:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
90
CÓDIGOS DETECTORES DE ERRORES



LA RELACIÓN DE CONGRUENCIA MÓDULO n ES UNA RELACIÓN
DE EQUIVALENCIA, YA QUE ES REFLEXIVA, SIMÉTRICA Y
TRANSITIVA.
LA RELACIÓN DE EQUIVALENCIA PERMITE DEFINIR LAS CLASES
DE EQUIVALENCIA a  Z.
LA CLASE DE EQUIVALENCIA DE a SE DEFINE COMO AQUELLOS
NÚMEROS RELACIONADOS CON a:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
91
CÓDIGOS DETECTORES DE ERRORES

EL CONJUNTO DE TODAS LAS CLASES DE EQUIVALENCIA
FORMAN UNA PARTICIÓN DE Z.
AL CONJUNTO DE TODAS LAS CLASES DE EQUIVALENCIA SE LE
DENOMINA CONJUNTO COCIENTE (SUS ELEMENTOS SON
CLASES).

SEAN a,b  Z:

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
92
CÓDIGOS DETECTORES DE ERRORES

EN LA DIVISIÓN ENTERA EL RESTO O RESIDUO ES ÚNICO.

CADA ELEMENTO ESTÁ EN LA MISMA CLASE DE EQUIVALENCIA
QUE SU RESTO AL DIVIDIR POR n.
EL NÚMERO DE CLASES ES EL NÚMERO DE POSIBLES RESTOS AL
DIVIDIR POR n (n CLASES).

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
93
CÓDIGOS DETECTORES DE ERRORES

DEFINICIÓN: SEA C UN (n,m)-CÓDIGO q-ARIO (|A| = q, SIENDO A EL
ALFABETO). SE DEFINE LA TASA DE INFORMACIÓN (O DE
TRANSMISIÓN) DE C COMO:

EN EL CASO BINARIO SE TIENE:

ESTA DEFINICIÓN EXPRESA LA RELACIÓN QUE HAY ENTRE:
 LOS SÍMBOLOS DEL CÓDIGO DEDICADOS A LA INFORMACIÓN.
 LOS SÍMBOLOS DEDICADOS A LA REDUNDANCIA (DETECTAR
Y/O CORREGIR ERRORES).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
94
CÓDIGOS DETECTORES DE ERRORES

EJEMPLO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
95
CÓDIGOS DETECTORES DE ERRORES


ESTE CÓDIGO NO CORRIGE NI DETECTA ERRORES:
 TODOS LOS SÍMBOLOS ESTÁN DEDICADOS A LA TRANSMISIÓN
DE INFORMACIÓN.
 ESTE CÓDIGO TIENE LA MÁXIMA TASA DE TRANSMISIÓN.
PARA CORREGIR UN ERROR SE AÑADE UN BIT DE PARIDAD.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
96
CÓDIGOS DETECTORES DE ERRORES



LA TASA DE INFORMACIÓN DISMINUYE:
 SE AÑADIÓ UN BIT PARA DETECTAR ERRORES PERO NO
TRANSMITE INFORMACIÓN.
 SE PUEDE VER ESTO COMO EL COCIENTE ENTRE EL NÚMERO
DE SÍMBOLOS DEDICADOS A LA INFORMACIÓN Y EL NÚMERO
TOTAL DE SÍMBOLOS.
DADO R NO PODEMOS DETERMINAR SI EL CÓDIGO PERMITE
DETECTAR Y/O CORREGIR ERRORES.
CONOCIENDO R SABEMOS LA EFICIENCIA DEL CÓDIGO:
 LOS CÓDIGOS MÁS EFICIENTES TIENEN R = 1.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
97
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
98
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

SE CONSIDERA:

u ES LA PALABRA TRANSMITIDA Y w ES LA PALABRA RECIBIDA.
PARA DESCODIFICAR SE USA UNA REGLA DE DECISIÓN QUE ES
UNA APLICACIÓN DE An EN C:

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
99
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA




SI f(w) = u DESCODIFICO w COMO u.
SI w YA ES UNA PALABRA DEL CÓDIGO ENTONCES f(w) = w.
SE TIENE UNA REGLA DE DECISIÓN f: An  C QUE VERIFICA:
ESTO SIGNIFICA QUE f(w) TIENE LA PROPIEDAD DE QUE NO HAY
NINGUNA OTRA PALABRA DEL CÓDIGO CON MAYOR
PROBABILIDAD DE HABER SIDO ENVIADA:
 SI ESTO SE CUMPLE SE DICE QUE f ES UNA REGLA DE
DECISIÓN DE PROBABILIDAD MÁXIMA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
100
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

SI SE USA UN BSC:
 NO CONOCEMOS EL VALOR DE 1-p.
 NO SE CALCULAN PROBABILIDADES, SE VE CUÁL ES LA
PALABRA DE CÓDIGO MÁS PRÓXIMA A LA PALABRA
RECIBIDA:
 ESTO COINCIDE, PARA UN BSC, CON LA DESCODIFICACIÓN
DE PROBABILIDAD MÁXIMA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
101
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA




PROPOSICIÓN: DADO UN BSC CON 0  p  ½ LA REGLA DE
DECISIÓN DE PROBABILIDAD MÁXIMA CONSISTE EN ELEGIR LA
PALABRA DE CÓDIGO QUE DIFIERA DE LA PALABRA RECIBIDA EN
EL NÚMERO MÍNIMO DE SÍMBOLOS POSIBLES.
LA PROBABILIDAD DE QUE UNA PALABRA TENGA k ERRORES EN
k POSICIONES DADAS ES pk (1-p)k.
SI SE ENVÍA v Y LA PALABRA RECIBIDA w DIFIERE DE v EN k
LUGARES:
 LA PROBABILIDAD P(w RECIBIDO | v ENVIADO) = pk (1-p)k.
PUEDE OCURRIR QUE HAYA VARIAS PALABRAS A DISTANCIA
MÍNIMA (MLD).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
102
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA



SE DICE QUE LA DESCODIFICACIÓN ES COMPLETA SI SÓLO HAY
UNA PALABRA POSIBLE CON DISTANCIA MÍNIMA.
SE DICE QUE LA DESCODIFICACIÓN ES INCOMPLETA CUANDO
HAY MÁS DE UNA POSIBLE PALABRA CON DISTANCIA MÍNIMA
Y SE PRODUCE UN ERROR.
DEFINICIÓN: SEA A UN ALFABETO Y u,w  An; SE DEFINE LA
DISTANCIA HAMMING d(u,w) COMO EL NÚMERO DE POSICIONES
EN LAS QUE DIFIEREN u Y w.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
103
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

ESTA APLICACIÓN ES UNA MÉTRICA:
 ES DEFINIDA POSITIVA:

ES SIMÉTRICA:

PRESENTA DESIGUALDAD TRIANGULAR:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
104
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

DEFINICIÓN: SE LLAMA DISTANCIA MÍNIMA (O DISTANCIA) DE
UN CÓDIGO C A:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
105
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA



DEFINICIÓN: UN CÓDIGO C ES t-DETECTOR (DE ERRORES), t  Z+,
SI EL NÚMERO DE ERRORES COMETIDOS AL TRANSMITIR UNA
PALABRA ES:
 MAYOR O IGUAL QUE 1 Y.
 MENOR O IGUAL QUE t.
 ENTONCES LA PALABRA RESULTANTE NO ES UNA PALABRA
DEL CÓDIGO.
C SE DICE QUE ES EXACTAMENTE t-DETECTOR CUANDO ES tDETECTOR PERO NO ES (t+1)-DETECTOR.
PROPOSICIÓN: UN CÓDIGO C ES EXACTAMENTE t-DETECTOR SI
Y SÓLO SI d(C) = t+1.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
106
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA



