Inf Theory Lect2

Théorie de l’information
Chap : Codage canal et codes de bloc linéaires
Rhouma Rhouma
https://sites.google.com/site/rhoouma
École Supérieure d’Économie Électronique
Avril 2015
1 / 48
Plan
1 Problématique
2 Modèle : Canal Binaire symétrique
3 Capacité du canal et role du codage
4 Métriques
5 Pouvoir de détection et Pouvoir de Correction
6 Codes de bloc Linéaires
7 Code de Hamming
8 Code de Hadamard
2 / 48
Problématique
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
3 / 48
Problématique
Schéma général d’une communication numérique
4 / 48
Problématique
Canal de transmission : C’est l’élément physique par lequel les informations de la source
seront transmises au récepteur. La transmission de l’information a deux impératifs
contradictoires : 1) Transmettre le plus vite possible le maximum d’information et 2) Eviter
les erreurs de transmission.
Atmosphère : ondes électromagnétiques ou ondes Herteziennes.
Cable coaxial, paire torsadée : signaux électriques (tensions, courants).
Fibre optique : ondes optiques (lumière visible, infra-rouge,. . .).
Source : C’est elle qui fournit le signal. Celui-ci peut être analogique (microphone,. . ..) ou
discret (CD,....). Nous nous intéresserons aux communications dites "numériques" le
signal est donc discret et converti en binaire (numérisation). La source fourni un message
qui est une séquence de bits.
Encodeur de source : Son rôle est de représenter le message sur un minimum de bits
(compression de données). Ceci permettra de transmettre le maximum d’informations
dans le minimum de temps. Source -> encodeur de source -> message
Encodeur de canal : Il doit structurer le message pour permettre au récepteur de pallier
aux erreurs de transmission. Cette modification du message génère un mot de code qui
est une séquence de bits plus longue que celle du message. Cela peut se faire par simple
adjonction de bits redondants mais aussi par des méthodes d’encodage plus élaborées.
message -> encodeur de canal -> mot de code
5 / 48
Problématique
Modulateur : mot de code -> modulateur -> ondes Si (t)

Modulation binaire : Le mot de code généré est une succession de "0" et de "1". Afin
de transmettre l’information il est nécessaire de les transformer en un signal
physique adapté au canal de transmission. Chaque signal élémentaire est appelé
une forme d’onde. Ainsi 0 → S0 (t) et 1 → S1 (t). nous obtenons une modulation
binaire c’est-à-dire faisant intervenir deux formes d’onde.
Modulation M-ary : Plutôt que de transmettre le code bit par bit, il est possible de le
transmettre par paquets de b bits. Nous aurons donc M = 2b paquets possibles ce
qui nécessite M formes d’ondes Si (t) différentes.
Démodulateur : Rôle inverse de celui du modulateur, il reçoit les ondes éventuellement
perturbées et les transforme en paquets de bits pour reconstituer le code sur lequel peut
se trouver des erreurs de transmission. Ondes Si (t) -> démodulateur -> mot de code
Décodeur de canal : Grâce au codage il peut soit détecter une erreur de transmission et
dans ce cas éventuellement réinterroger l’émetteur mais certains codages permettent
dans une certaine mesure de détecter et de corriger les erreurs de transmission. En
général les codes correcteurs ne peuvent pas tout corriger sinon ils demanderaient trop de
bits redondants, ils se contentent de corriger les erreurs les plus probables.
mot de code -> décodeur -> message
Décodeur de source : Ayant la séquence binaire ou message associée à l’information, ce
décodeur doit reconstituer l’information qui a été transmise. c’est la décompression.
6 / 48
Problématique
Problématique
La description du système révèle bien la position du problème qui se

résume en deux points contradictoires :
Transmettre le plus vite possible le maximum d’informations :
Peu de bits de codage
Modulation astucieusement choisie
Vitesse de transmission élevée : bon choix du canal
Transmettre sans erreur :
Augmenter le nombre de bits du codage
Modulation bien choisie
Bon choix d’un canal de transmission
Chaque problème demande un compromis !
7 / 48
Problématique
Problème de décodage au récepteur
On peut schématiser le comportement du récepteur par un

graphe qui montre comment les niveaux de tensions sont mappés
en 0 ou 1.
V 0+V 1
si le voltage reçu entre V 0 et 2 le symbole reçu est 0 sinon
c’est un 1
8 / 48
Modèle : Canal Binaire symétrique
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
9 / 48
Canal binaire symétrique
supposons que durant la transmission, le "1" est reçu et interprété

comme un "0" et vice versa avec une probabilité p.
p est appelé la probabilité d’erreur
le canal dans ce cas est appelé canal binaire symétrique
ce type de canal est très significatif quant à la modélisation d’un
canal de transmission.
10 / 48
Information Mutuelle
I(X , Y ) = H(X ) − H(X /Y )
I(X,Y) veut dire : Quel est notre incertitude sur X réduite en

sachant Y ?
I(X,Y) mesure aussi la similitude entre X et Y
H(X /Y) est liée à l’existence d’une probabilité d’erreur de
transmission. En généralisant cette notion, H(X/Y) est due à
l’existence de bruit sur le canal et révèle le fait que celui-ci ne
transmet pas parfois l’information. H(X/Y) est en quelque sorte
une mesure de la quantité d’information perdue.
I(X,Y) devient ainsi la quantité d’information correcte transmise
par le canal.
La capacité du canal doit s’entendre au sens de la capacité de
transmission sans erreur.
11 / 48
m
X 1
H(X /Y = yj ) = p(xi /yj )log2 ( )
p(xi /yj )
i=1
m
X
H(X /Y ) = H(X /Y = yj )p(yj )
i=1
H(X , Y ) = H(X ) + H(Y /X ) = H(Y ) + H(X /Y )
puisque p(xi , yj ) = p(xi )p(yj /xi ) = p(yj )p(xi /yj ), donc
I(X , Y ) = I(Y , X )
=⇒ l’information mutuelle est symétrique ! La formule de I(X,Y) est
donné par :
X p(xi , yj )
I(X , Y ) = p(xi , yj )log( )
p(xi )p(yj )
i,j
Pour un canal binaire symétrique, l’information mutuelle est donné
par :
I(X , Y ) = 1 + (1 − p) · log(1 − p) + p · log(p)
12 / 48
Puisqu’on a
I(X , Y ) = 1 + (1 − p) · log(1 − p) + p · log(p) = 1 − H(X )
1 si p = 0 ce qui veut dire pas d’erreur de transmission alors I(X , Y ) = 1. Similitude parfaite
entre les deux sources, la transmission se passe bien. H(X , Y ) = 1.
2 si p = 0.5, pagaille complète lors de la transmission. Dans ce cas I(X , Y ) = 0, plus du tout
de similitude entre les deux sources. Tout se passe comme si les deux sources étaient
indépendantes.
3 si p = 1, à nouveau I(X , Y ) = 1. Les deux sources sont à nouveau tout à fait semblables.
Le fait qu’il y a dans ce cas permutation du "0" et du "1" n’ayant pas d’importance.
13 / 48
Capacité du canal et role du codage
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
14 / 48
Capacité du canal
L’information mutuelle peut etre redefinie en utilisant les
probabilités conditionnelles qui définissent le canal :
X p(yj /xi )
I(X , Y ) = p(yj /xi ) · p(xi ) · log( )
p(xi )
i,j
Les probabilités marginales {p(xi )} dépendent de la source

d’entrée et donc du système de codage de canal utilisé.
Nous pouvons rechercher un système de codage qui rende
maximal cette quantité, c’est ce qui définit la capacité du canal :
C = maxp(xi ) {I(X , Y )} = max{H(X ) − H(X /Y )}
Si la cadence du canal est d’un symbole toute les Tc secondes, le
débit maximum du canal sera TCc bit/s.
La capacité du canal doit s’entendre au sens de la capacité de
transmission sans erreur.
15 / 48
Role du codage canal

Pour que la transmission soit performante, il faut fournir au récepteur la
quantité d’information manquante qui est H(X/Y ). Pour cela il est
imaginé d’introduire une redondance dans l’information qui permettra de
détecter et de corriger les erreurs dues à la transmission.
Exemples simples :
Ajouter un bit de parité et, en cas d’erreur à la réception, interroger
de nouveau l’émetteur.
Transmettre l’information en trois exemplaires et, en cas de
désaccord, faire confiance à la majorité.
Ces méthodes proviennent d’une analyse empirique de la situation et,
d’après le modèle de Shannon, elles ont pour effet de diminuer la
quantité d’information perdue et donc d’augmenter la capacité du canal.
Grâce à cette analyse, il est possible de mettre au point des méthodes
de codage plus efficaces pour atteindre cet objectif.
un codage de canal performant est d’autant plus nécessaire que le
canal est bruité et perd de l’information.
16 / 48
Théorème de Shannon
A mathematical theory of communication. Octobre 1948
Soit un canal discret de capacité C et une source discrète
d’entropie H.
Puisque H(X /Y ) = H(X ) − C
Theorème de shannon concernnat le codage canal