DEFINICIÓN: UN CÓDIGO C ES t-CORRECTOR DE ERRORES SI:
 LA DESCODIFICACIÓN PERMITE CORREGIR TODOS LOS
ERRORES DE TAMAÑO t O MENOR EN UNA PALABRA DEL
CÓDIGO.
 SE SUPONE QUE CUANDO HAY VARIAS PALABRAS DEL
CÓDIGO EQUIDISTANTES DE LA PALABRA RECIBIDA EL
PROCESO DE DESCODIFICACIÓN DECLARA UN ERROR Y NO SE
COMPLETA.
UN CÓDIGO C SE DICE QUE ES EXACTAMENTE t-CORRECTOR
CUANDO ES t-CORRECTOR PERO NO ES (t+1)-CORRECTOR.
ERROR DE TAMAÑO t: ERROR EN EL CUAL EL N° DE ERRORES ES
t.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
107
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA


PROPOSICIÓN: UN CÓDIGO C ES EXACTAMENTE t-CORRECTOR
SI Y SÓLO SI d(C) = 2t + 1 O 2t + 2.
EJEMPLO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
108
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA


LA PALABRA RECIBIDA w DISTA t+1 DE u Y DISTA t DE v, LUEGO
EL CÓDIGO NO CORRIGE t+1 ERRORES.
DEFINICIÓN: UN CÓDIGO DE LONGITUD n, TAMAÑO m Y
DISTANCIA d SE DICE QUE ES UN (n,m,d) – CÓDIGO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
109
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

EJEMPLOS:
CÓDIGO DE REPETICIÓN BINARIA DE LONGITUD n:

ESTE CÓDIGO CORRIGE  (n-1) / 2  ERRORES.

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
110
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

EL MARINER 9 (1979) TOMÓ FOTOS EN BLANCO Y NEGRO DE
MARTE:
 LAS IMÁGENES ERAN DE 600X600 Y CON 64 NIVELES DE GRIS.
 SE USÓ UN CÓDIGO BINARIO DE TAMAÑO 64; UN (32, 64, 16)CÓDIGO (CÓDIGO DE REED-MULLER):
 ESTE ERA UN CÓDIGO 7-CORRECTOR.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
111
DISTANCIA HAMMING Y
DESCODIFICACIÓN POR DISTANCIA
MÍNIMA

EL VOYAGER (1979-1981) TOMÓ FOTOS EN COLOR DE JÚPITER Y
SATURNO DE 4096 COLORES:
 SE USÓ UN (24, 4096, 8)-CÓDIGO (CÓDIGO DE GOLAY):
 ESTE ERA UN CÓDIGO 3-CORRECTOR.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
112
CÓDIGOS PERFECTOS
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
113
CÓDIGOS PERFECTOS

DEFINICIÓN: SEA A UN ALFABETO, |A| = q, v  An Y r  R, r  0. LA
ESFERA DE RADIO r Y CENTRO v ES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
114
CÓDIGOS PERFECTOS

EL VOLUMEN DE Sq(v,r) ES |Sq(v,r)| Y ESTÁ DADO POR:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
115
CÓDIGOS PERFECTOS


EJEMPLO:
SE TIENE:
 A = {0, 1}.
 n = 3.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
116
CÓDIGOS PERFECTOS



DEFINICIÓN: SEA C  An. EL RADIO DE EMPAQUETAMIENTO DE C
ES EL MAYOR ENTERO r TAL QUE TODAS LAS ESFERAS DE RADIO
r (Sq (v,r), v  C) SON DISJUNTAS.
DEFINICIÓN: EL RADIO DE RECUBRIMIENTO ES EL MENOR
ENTERO s TAL QUE LA UNIÓN DE TODAS LAS ESFERAS DE RADIO s
ES An.
r = pr(C); s = cr(C).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
117
CÓDIGOS PERFECTOS

PROPOSICIÓN:
 UN CÓDIGO C ES t-CORRECTOR SI Y SÓLO SI LAS ESFERAS DE
RADIO t Sq (v,t), v  C, SON DISJUNTOS.
 C ES EXACTAMENTE t-CORRECTOR SI Y SÓLO SI pr(c) = t.
 EL RADIO DE EMPAQUETAMIENTO DE UN (n,m,d)-CÓDIGO
ES:

DEFINICIÓN: UN CÓDIGO C  An SE DICE PERFECTO CUANDO
cr(C) = pr(C), ES DECIR, CUANDO EXISTE UN ENTERO r TAL QUE Sq
(v,r), v  C, SON DISJUNTAS Y RECUBREN An:
 EN ESTE CASO LAS ESFERAS DE RADIO r FORMAN UNA
PARTICIÓN DE An.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
118
CÓDIGOS PERFECTOS










EJEMPLO:
H2 (3) (HAMMING): ES UN (7,16,3)-CÓDIGO BINARIO.
ESTE ES UN CÓDIGO 1-CORRECTOR.
d = 3 ; t = 1 = pr(H2(3)); m = |H2 (3)| = 16.
VERIFICACIÓN ACERCA DE SI ESTE CÓDIGO ES PERFECTO:
|An| = |Z27| = 27 = 128.
SE DEBE VERIFICAR QUE:
 LAS ESFERAS DE RADIO 1 RECUBREN Z27.
 LA UNIÓN DE TODAS LAS ESFERAS TIENE 128 ELEMENTOS.
V2(7,1) = |S2(v,1)| = 1 + 7 = 8.
HAY 16 ESFERAS: TIENEN 8·16 PALABRAS = 128.
EL CÓDIGO ES PERFECTO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
119
CÓDIGOS PERFECTOS

PROPOSICIÓN (CONDICIÓN DE EMPAQUETAMIENTO DE
ESFERAS): SEA C UN (n,m,d)-CÓDIGO q-ARIO. C ES PERFECTO SI
Y SÓLO SI d = 2t + 1 ES IMPAR Y ADEMÁS n·Vq(n,t) = qn, ES DECIR:

(n,m,d)-CÓDIGO q-ARIO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
120
CÓDIGOS PERFECTOS



LA EFICIENCIA Y LA CAPACIDAD DE CORREGIR ERRORES SON
INCOMPATIBLES:
 PARA CORREGIR ERRORES LAS PALABRAS DEBEN SER
LARGAS, CON LO QUE SE REDUCE LA EFICIENCIA.
 SE BUSCAN CÓDIGOS ÓPTIMOS QUE COMBINEN ESTAS DOS
PROPIEDADES.
DEFINICIÓN: LA TASA DE CORRECCIÓN DE ERRORES DE UN
(n,m,d)-CÓDIGO C ES:
ES EL NÚMERO DE ERRORES QUE SE CORRIGEN EN RELACIÓN A LA
LONGITUD DE LAS PALABRAS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
121
CÓDIGOS PERFECTOS

EJEMPLO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
122
CÓDIGOS PERFECTOS




CUANTO MAYOR SEA LA LONGITUD DEL CÓDIGO MÁS AUMENTA
LA TASA DE CORRECCIÓN DE ERRORES (HASTA EL LÍMITE DE 0.5).
NO SE CORRIGEN ERRORES CUANDO TODAS LAS PALABRAS DE An
SON PALABRAS DEL CÓDIGO.
EL PROBLEMA DE CUÁLES SON LOS MEJORES CÓDIGO AÚN NO
ESTÁ RESUELTO.
LA TASA DE CORRECCIÓN DE ERRORES ESTÁ DADA POR d Y n:
 SE FIJAN d Y n Y SE TRATA DE OPTIMIZAR m PARA QUE EL
CÓDIGO TENGA R LO MAYOR POSIBLE.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
123
CÓDIGOS PERFECTOS