1 Si H(X ) ≤ C, nous pouvons ajouter de l’information à H(X) par un
système de codage judicieux de manière à que l’information de la
source peut être transmise sur le canal avec une probabilité
d’erreur aussi petite que l’on veut.
2 Si H(X ) > C il y a de toute manière perte d’information et tout
codage mal effectué peut aller dans le sens de l’augmentation de
cette perte d’information.
17 / 48
Transmettre de l’information sans erreur ?
Shannon a montré theoriquement qu’on peut transmettre

l’information (bits) à un taux de codage (débit) R < C avec une
probabilité d’erreur tres faible
Il a aussi montré que la transmission à un taux de codage (débit)
R ≥ C va certainement incorporer des erreurs de transmissions
son secret : coder un bloc de k-bits en un mot de code de n-bits
(avec n>k) pour réduire le débit R = k /n
le fait de coder un message de k-bits en un mot de code de n-bits
s’appelle le codage canal
18 / 48
Métriques
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
19 / 48
Métriques
Distance et poids de Hamming
Soit x = [x1 x2 . . . xn ] et y = [y1 y2 . . . yn ] deux msg de longueur n.

Définitions
La distance de Hamming entre x et y est le nombre d(x, y ) de
composantes où x et y diffèrent.
Le poids de Hamming de x est le nombre w(x) de composantes
non nulles de x.
Ex : Si x = 10110 et y = 00101, alors d(x, y ) = 3 et w(x) = 3 et
w(y ) = 2.
20 / 48
Métriques
Poids d’un code
Le poids Wi d’un mot de code Ci est par définition le nombre de

caractères non nuls que contient ce mot.
ex : 11001000 est de poids W=3
ex : 10011010 est de poids W=4
00000000 est de poids nul
21 / 48
Métriques
Distance de Hamming
La distance de Hamming dij entre deux mots de code est le
nombre de bits dont ils diffèrent.
ex 11001000 et 10011010 ont une distance de 3.
La distance minimale du code est le minimum de l’ensemble des
distances entre codes :
dmin = min{dij }
la distance de Hamming entre un mot de code valide et erroné de
e erreurs est e
si on n’a pas de codage : les deux mots de codes "0" et "1" ont
une distance egale à 1. donc une erreur change un code valide à
un autre code valide !
On peut montrer que dmin = min{Wi }
22 / 48
Métriques
Distance de hamming du code à répétitions
on veut coder de façon à que les mots de codes soient assez

éloignés pour que les erreurs ne changent pas un code valide à
un autre code valide !
23 / 48
Métriques
Code correcteur d’erreurs
Définition
Un code correcteur d’erreurs est une technique de codage basée sur
la redondance de l’information, destinée a détecter, voire corriger, les
erreurs qui peuvent être générées par un canal de communication peu
fiable.
Le rôle du correcteur d’erreurs peut être limite à la simple

détection (et localisation ) d’erreurs.
La correction s’effectue alors par une nouvelle requête de
transmission du message, ou seulement des parties erronées. ex
TCP par sommes de contrôle (checksum) pour la vérification
Cela peut se reveler insuffisant, ou inadaptée suivant le contexte
(GSM par exemple)
24 / 48
Métriques
ex : code de parité
Supposons que l’on ait des mots de 7 bits à envoyer (code ASCII
par exemple), et que l’on s’intéresse simplement à la détection
d’une erreur.
Un moyen et de coder chacun des mots sur 8 bits, en ajoutant un
8eme bit, appelé bit de parité, de telle sorte que dans tous les
mots le nombre de 1 soit pair.
le message 1011001 est codé 10110010
et le message 0110100 est codé 01101001
permet de detecter un nb impair d’erreur
ne permet pas de localiser donc de corriger les erreurs détéctés
25 / 48
Métriques
Paramètres d’un code(n,k)

Codeur : Dispositif qui associe à une suite de k bits d’information
une suite de n bits.
Code : Un code est un ensemble de mots de n bits.
Distance minimale d’un code C :
dmin = min{d(x, y )/x, y ∈ C}
on peut montrer que
→
−
dmin = min{w(x)/x ∈ C et x 6= 0 }
26 / 48
Pouvoir de détection et Pouvoir de Correction
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
27 / 48
Distance de Hamming et pouvoir de

détection/correction
Messages de 4 bits : 16 messages possibles

La distance de Hamming minimale dmin = 1
Aucune erreur ne peut être détecté ou corrigé
On ne peut remarquer si une erreur s’est passée
28 / 48

Messages de 4 bits + 1 bit de contrôle :
16 codes possibles représenté par 5 bits
Une seule erreur peut être détectée
aucune erreur ne peut être corrigée
On sait qu’il y a une erreur mais on ne peut la

localiser (corriger)
29 / 48

Code de Hamming (7,4) : 4 bits de données + 3 bits

contrôle
Une seule erreur peut être détectée et corrigée
les erreurs doubles sont confondu avec les erreurs
simples : on peut détecter 2 erreurs mais on ne corr
qu’une
30 / 48
Pouvoir de détéction/pouvoir de correction

Nb max des erreurs détectables : eD = dmin − 1
tous les erreurs appartenant à une sphere sont corrigeables
tous les erreurs appartenant à l’intersection des spheres sont non corrigeables
Donc Nb max des erreurs corrigeables : eC = E[ 12 (dmin − 1)]
31 / 48
Codes de bloc Linéaires
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
32 / 48
Algorithme de codage
Codes de bloc (n,k) : un bloc de n-bits noté
C = b0 b1 bn−k −1 m0 m1 . . . mk −1 construit à partir d’un message de k-bits
noté m = m0 m1 . . . mk −1 .
on peut note le code aussi comme code (n,k,d) avec d est la distance de
hamming minimale.
b consitués par n-k bits redondants ou bits de parité. b = b0 b1 . . . bn−k −1
linéaire : soit deux codes Ci et Cj alors Ci + Cj = Ck est un mot de code
le code "0" (les n bits à 0) est un mot de code dans chaque code (n,k).
(parceque 1+1=0)
codage : C = m × G
G est la matrice génératrice de taille (k × n). Le code est dit :
Systématique : Si G = [P Ik ] avec Ik est l’identité de taille (k × k ). P
est dite la matrice de parité de taille (k × n − k ). Le code dans ce
cas est formé des bits de parité suivis par les bits de message.
Non-systématique si G = [P M] avec M quelconque de taille
(k × k ).
33 / 48
Exemple code (7,4)

 
1 0 1 1 0 0 0
 1 1 1 0 1 0 0 
Soit G =   1 1 0 0 0 1 0 

0 1 1 0 0 0 1
donner les propriétés de ce code (n,k) ?
donner toutes les possibilités du message m
donner les mots de codes
si b0 b1 b2 sont les bits redondants du mot de code, donner leurs
formules en fonction des bits de message m0 , m1 , m2
34 / 48
Détection des erreurs par syndrome
Matrice de contrôle :
H = [In−k P T ]
avec In−k est l’identité de (n − k ) × (n − k ) et P T est la transposé
de la matrice de parité P
On peut vérifier facilement que G · H T = 0.
 
1 0 0 1 1 1 0
H de l’exemple précédent est : H =  0 1 0 0 1 1 1 
0 0 1 1 1 0 1
35 / 48
Syndrome
Pour chaque mot de code C :
C · HT = m · G · HT = 0
si le mot de code est erroné, donc il s’écrit comme suit :
Code reçu = Code emis + erreur =⇒ Y = C + E
En effectuant le controle à la reception :
S = Y · HT = C · HT + E · HT = E · HT
Le syndrome S ne depend que de l’erreur commise et non du
message ou le mot de code
Remarque : Deux erreurs qui diffèrent d’un mot de code ont
même syndrome
ce theorème nous indique qu’il y a ambiguïté lors de la détection
d’erreur
36 / 48
Lien entre distance minimale et matrice de parité

soit M = C · H T
Chaque élément de la matrice M est une combinaison linéaire sur
une ligne j de tous les éléments des colonnes =⇒ M est une
combinaison linéaire des colonnes de la matrice H et cette
combinaison linéaire est nulle.
les colonnes de H sont linéairement dépendantes.
Le nombre de colonnes intervenant dans la combinaison est
égale au nombre de "1" du code Cm ce qui est le poids de
Hamming du mot de code.
La distance de Hamming du code étant le poids minimal de ce
code =⇒ La distance minimale de Hamming dmin d’un code est
égale au nombre minimal de colonnes de la matrice H dont la
somme est nulle.
Le nombre de colonnes de H linéairement indépendantes est
dmin − 1 et le rang maximal de cette matrice est n − k ce qui établi
la relation :
dmin ≤ n − k + 1 37 / 48
Correction des erreurs et distance de Hamming