SE DEFINE:
Aq(n,d) := MAX {m / EXISTE (n,m,d)-CÓDIGO q-ARIO}.
UN (n, Aq(n,d),d)-CÓDIGO SE DICE QUE ES UN CÓDIGO OPTIMABLE.
PROBLEMA PRINCIPAL DE LA TEORÍA DE CÓDIGOS:
DETERMINAR EL VALOR DE Aq(n,d).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
124
CÓDIGOS PERFECTOS




SEGÚN SHANNON EN “A MATHEMATICA THEORY OF
COMMUNICATION”:
TEOREMA DEL CANAL RUIDOSO: ESTE TEOREMA DEMUESTRA
QUE EXISTEN BUENOS CÓDIGOS PERO NO DICE CÓMO
OBTENERLOS.
PARA UN BSC CON PROBABILIDAD DE PASO p LA CAPACIDAD ES:
SE CONSIDERA UN BSC CON CAPACIDAD C(p):
 SI R(C) < C(p) ENTONCES PARA CADA  > 0 EXISTE UN (n,m)CÓDIGO C CUYA TASA DE TRANSMISIÓN ES MAYOR O IGUAL
QUE R Y PARA EL CUAL P(ERROR DE DESCODIFICACIÓN) < .
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
125
CÓDIGOS PERFECTOS



EJEMPLO:
BSC CON p = 0.01; C(p) = 0.919 (CASI 92%).
PODEMOS ENCONTRAR UN CÓDIGO CON R = 0.919 Y CON
PROBABILIDAD DE ERROR ARBITRARIAMENTE BAJA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
126
CÓDIGOS LINEALES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
127
CÓDIGOS LINEALES










LOS CÓDIGOS LINEALES SON ESPACIOS VECTORIALES SOBRE UN
CUERPO FINITO.
LOS ALFABETOS QUE USAREMOS SON CUERPOS FINITOS (K).
Zp = {0,1....p-1}.
q = pr: p PRIMO.
Fq: CUERPO FINITO CON q ELEMENTOS.
EN PARTICULAR, SI q = p (PRIMO), ENTONCES Fq = Fp = Zp.
F2 = Z2 = {0,1}.
F3 = {0,1,2}.
F5 = {0,1,2,3,4}.
DEFINICIÓN: UN CÓDIGO LINEAL DE LONGITUD n SOBRE K ES
UN K-SUBESPACIO VECTORIAL C DE Kn.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
128
CÓDIGOS LINEALES

K = Z2.

EN EL CASO BINARIO LA SUMA DE DOS PALABRAS DEBE SER UNA
PALABRA DEL CÓDIGO.

C = {010}: NO ES UN CÓDIGO LINEAL, YA QUE NO CONTIENE A 000.
C = {000,010,110}: NO ES UN CÓDIGO LINEAL YA QUE 110 + 010 = 100
 C.

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
129
CÓDIGOS LINEALES


UN CÓDIGO LINEAL BINARIO TIENE UN NÚMERO DE PALABRAS
QUE ES POTENCIA DE 2.
UN CÓDIGO LINEAL C SOBRE K DE LONGITUD n Y DIMENSIÓN k
SE DICE QUE ES UN [n,k]-CÓDIGO (LINEAL):
 SI LA DISTANCIA ES d, SE DICE QUE ES UN [n,k,d]-CÓDIGO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
130
CÓDIGOS LINEALES




DEFINICIÓN: SEA C UN CÓDIGO (NO NECESARIAMENTE LINEAL)
Y v  C UNA PALABRA DEL CÓDIGO. SE DEFINE EL PESO DE v
COMO EL NÚMERO w(v) DE SÍMBOLOS NO NULOS DE v:
 v = 10010: w(v) = 2.
PROPOSICIÓN: SEA C UN CÓDIGO LINEAL Y u,v  C. ENTONCES SE
VERIFICA:
 d(u,v) = w(u-v).
 w(u) = d(u,0).
DEFINICIÓN: SEA C UN CÓDIGO. SE LLAMA PESO DE C (O PESO
MÍNIMO DE C) A:
PROPOSICIÓN: SI C ES UN CÓDIGO LINEAL ENTONCES d(C) =
w(C).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
131
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
132
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES


DEFINICIÓN: SEA C UN [n,k]-CÓDIGO LINEAL SOBRE UN CUERPO
K (C  Kn). UNA MATRIZ GENERATRIZ DE C ES UNA MATRIZ DE
Mkxn(K) CUYAS FILAS FORMAN UNA BASE DE C.
C = <101101, 011000, 110101, 001010> ES UN [6,3]-CÓDIGO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
133
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



PARA QUE UNA MATRIZ SEA GENERATRIZ SUS FILAS DEBEN SER
UNA BASE DEL CÓDIGO, DEBEN SER UN CONJUNTO LI
(LINEALMENTE INDEPENDIENTE).
LA MATRIZ DEBE TENER RANGO k (= NÚMERO DE FILAS).
PROPOSICIÓN: SI G  Mkxn(K) CON k  n, G ES MATRIZ
GENERATRIZ DE UN CÓDIGO LINEAL SOBRE K ([n,k]-CÓDIGO) SI Y
SÓLO SI rg(G) = (G) = k.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
134
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

PROPOSICIÓN: SEA C UN [n,k]-CÓDIGO LINEAL SOBRE K Y G
UNA MATRIZ GENERATRIZ DE C:
 ENTONCES:


LA SIGUIENTE APLICACIÓN ES UN ISOMORFISMO DE kESPACIOS VECTORIALES.
INTERESA ENCONTRAR MATRICES GENERATRICES LO MÁS
SENCILLAS POSIBLES PARA QUE LA DESCODIFICACIÓN SEA
SENCILLA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
135
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

DEFINICIÓN: SEA C UN (n,m,d)-CÓDIGO q-ARIO SOBRE UN
ALFABETO A. SE CONSIDERAN LOS DOS TIPOS DE OPERACIONES
SIGUIENTES:
 1) SEA  UNA PERMUTACIÓN DEL CONJUNTO DE ÍNDICES {1, 2,
.... N}. ES UNA APLICACIÓN BIYECTIVA DE UN CONJUNTO EN SI
MISMO. EJEMPLO:

PARA CADA PALABRA DEL CÓDIGO u = u1u2 ...un, ui  A, SE
SUSTITUYE u POR LA PALABRA u(1) u(2) ... u(n)
(PERMUTACIÓN POSICIONAL).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
136
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

2) SEA PARA CADA ÍNDIDE i  {1, 2, ....n}, i: A  A UNA
PERMUTACIÓN. SE SUSTITUYE CADA PALABRA DEL CÓDIGO u
= u1u2 ...un POR u1u2 ... i (ui)... un (PERMUTACIÓN DE SÍMBOLOS).
EJEMPLO:
 i = 3.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
137
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES


DEFINICIÓN: EL CÓDIGO C´ ES EQUIVALENTE AL CÓDIGO C
CUANDO C´ SE OBTIENE A PARTIR DE C MEDIANTE UNA
SUCESIÓN FINITA DE OPERACIONES DE LOS 2 TIPOS ANTERIORES.
EJEMPLO:
C’ = {11120, 10221, 21020, 10120, 22011}
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
138
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

AHORA SE APLICA:

SE APLICA 1:

SE APLICA 4:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
139
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