(revisitée)
Si dmin est la distance de Hamming :

détecter au plus t erreurs SSI dmin ≥ t + 1
corriger au plus t erreurs SSI dmin ≥ 2t + 1
Détecter au plus tD erreurs mais ne corriger qu’au plus tC erreurs
avec tC < tD SSI dmin ≥ tC + tD + 1
38 / 48
Algorithme de Correction des erreurs par syndrome
1 Reception d’un mot de code Y.

2 calcul du syndrome associe S = Y · H T .
3 construction d’une table d’erreur/syndrome par S = E · H T
4 avec la table d’erreurs, calcul de l’erreur la plus vraisemblable E ∗
associée au syndrome.
5 calcul du mot de code le plus vraisemblable : C ∗ = Y + E ∗
6 Extraction du message X ∗ de C ∗ .
39 / 48
exemple

1 0 1 1 0
Code(5,2) avec G =
0 1 1 0 1
 
1 0 0 1 0
H est donc donnée par H =  0 1 0 0 1 
0 0 1 1 1
Le syndrome est donc de longueur 5 − 2 = 3. On peut coder tous
les erreurs simples (5) + le cas pas d’erreur. il reste deux
combinaisons pour les erreurs doubles (2 = 2n−k − n − 1).
Syndrome Erreur commentaire
000 00000 Pas d’erreur
001 00100 Erreur ds le bit 2
110 ? ?
111 ? ? 40 / 48
le syndrome 110 peut être associé à une erreur double du type (bit 0 + bit 1) soit 11000
mais aussi à une erreur du type (bit 3 + bit 4) soit 00011. Il y a ici ambiguïté entre deux
erreurs doubles.
Pour le syndrome 001 associé à une erreur bit 2 il pourrait être associé à une erreur type (
bit 1 +bit 4 ) mais ici l’ambiguïté est entre une seule erreur simple et d’autres erreurs
doubles, triples,. . .
H a au plus trois colonnes linéairement indépendantes donc dmin = 3. donc eD = 2 et
eC = 1
Si nous affectons la solution la plus vraisemblable, toutes les erreurs simples peuvent être
corrigées.
Les erreurs doubles, elles sont détectables mais nous pouvons soit les confondre entre
elles, soit les confondre avec une erreur simple. Dans le second cas le maximum de
vraisemblance corrige comme une erreur simple (c’est effectivement ce qui a la plus forte
probabilité d’arriver ) et dans le premier elle tranche en faveur de la solution la plus
probable qui, pour un code donné est toujours la même.
Qu’arrive-t-il pour des erreurs triples ? Au sens du critère, elles sont toujours
systématiquement confondues soit avec une erreur simple soit une erreur double, elles
sont de ce fait non détectables et par la même non corrigeables.
41 / 48
soit m = [1 0].
Le mot de code correspondant
est
1 0 1 1 0
C = m · G = [1 0] · = [1 0 1 1 0]
0 1 1 0 1
à la reception le bit n˚3 a été interprété par le récepteur d’une
manière fausse. Donc Y = [1 0 1 0 0]
Le récepteur calcule le syndrome associé : S = Y · H T = [1 0 1]
Par la table d’erreur Le recepteur fait correspondre le syndrome
calculé et trouve l’erreur la plus vraisemblable E ∗ = [0 0 0 1 0]
Correction : C ∗ = Y + E ∗ = [1 0 1 0 0] + [0 0 0 1 0] = [1 0 1 1 0]
extraction du message : les k dernier bits de C ∗ qui sont
m∗ = [1 0]
remarquer que S = Y · H T = E ∗ · H T = [1 0 1]
42 / 48
exemple
Repeter la meme demarche pour erreur dans le bit n˚4
43 / 48
exemple
erreur dans le bit n˚0 et 1 : Y = [0 1 1 1 0]