ESTA RELACIÓN ES UNA RELACIÓN DE EQUIVALENCIA, ES
DECIR, CUMPLE LAS PROPIEDADES REFLEXIVA, SIMÉTRICA Y
TRANSITIVA.
ESTAS OPERACIONES CONSERVAN TODOS LOS PARÁMETROS DEL
CÓDIGO (LONGITUD, TAMAÑO Y DISTANCIA ENTRE PALABRAS):
 DOS
CÓDIGOS
EQUIVALENTES
TIENEN
LOS
MISMOS
PARÁMETROS Y LA MISMA DISTANCIA MÍNIMA, CON LO QUE
TIENEN LA MISMA CAPACIDAD DE CORREGIR ERRORES.
PROPOSICIÓN: SEA C UN CÓDIGO DE LONGITUD n SOBRE EL
ALFABETO A Y u  An. ENTONCES EXISTE UN CÓDIGO C´
EQUIVALENTE A C Y TAL QUE u  C´.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
140
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

DEFINICIÓN: UNA MATRIZ GENERATRIZ G DE UN [n,k]-CÓDIGO
SE DICE NORMALIZADA O ESTÁNDAR CUANDO ES DE LA FORMA
SIGUIENTE:


Ik ES LA MATRIZ IDENTIDAD DE Mk(K) (MATRICES
CUADRADAS k X k).
SI UN CÓDIGO C TIENE UNA MATRIZ GENERATRIZ ESTÁNDAR
SE DICE QUE C ES UN CÓDIGO SISTEMÁTICO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
141
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES





EJEMPLO:
[5,3]-CÓDIGO.
A: k FILAS Y n-k COLUMNAS.
A  Mkx(n-k)(K).
n = k, Kn = C.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
142
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

[n,n]-CÓDIGO.

UN CÓDIGO DE ESTE TIPO ES EL CÓDIGO ASCII ESTÁNDAR.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
143
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

EL CÓDIGO ASCII CON BIT DE PARIDAD:
 ES UN (8,128,2)-CÓDIGO.
 ES UN CÓDIGO LINEAL YA QUE SI SUMAMOS 2 PALABRAS CON
UN NÚMERO PAR DE UNOS OBTENEMOS UNA PALABRA CON
UN NÚMERO PAR DE UNOS.
 ES UN [8,7]-CÓDIGO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
144
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

PROPOSICIÓN: SE VERIFICAN LAS SIGUIENTE PROPIEDADES:
 I) TODO CÓDIGO LINEAL ES EQUIVALENTE A UN CÓDIGO
SISTEMÁTICO.
 II) UN CÓDIGO SISTEMÁTICO POSEE UNA ÚNICA MATRIZ
GENERATRIZ ESTÁNDAR.
 III) SI C ES UN [n,k]-CÓDIGO SISTEMÁTICO ENTONCES PARA
CADA u = u1u2 ...un  Kk EXISTE UNA ÚNICA PALABRA DE
CÓDIGO Cu  C DE LA FORMA Cu = u1u2 ...uk xk+1...xn.
 TOMAMOS TODO Kk Y LE AÑADIMOS n-k SÍMBOLOS DE TAL
FORMA QUE EL CÓDIGO SIGA SIENDO UN EV.
 LAS k PRIMERAS COMPONENTES SE LLAMAN SÍMBOLOS DE
INFORMACIÓN Y LAS n-k SIGUIENTES SE LLAMAN SÍMBOLOS
DE CONTROL O SÍMBOLOS DE REDUNDANCIA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
145
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

CÓDIGO ASCII CON BIT DE PARIDAD:
 LAS 7 PRIMERAS POSICIONES NO CORRIGEN ERRORES,
FORMAN TODO Z72.
 SE AÑADE UN SÍMBOLO DE CONTROL PARA PERMITIR LA
DETECCIÓN DE ERRORES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
146
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



DIFERENCIA ENTRE LA DESCODIFICACIÓN DE FUENTE Y LA
DESCODIFICACIÓN DE CANAL:
LA DESCODIFICACIÓN DE CANAL CONSISTE EN:
 USAR UN CÓDIGO DETECTOR DE ERRORES.
 RECIBIR LAS PALABRAS TRANSMITIDAS.
 SI ÉSTAS NO SON PALABRAS DEL CÓDIGO:
 POR ALGÚN MÉTODO SUSTITUIR LA PALABRA RECIBIDA
POR UNA PALABRA DEL CÓDIGO.
LA DESCODIFICACIÓN DE LA FUENTE CONSISTE EN:
 TOMAR LA INFORMACIÓN Y PASARLA A SU FORMATO
ORIGINAL.
 EN EL CASO DE LOS CÓDIGOS LINEALES LA CODIFICACIÓN Y
DESCODIFICACIÓN DE FUENTE ES BASTANTE EFICIENTE.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
147
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

SEA G LA MATRIZ GENERATRIZ DE UN [n,k]-CÓDIGO C SOBRE K.

ESTA APLICACIÓN ES UN ISOMORFISMO DE EV.
PARA CODIFICAR SE CODIFICA POR BLOQUES:
 SE CONSTRUYE LA FUENTE COMO ELEMENTOS DE Kk.
 SE APLICA EL ISOMORFISMO PASAMOS AL CÓDIGO C.

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
148
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

LA DESCODIFICACIÓN DE FUENTE CONSISTE EN:
 UNA VEZ QUE SE HA RECIBIDO xG RECUPERAR x.
 ESTO SE HACE RESOLVIENDO UN SISTEMA DE ECUACIONES
LINEALES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
149
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES


ESTE SISTEMA TIENE RANGO k:
 TIENE SOLUCIÓN ÚNICA.
HAY k ECUACIONES LI (LINEALMENTE INDEPENDIENTES):
 PODEMOS ELIMINAR n-k ECUACIONES.
 EL NÚMERO DE INCÓGNITAS ES IGUAL AL RANGO DEL
SISTEMA.
 LA SOLUCIÓN ES ÚNICA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
150
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

DEFINICIÓN: SEA C UN [n,k]. EL CÓDIGO DUAL (CÓDIGO
ORTOGONAL) DE C ES EL ESPACIO VECTORIAL ORTOGONAL DE C
CON RESPECTO AL PRODUCTO ESCALAR ORDINARIO DE Kn, ES
DECIR:

PROPOSICIÓN: SI C ES UN [n,k]-CÓDIGO ENTONCES C ES UN [n,nk]-CÓDIGO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
151
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

EJEMPLO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
152
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

DEFINICIÓN: SE LLAMA MATRIZ DE CONTROL (PARITY-CHECK
MATRIX) DE C A CUALQUIER MATRIZ GENERATRIZ DE C. SI H ES
UNA MATRIZ DE CONTROL DE C ENTONCES:

SI C ES UN [n,k]-CÓDIGO Y H ES UNA MATRIZ DE CONTROL DE C,
H  M(n-k)xn(K).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
153
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES




DEFINICIÓN: UN CÓDIGO LINEAL C SE DICE AUTODUAL
CUANDO COINCIDE CON SU DUAL: C = C .
PROPOSICIÓN: SEA C UN CÓDIGO LINEAL SISTEMÁTICO QUE
TIENE UNA MATRIZ GENERATRIZ ESTÁNDAR G = (Ik | A).
ENTONCES P = (At | -In-k) ES UNA MATRIZ DE CONTROL DE C.
DEFINICIÓN: SE DICE QUE LA MATRIZ DE CONTROL P DEL
CÓDIGO C ES UNA MATRIZ DE CONTROL ESTÁNDAR CUANDO ES
DE LA FORMA P = (B | In-k).
SEA C EL CÓDIGO BINARIO DE MATRIZ GENERATRIZ:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
154
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

SE TIENE C = H2 (3) (CÓDIGO DE HAMMING); HALLAR UNA
MATRIZ DE CONTROL DE C.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
155
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES




CARACTERÍSTICAS DE LAS MATRICES GENERATRICES Y LAS
MATRICES DE CONTROL:
LA VENTAJA DE LA MATRIZ GENERATRIZ ES QUE A PARTIR DE
ELLA ES MÁS FÁCIL OBTENER LAS PALABRAS DEL CÓDIGO (CL
(COMBINACIÓN LINEAL) DE SUS FILAS).
PARA EL CÁLCULO DE LA DISTANCIA MÍNIMA ES MEJOR TENER
LA MATRIZ DE CONTROL:
 A PARTIR DE LA MATRIZ GENERATRIZ NO SE CONOCE NINGÚN
MÉTODO DIRECTO PARA OBTENER w(C).
 A PARTIR DE LA MATRIZ DE CONTROL SÍ.
PROPOSICIÓN: SEA P UNA MATRIZ DE CONTROL DE UN [n,k,d]CÓDIGO LINEAL:
 ENTONCES LA DISTANCIA MÍNIMA d ES EL MENOR ENTERO
POSITIVO r PARA EL CUAL EXISTEN r COLUMNAS
LINEALMENTE DEPENDIENTES EN LA MATRIZ P.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
156
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES




LOS
CÓDIGOS
LINEALES
TIENEN
UN
MÉTODO
DE
DESCODIFICACIÓN (DE CANAL) MUY BUENO.
SEA C UN [n,k]-CÓDIGO LINEAL Y H UNA MATRIZ DE CONTROL
DE C, H  M(n-k)xn(K). LA MATRIZ H DEFINE UNA APLICACIÓN
LINEAL:
DEFINICIÓN: SUPONGAMOS QUE SE TRANSMITE LA PALABRA x 
C  Kn Y QUE LA PALABRA RECIBIDA ES y  Kn. ENTONCES A LA
DIFERENCIA  = y – x  Kn SE LE LLAMA PALABRA DE ERROR.
SE PUEDE DEMOSTRAR QUE:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
157
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



DEFINICIÓN: SEA C UN [n,k]-CÓDIGO CON MATRIZ DE CONTROL
H:
 DADO x  Kn SE LLAMA SÍNDROME DE x A LA PALABRA h(x) =
xHt  Kn-k.
 x  C SI Y SÓLO SI EL SÍNDROME DE x ES 0.
PROPOSICIÓN: SEA C UN [n,k]-CÓDIGO LINEAL CON MATRIZ DE
CONTROL H:
 SI x,y  Kn, x E y TIENEN EL MISMO SÍNDROME SI Y SÓLO SI
PERTENECEN A LA MISMA CLASE DEL ESPACIO COCIENTE
Kn/C.
LA DESCODIFICACIÓN POR DISTANCIA MÍNIMA CONSISTE EN:
 BUSCAR “LA PALABRA  DE PESO MÍNIMO ENTRE TODAS LAS
QUE TIENEN EL MISMO SÍNDROME QUE LA PALABRA
RECIBIDA y”.
 CALCULAR x = y - .
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
158
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES


ESQUEMA:
 SE CALCULA EL SÍNDROME DE LA PALABRA RECIBIDA y, h(y) =
yHt.
 SE DETERMINA LA CLASE LATERAL ASOCIADA A ESTE
SÍNDROME, y+C.
 SE BUSCA EN ESTA CLASE LA PALABRA DE PESO MÍNIMO .
 SE CALCULA x = y - .
SI C ES UN CÓDIGO t-CORRECTOR Y EN LA TRANSMISIÓN SE HAN
COMETIDO t O MENOS ERRORES:
 EN LA CLASE y+C HAY UNA ÚNICA PALABRA DE PESO MENOR
O IGUAL QUE y QUE ES LA PALABRA DE ERROR .
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
159
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



DESCODIFICACIÓN POR SÍNDROME:
SE CONSTRUYE LA TABLA ESTÁNDAR:
SEA C UN [n,k]-CÓDIGO DE TAMAÑO m(=qk), C  Kn.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
160
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES






SEA u2 UNA PALABRA DE Kn-C DE PESO MINIMAL. LA 2ª FILA ESTÁ
FORMADA POR LAS PALABRAS DE u2+C.
SEA u3 UNA PALABRA DE Kn-C QUE NO PERTENECE A u2+C DE
PESO MINIMAL.
SE REPITE ESTO qn-k VECES.
Kn ES LA UNIÓN DISJUNTA DE LAS CLASE u+C.
LAS PALABRAS DE LA 1ª COLUMNA DE LA TABLA ESTÁNDAR SE
LLAMAN LÍDERES DE CLASE Y TIENEN PESO MINIMAL DENTRO
DE LA CLASE.
SI C ES t-CORRECTOR, CUALQUIER PALABRA DE Kn DE PESO
MENOR O IGUAL QUE t ES LÍDER DE CLASE.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
161
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



EN EL CASO BINARIO EL CÁLCULO DEL SÍNDROME SE REALIZA
TOMANDO LA MATRIZ DE CONTROL:
 SE CONSIDERAN LAS COMPONENTES NO NULAS DE LA
PALABRA RECIBIDA.
 SE SUMAN LAS COLUMNAS DE LA MATRIZ DE CONTROL QUE
OCUPAN LAS POSICIONES NO NULAS DE LA PALABRA
RECIBIDA.
EJEMPLO:
SEA C EL CÓDIGO CON MATRIZ DE CONTROL:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
162
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES




CONSTRUIR LA TABLA ESTÁNDAR Y DESCODIFICAR LAS
PALABRAS RECIBIDAS: 11101, 00110 Y 01101.
EN PRIMER LUGAR SE DETERMINA UNA MATRIZ GENERATRIZ
PARA HALLAR LAS PALABRAS DEL CÓDIGO.
C ES UN [5,2]-CÓDIGO. SI SE CALCULA LA MATRIZ DE CONTROL
DEL CÓDIGO DUAL SE OBTIENE UNA MATRIZ GENERATRIZ DEL
DUAL DEL DUAL, QUE ES EL CÓDIGO C.
H ES UNA MATRIZ DE CONTROL ESTÁNDAR ASÍ EL CÓDIGO ES
SISTEMÁTICO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
163
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES






LA DISTANCIA MÍNIMA ES EL NÚMERO MÍNIMO DE COLUMNAS
LD (LINEALMENTE DEPENDIENTES) DE LA MATRIZ DE CONTROL.
rg(H) = 3  4 COLUMNAS SERÁN LD.
NO HAY NINGUNA COLUMNA QUE SEA 0, ASÍ d > 1.
DOS COLUMNAS LD, EN EL CASO BINARIO, SERÍAN IGUALES,
COMO NO HAY DOS COLUMNAS IGUALES d > 2.
HAY 3 COLUMNAS LD (1ª = 4ª + 5ª), ASÍ d = 3.
EL CÓDIGO ES 1-CORRECTOR.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
164
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

LA TABLA ESTÁNDAR SE CONSTRUYE COMO SIGUE:
 LAS PALABRAS LÍDERES INDICAN CON 1 DÓNDE SE PRODUCE
EL ERROR.
 LA SEGUNDA Y LA TERCERA COLUMNA SON LAS PALABRAS
DEL CÓDIGO MÁS EL LÍDER CORRESPONDIENTE:
 ESTO SIGNIFICA QUE ALLÍ ESTARÁN LAS PALABRAS
ERRÓNEAS QUE SE PUEDEN ASOCIAR A UNA VÁLIDA, QUE
SERÁ LA PRIMERA DE LA COLUMNA.
 LOS SÍNDROMES SE CALCULAN MULTIPLICANDO EL LÍDER
POR H TRASPUESTA.
 LA CUARTA COLUMNA ES LA SUMA DEL LÍDER MÁS LAS
PALABRAS DE LAS COLUMNAS SEGUNDA Y TERCERA.
 SE PARTE DE LAS PALABRAS 10011 Y 01101 QUE PROVIENEN DE
G.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
165
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
166
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES





EN UN CÓDIGO t-CORRECTOR TODAS LAS PALABRAS DE PESO
MENOR O IGUAL QUE t VAN A SER LÍDERES DE CLASE.
AHORA SE DEBE TOMAR LA PALABRA DE PESO 2 QUE NO SE HAYA
PUESTO (HASTA LA 6ª FILA).
SE PONE UNA PALABRA DE PESO 2 Y SE OBTIENE SU SÍNDROME:
 SI ÉSTE YA HA SALIDO ES QUE LA PALABRA YA HA SALIDO Y
SE DEBE TOMAR OTRA PALABRA.
NO PUEDE HABER OCURRIDO UN ERROR YA QUE SE HA RECIBIDO
UNA PALABRA DEL CÓDIGO.
TAMPOCO SE PUEDEN HABER COMETIDO 2 ERRORES, PERO SÍ SE
PUDIERON COMETER 3 ERRORES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
167
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES
h(y) = 011

SE BUSCA EL LÍDER DE CLASE DE ESTE SÍNDROME.

ESTA ES LA ÚNICA PALABRA QUE SE PUEDE OBTENER SI SE HA
PRODUCIDO UN ÚNICO ERROR.
SI HUBIESEN OCURRIDO 2 ERRORES LA PALABRA REAL PODRÍA
SER OTRA PERO ESTE CÓDIGO SÓLO CORRIGE UN ERROR.

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
168
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES

ESTA PALABRA ES LA PALABRA DE CÓDIGO QUE APARECE EN LA
COLUMNA DE LA PALABRA EN LA TABLA.

EL LÍDER DE CLASE ES 11000, QUE TIENE PESO 2:
 SI SE HAN COMETIDO AL MENOS 2 ERRORES, COMO EL
CÓDIGO ES 1-CORRECTOR NO SE TENDRÁ LA SEGURIDAD DE
HACER LA DESCODIFICACIÓN CORRECTA.
SE DESCODIFICARÍA COMO:

TEORÍA DE LA INFORMACIÓN - CÓDIGOS
169
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



SI SE HAN COMETIDO 2 ERRORES LA PALABRA RECIBIDA PODRÍA
HABER SIDO 00000.
SI SE HAN COMETIDO 2 ERRORES CUALQUIERA DE ESTAS DOS
PALABRAS PODRÍA HABER SIDO TRANSMITIDA.
ESTE MÉTODO TIENE UN INCONVENIENTE YA QUE LA TABLA
ESTÁNDAR PUEDE SER GRANDE:
 EN UN CÓDIGO BINARIO DE LONGITUD 100 EN LA TABLA
HABRÍA QUE PONER 2100 PALABRAS (SIN CONTAR
SÍNDROMES).
 ESTO HACE QUE PARA CÓDIGOS DE ESTOS TAMAÑOS LA
TABLA SEA INABORDABLE.
 EN ESTOS CASOS SE UTILIZARÍA UNA TABLA REDUCIDA CON 2
COLUMNAS, LA COLUMNA DE LOS LÍDERES DE CLASE Y LA DE
LOS SÍNDROMES.
 SE TENDRÍA LO SIGUIENTE:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
170
MATRICES GENERATRICES Y
MATRICES DE CONTROL – CÓDIGOS
CORRECTORES



EN PRIMER LUGAR SE COLOCAN LAS PALABRAS DE PESO UNO Y
SU SÍNDROME; LUEGO LAS DE PESO 2.
PROPOSICIÓN: SI C ES UN [n,k,d]-CÓDIGO LINEAL ENTONCES d 
n-k+1.
DEFINICIÓN: UN [n,k,d]-CÓDIGO LINEAL C SE DICE QUE ES UN
CÓDIGO MDS (MAXIMUN DISTANCE SEPARABLE CODE) CUANDO
d = n-k+1.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
171
CÓDIGO DE HAMMING
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
172
CÓDIGO DE HAMMING




LOS LLAMADOS CÓDIGOS ESPECIALES SON LOS CÓDIGOS DE:
 HAMMING.
 GOLAY.
 REED-MULLER.
ESTOS
CÓDIGOS
TIENEN
UN
PROCEDIMIENTO
DE
DESCODIFICACIÓN ESPECIAL.
SE TIENE UN [n,k]-CÓDIGO LINEAL; SU DISTANCIA MÍNIMA ES EL
MÍNIMO
NÚMERO
DE
COLUMNAS
LD
(LINEALMENTE
DEPENDIENTES) DE UNA MATRIZ DE CONTROL.
SEA d LA DISTANCIA MÍNIMA:
 SI SE TOMAN d-1 COLUMNAS CUALESQUIERA DE CUALQUIER
MATRIZ
DE
CONTROL
SERÁN
LI
(LINEALMENTE
INDEPENDIENTES).
 HAY UN GRUPO DE d COLUMNAS LD (LINEALMENTE
DEPENDIENTES).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
173
CÓDIGO DE HAMMING



SE CONSTRUIRÁ UN [n,k,3]-CÓDIGO LINEAL DE TAL FORMA QUE
SU MATRIZ DE CONTROL TENGA:
 DOS COLUMNAS CUALESQUIERA LI.
 TRES COLUMNAS LD.
EL CÓDIGO DE HAMMING q-ARIO DE ORDEN r (r  Z, r  2) SERÁ
UN CÓDIGO q-ARIO Hq(r) QUE TIENE UNA MATRIZ DE CONTROL
Hq(r) CON:
 r = n – k FILAS.
 EL MÁXIMO NÚMERO POSIBLE DE COLUMNAS (SIENDO d = 3).
 LAS COLUMNAS DE Hq(r) SON VECTORES DE Frq.
LA MATRIZ DE CONTROL DE Hq(r) ES UNA MATRIZ QUE TIENE r
FILAS Y n = (qr-1)/(q-1) COLUMNAS:
 EL CÓDIGO Hq(r) ES UN [n,k,3]-CÓDIGO DONDE k = n – r.
 ESTA MATRIZ SE LLAMA MATRIZ DE HAMMING Y NO ES
ÚNICA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
174
CÓDIGO DE HAMMING
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
175
CÓDIGO DE HAMMING
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
176
CÓDIGO DE HAMMING




ESTOS FUERON LOS PRIMEROS CÓDIGOS CORRECTORES DE
ERRORES.
PROPOSICIÓN: LOS CÓDIGOS DE HAMMING SON CÓDIGOS
PERFECTOS.
PARA LA DESCODIFICACIÓN DE LOS CÓDIGOS DE HAMMING SE
PARTE DE LA SIGUIENTE PROPOSICIÓN.
PROPOSICIÓN: SI UNA PALABRA x  H2(r) SUFRE UN ÚNICO
ERROR RESULTANDO LA PALABRA y, ENTONCES EL SÍNDROME DE
y, h(y), ES LA REPRESENTACIÓN BINARIA DE LA POSICIÓN DEL
ERROR DE LA PALABRA RECIBIDA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
177
CÓDIGO DE HAMMING

SE SUPONE QUE EL ERROR SE HA COMETIDO EN LA POSICIÓN i:
 y = x +  i,
 i = 0 ... 0 1 0 ... 00 ES LA PALABRA DE ERROR.
 i SE CORRESPONDE CON EL 1.
 ENTONCES:

LA COLUMNA i-ÉSIMA ES LA REPRESENTACIÓN BINARIA DEL
NÚMERO i, i ES LA POSICIÓN DEL ERROR.
CONOCIDO u SE CORRIGE EL ERROR CALCULANDO x = y - i,
CAMBIANDO EL i-ÉSIMO BIT DE y.
[7,4,3]-CÓDIGO.
SE SUPONE QUE SE RECIBE LA PALABRA y = 1101110.