Syndrome S = Y · H T = [1 1 0]
d’apres la table ceci correspond à E ∗ = [1 1 0 0 0] (ou [0 0 0 1 1]).
si par ex le recepteur choisi la deuxième possibilité d’erreur.
C ∗ = Y + E ∗ = [0 1 1 1 0] + [0 0 0 1 1] = [0 1 1 0 1]
et donc m∗ = [0 1] qui est different du message original
avec ces exemple on voit que le code a un pouvoir de detection
qui ne peut le dépasser et a un pouvoir de correction qui ne peut
le dépasser aussi
44 / 48
Code de Hamming
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
45 / 48
Code de Hamming
Les codes de Hamming sont des codes binaires qui ont la

propriété : (n, k , dmin ) = (2m − 1, 2m − 1 − m, 3)
ex code (7,4,3) ; code (15,11,3)
La matrice de contrôle de Hamming H est de taille
(n − k × n) = (m × 2m − 1). Une colonne est donc constituée de
m éléments binaires et nous avons 2m − 1 colonnes c’est-à-dire
toutes les combinaisons possibles moins une (la combinaison
"000..." ). Ceci nous permet pour ces codes de construire très
rapidement la matrice de contrôle H et d’en déduire la matrice de
génération de code G.
Commencer à remplir la matrice H en utilisant les combinaisons
linéaires de m bits faisant apparaître la matrice In−k . Compléter
cette matrice par les combinaisons de m bits non encore utilisées
code "0" exclu.
46 / 48
Code de Hadamard
Plan
1 Problématique
4 Métriques
7 Code de Hamming
8 Code de Hadamard
47 / 48
Code de Hadamard
Les codes de Hadamard

sont constitués par des matrices, par
Mn Mn
itération : M2n = avec Mn est la matrice
Mn Mn
complementaire de Mn

0 0
M2 =
0 1
 
0 0 0 0
 0 1 0 1 
M4 =   0 0 1 1 

0 1 1 0
Les Matrices Mn ou Mn contiennent dans leurs lignes ou colonnes
les 2n mots de codes.
La structure de la matrice permet donc de détecter les erreurs de
transmissions
il est montré que dmin = n/2
48 / 48

Inf Theory Lect2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Inf Theory Lect2

Transféré par

Droits d'auteur :

Formats disponibles

Théorie de l’information

Chap : Codage canal et codes de bloc linéaires

École Supérieure d’Économie Électronique

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction

6 Codes de bloc Linéaires

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction

6 Codes de bloc Linéaires

Schéma général d’une communication numérique

Modulateur : mot de code -> modulateur -> ondes Si (t)

La description du système révèle bien la position du problème qui se

Problème de décodage au récepteur

On peut schématiser le comportement du récepteur par un

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction

6 Codes de bloc Linéaires

Canal binaire symétrique

supposons que durant la transmission, le "1" est reçu et interprété

I(X , Y ) = H(X ) − H(X /Y )

I(X,Y) veut dire : Quel est notre incertitude sur X réduite en

I(X , Y ) = 1 + (1 − p) · log(1 − p) + p · log(p) = 1 − H(X )

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction

6 Codes de bloc Linéaires

Les probabilités marginales {p(xi )} dépendent de la source

Role du codage canal

Theorème de shannon concernnat le codage canal

Transmettre de l’information sans erreur ?

Shannon a montré theoriquement qu’on peut transmettre

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction

6 Codes de bloc Linéaires

Distance et poids de Hamming

Soit x = [x1 x2 . . . xn ] et y = [y1 y2 . . . yn ] deux msg de longueur n.

Poids d’un code

Le poids Wi d’un mot de code Ci est par définition le nombre de

Distance de hamming du code à répétitions

on veut coder de façon à que les mots de codes soient assez

Code correcteur d’erreurs

Le rôle du correcteur d’erreurs peut être limite à la simple

Paramètres d’un code(n,k)

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction

6 Codes de bloc Linéaires

Distance de Hamming et pouvoir de

Messages de 4 bits : 16 messages possibles

On ne peut remarquer si une erreur s’est passée

Distance de Hamming et pouvoir de

On sait qu’il y a une erreur mais on ne peut la

Distance de Hamming et pouvoir de

Code de Hamming (7,4) : 4 bits de données + 3 bits

Pouvoir de détéction/pouvoir de correction

tous les erreurs appartenant à une sphere sont corrigeables

Donc Nb max des erreurs corrigeables : eC = E[ 12 (dmin − 1)]

2 Modèle : Canal Binaire symétrique

3 Capacité du canal et role du codage

5 Pouvoir de détection et Pouvoir de Correction