TEORÍA DE LA INFORMACIÓN - CÓDIGOS
178
CÓDIGO DE HAMMING
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
179
CÓDIGO DE HAMMING





100 = 4  EL ERROR SE HA COMETIDO EN LA POSICIÓN 4.
LA PALABRA DE ERROR ES e4 = (0001000).
LA PALABRA EMITIDA ES x = y – e4 = 1100110.
A ESTE MÉTODO DE DESCODIFICACIÓN SE LE LLAMA
DESCODIFICACIÓN DE HAMMING.
PROPOSICIÓN: SE SUPONE QUE UNA PALABRA x  Hq(r) SUFRE UN
ÚNICO ERROR, RESULTANDO LA PALABRA RECIBIDA y:
 SEA h(y)  Kr EL SÍNDROME DE LA PALABRA RECIBIDA Y   K
EL SÍMBOLO MÁS SIGNIFICATIVO DE h(y).
 SI LA COLUMNA DE Hq(r) QUE CONTIENE A -1h(y) ES LA
COLUMNA i-ÉSIMA ENTONCES LA PALABRA DE ERROR ES ei =
(00 .... 00 .... 0), CON  EN LA POSICIÓN i.
 SE VERIFICA QUE x = y – ei.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
180
CÓDIGO DE HAMMING


EJEMPLO:
SE SUPONE QUE SE TIENE UN H3(3) Y QUE SE RECIBE LA PALABRA
y = 1101112211201. SE DEBE DESCODIFICAR ESTA PALABRA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
181
CÓDIGO DE HAMMING



h(y) NO ES UNA COLUMNA DE H3(3).
(201) = 2 · (102).
(102) ES LA 7ª COLUMNA DE H3(3):
 LA PALABRA DE ERROR ES e7 = 2·(0000001000000).
 LA PALABRA EMITIDA ES x = y – 2 e7 = 1101110211201.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
182
CÓDIGO DE GOLAY
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
183
CÓDIGO DE GOLAY


SE CONSIDERA EL CÓDIGO DE GOLAY BINARIO g24.
EL CÓDIGO g24 ES EL CÓDIGO LINEAL BINARIO DE MATRIZ
GENERATRIZ G:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
184
CÓDIGO DE GOLAY





A PARTIR DE LA 3ª FILA LAS FILAS SE OBTIENEN DESPLAZANDO
LA FILA ANTERIOR UNA POSICIÓN A LA IZQUIERDA.
SE CALCULARÁ LA DISTANCIA MÍNIMA DE ESTE CÓDIGO.
PROPOSICIÓN: g24 ES UN CÓDIGO AUTODUAL:
PROPOSICIÓN: LA MATRIZ (A|I12) ES UNA MATRIZ GENERATRIZ
DE g24.
CUANDO UN CÓDIGO ES AUTODUAL LA MATRIZ GENERATRIZ Y
LA MATRIZ DE CONTROL SON IGUALES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
185
CÓDIGO DE GOLAY

PROPOSICIÓN: SI C ES UN CÓDIGO BINARIO Y u,v  C, ENTONCES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
186
CÓDIGO DE GOLAY






PROPOSICIÓN: EL PESO DE CADA PALABRA DE g24 ES DIVISIBLE
POR 4.
PROPOSICIÓN: g24 NO TIENE PALABRAS DE PESO 4.
g24 ES UN [24,12,8]-CÓDIGO. ESTE CÓDIGO SE USÓ PARA
TRANSMITIR IMÁGENES DE JÚPITER Y SATURNO (VOYAGER 19791981).
m = 212 = 4096.
SEGÚN VERA PRESS (1968) CUALQUIER [24,12,8]-CÓDIGO LINEAL
BINARIO ES EQUIVALENTE POR MÚLTIPLOS ESCALARES (EN LA
MATRIZ GENERATRIZ SE PUEDEN MULTIPLICAR LAS COLUMNAS
POR UN ESCALAR) AL CÓDIGO g24.
SEGÚN DELSORTE-GOETHOLS (1975) LOS CÓDIGOS DE GOLAY SON
LOS ÚNICOS CÓDIGOS LINEALES CON ESTOS PARÁMETROS.
CUALQUIER (24,212,8)-CÓDIGO BINARIO ES EQUIVALENTE POR
MÚLTIPLOS ESCALARES A g24.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
187
CÓDIGO DE GOLAY







EL CÓDIGO DE GOLAY BINARIO g23:
SE OBTIENE A PARTIR DE g24 “PINCHANDO” UNA COMPONENTE:
 USUALMENTE SE ELIMINA EL ÚLTIMO SÍMBOLO DE TODAS
LAS PALABRAS.
n = 23, m = 212.
LA DISTANCIA MÍNIMA O ES LA MISMA O DISMINUYE UNA
UNIDAD:
 EN ESTE CASO AL ELIMINAR LA ÚLTIMA COLUMNA DE LA
MATRIZ DE CONTROL DE g24 LA ÚLTIMA FILA TIENEN PESO 7,
ASÍ d = 7.
g23 ES UN [23,12,7]-CÓDIGO.
g23 ES PERFECTO.
g24 SE OBTIENE A PARTIR DE g23 AÑADIÉNDOLE UN BIT DE
PARIDAD.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
188
CÓDIGO DE GOLAY



LOS CÓDIGOS DE GOLAY TERNARIOS:
g12 TIENE POR MATRIZ GENERATRIZ G = (I6|B) DONDE
A PARTIR DE LA 3ª FILA UNA FILA SE OBTIENE A PARTIR DE LA
ANTERIOR DESPLAZÁNDOLA UNA POSICIÓN HACIA LA DERECHA.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
189
CÓDIGO DE GOLAY

PROPIEDADES:
 g12 ES AUTODUAL.
 B ES SIMÉTRICA.
 g12 ES UN [12,6,6]-CÓDIGO.
 EL CÓDIGO TERNARIO g11 OBTENIDO PINCHANDO g12 ES UN
[11,6,5]-CÓDIGO PERFECTO.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
190
CÓDIGO DE REED MULLER
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
191
CÓDIGO DE REED MULLER




ESTOS CÓDIGOS SON FÁCILES DE DESCODIFICAR.
DEFINICIÓN: UNA FUNCIÓN DE BOOLE DE m VARIABLES ES UNA
APLICACIÓN:
LAS FUNCIONES DE BOOLE SE SUELEN REPRESENTAR DANDO SU
TABLA DE VERDAD.
m = 3.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
192
CÓDIGO DE REED MULLER


PARA DAR LA FUNCIÓN BOOLEANA BASTA CON QUEDARSE CON
LA ÚLTIMA FILA YA QUE DESCRIBE COMPLETAMENTE LA
FUNCIÓN:
 SI SE ASUME QUE SIEMPRE SE TIENE EL MISMO ORDEN.
EXISTE UNA CORRESPONDENCIA BIUNÍVOCA ENTRE FUNCIONES
DE BOOLE DE m VARIABLES Y PALABRAS BINARIAS DE
LONGITUD 2m.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
193
CÓDIGO DE REED MULLER

EN Bm SE DEFINE UNA SUMA:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
194
CÓDIGO DE REED MULLER

SE DEFINE UNA MULTIPLICACIÓN ESCALAR:

SE DEFINEN LOS POLINOMIOS DE BOOLE COMO LOS ELEMENTOS
DEL SIGUIENTE CONJUNTO:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
195
CÓDIGO DE REED MULLER



HAY mk MONOMIOS DE GRADO k EN m VARIABLES.
TODOS LOS POSIBLES MONOMIOS DE m VARIABLES SON:
PROPOSICIÓN: LA APLICACIÓN SIGUIENTE ES UN ISOMORFISMO
DE Z2-ESPACIOS VECTORIALES Y A CADA POLINOMIO DE
BOOLE F(x1,....xm) LE HACE CORRESPONDER LA FUNCIÓN DE
BOOLE f(x1,....xm) DADA POR f(x1,....xm) = F(x1,....xm).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
196
CÓDIGO DE REED MULLER

DEFINICIÓN: SEA m UN ENTERO POSITIVO 0  r  m. SE DEFINE EL
CÓDIGO DE REED-MULLER R(r,m), DE LONGITUD 2m Y ORDEN r
COMO EL CONJUNTO DE LAS PALABRAS BINARIAS DE Z2m2
ASOCIADAS A POLINOMIOS DE BOOLE DE Bm QUE TIENEN GRADO
MENOR O IGUAL QUE r.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
197
CÓDIGO DE REED MULLER

EJEMPLOS:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
198
CÓDIGO DE REED MULLER





R(1,3).
LOS POLINOMIOS DE BOOLE DE 3 VARIABLES Y GRADO MENOR O
IGUAL QUE 1 SON DE LA FORMA:
LOS 4 MONOMIOS FORMAN UNA BASE DEL ESPACIO DE LOS
POLINOMIOS.
LA PALABRA DE R(1,3) CORRESPONDIENTE A ESTE POLINOMIO
SERÁ:
LAS PALABRAS ENTRE PARÉNTESIS SON LOS POLINOMIOS QUE
CORRESPONDEN A LOS POLINOMIOS DE BOOLE DE 4 VARIABLES.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
199
CÓDIGO DE REED MULLER
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
200
CÓDIGO DE REED MULLER




EXCEPTO LA PALABRA 1 Y LA 0 TODAS LAS PALABRAS TIENEN 4
UNOS Y 4 CEROS.
EL PESO MÍNIMO ES 4, ASÍ ESTE CÓDIGO TIENE DISTANCIA
MÍNIMA 4.
PROPOSICIÓN: SEA F(x1...xm) = xm + p(x1...xm-1) DONDE p(x1...xm-1) ES
UN POLINOMIO DE BOOLE:
 ENTONCES LA FUNCIÓN DE BOOLE INDUCIDA POR F TOMA
LOS VALORES 0 Y 1 EL MISMO NÚMERO DE VECES, ES DECIR,
2m-1 VECES.
PROPOSICIÓN: TODAS LAS PALABRAS DE R(1,m) TIENEN PESO
MÍNIMO 2m-1, EXCEPTO LA PALABRA 00...0 Y LA PALABRA 11...1:
 EN CONSECUENCIA LA DISTANCIA MÍNIMA DE R(1,m) ES 2m-1.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
201
CÓDIGO DE REED MULLER



EN LOS CÓDIGOS DE REED-MULLER m NO ES EL TAMAÑO DEL
CÓDIGO SI NO EL NÚMERO DE VARIABLES DEL POLINOMIO DE
BOOLE QUE LE CORRESPONDE.
PROPOSICIÓN: EL CÓDIGO DE REED-MULLER R(r,m) TIENE
LONGITUD 2m Y DIMENSIÓN:
LA TASA DE CÓDIGO ES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
202
CÓDIGO DE REED MULLER


EJEMPLO: DETERMINAR CUÁLES DE LAS SIGUIENTES PALABRAS
PERTENECEN AL CÓDIGO R(2,4):
 a) 1101 1110 0001 1001.
 b) 0011 0101 0011 1010.
ESTE CÓDIGO TIENE LONGITUD 16; SE DEBE VER QUE LOS
POLINOMIOS DE BOOLE QUE INDUCEN ESTAS PALABRAS TIENEN
GRADO MENOR O IGUAL QUE 2.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
203
CÓDIGO DE REED MULLER

ESTE POLINOMIO DE BOOLE TIENE GRADO 4. LA PALABRA NO
PERTENECE A R(2,4).

ESTA PALABRA PERTENECE A R(2,4).
DEFINICIÓN: SEA C1 UN (n,m1,d1)-CÓDIGO LINEAL Y C2 UN
(n,m2,d2)-CÓDIGO LINEAL SOBRE UN CUERPO K. SE DEFINE UN
CÓDIGO LINEAL SOBRE K:


u(u+v) ES LA YUXTAPOSICIÓN DE LAS PALABRAS u Y u+v.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
204
CÓDIGO DE REED MULLER


PROPOSICIÓN: C1  C2 ES UN (2n,m1m2,d´)-CÓDIGO CON d´=
min{2d1,d2}.
PROPOSICIÓN: SEA 0 < r < m; SE VERIFICA QUE R(r,m) = R(r,m-1) 
R(r-1,m-1).
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
205
CÓDIGO DE REED MULLER


COROLARIO: EL CÓDIGO DE REED-MULLER R(m-1,m) ESTÁ
FORMADO POR TODAS LAS PALABRAS BINARIAS DE LONGITUD 2m
Y PESO PAR:
 POR TANTO SI r < m R(r,m) SÓLO CONTIENE PALABRAS DE
PESO PAR.
EJEMPLO: R(2,3) ESTÁ FORMADO POR LAS PALABRAS BINARIAS
DE LONGITUD 8 Y PESO PAR; UNA MATRIZ GENERATRIZ ES:
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
206
CÓDIGO DE REED MULLER






ESTA ES LA MATRIZ GENERATRIZ DEL CÓDIGO ASCII CON
PARIDAD.
PROPOSICIÓN: R(r,m) TIENE DISTANCIA MÍNIMA 2m-r POR TANTO
TIENE LOS SIGUIENTES PARÁMETROS:
EJEMPLO: MARINER 4 (1965):
22 FOTOS DE MARTE DE 200 X 200 DE 64 NIVELES.
26 NIVELES 6  Z62 ={000000,...,111111}.
8 · 1/3 BITS/S, 1 FOTO  8 HORAS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
207
CÓDIGO DE REED MULLER












EJEMPLO: MARINER 9 (1969-1971):
700 X 832 = 582480 PIXELS, 64 NIVELES.
p = 0.05 , 1-p = 0.95, (0.95)6  0.74.
APROXIMADAMENTE EL 26% DE LA IMAGEN SERÍA ERRÓNEA.
SE INTRODUCEN APROXIMADAMENTE 30 BITS DE REDUNDANCIA.
SI TOMAMOS UN CÓDIGO DE REPETICIÓN TENEMOS d = 5 Y EL
CÓDIGO CORREGIRÍA 2 ERRORES.
PROBABILIDAD DE ERROR = 1%.
SIN CORRECCIÓN DE ERRORES HABRÍA UNOS 150000 PIXELS
ERRÓNEOS POR FOTO:
 CON EL CÓDIGO DE REPETICIÓN HABRÍA 5800 PIXELS
ERRÓNEOS POR FOTO.
SE USÓ R(1,5), QUE ES UN [32,6,16]-CÓDIGO, EN ESTE CASO p = 0.01;
CON ESTE CÓDIGO HABRÍA UNOS 58 PIXELS ERRÓNEOS POR FOTO.
16200 BITS/S.
700 X 832 X 32 BITS/PIXEL = 18636800 BITS.
1 IMAGEN  115000 S  32 HORAS.
TEORÍA DE LA INFORMACIÓN - CÓDIGOS
208
Descargar