បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាកំហុសទិន្នន័យ (burst errors) ដែលមានរយៈពេលយូរនៅក្នុងបណ្តាញឥតខ្សែល្បឿនលឿន ដោយប្រើកូដ convolutional មិនមែនគោលពីរជាមួយនឹងការឌិកូដនិមិត្តសញ្ញាវ៉ិចទ័រ (VSD) ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានកែសម្រួលក្បួនដោះស្រាយ VSD ដើម្បីដំណើរការជាមួយទម្រង់កូដដែលមានអត្រា 2/3 និង 3/4 រួចធ្វើតេស្តដំណើរការឌិកូដនៅក្នុងស្ថានភាពបណ្តាញផ្សេងៗគ្នា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| VSD with List Inner Decoder (LVA) ការឌិកូដនិមិត្តសញ្ញាវ៉ិចទ័រ (VSD) ដោយប្រើ List Inner Decoder (LVA) |
ឌិកូដបានលឿន មានភាពស្មុគស្មាញទាបក្នុងការគណនាស៊ីនដ្រូម (syndromes) និងងាយស្រួលក្នុងការអនុវត្តលើផ្នែករឹង។ | ឧបករណ៍ឌិកូដខាងក្នុង (Inner decoder) ត្រូវតែរចនាឡើងពិសេស ដែលធ្វើឱ្យវាមិនសូវមានភាពបត់បែន និងមានភាពស្មុគស្មាញខ្ពស់ជាងមុនបន្តិច។ | កាត់បន្ថយចំនួនស៊ីនដ្រូមដែលត្រូវការសម្រាប់ការឌិកូដ ដោយទទួលបានជម្រើសកែតម្រូវទីពីរ (second choice) ពី inner decoder ដែលជួយសន្សំសំចៃអង្គចងចាំ។ |
| VSD with Non-List Inner Decoder (Large Syndromes) ការឌិកូដនិមិត្តសញ្ញាវ៉ិចទ័រ (VSD) ដោយប្រើ Inner Decoder ធម្មតា (មិនប្រើ List) |
មានភាពបត់បែនខ្ពស់ ដោយអាចប្រើប្រាស់ឧបករណ៍ឌិកូដ (decoders) ធម្មតាដែលមានស្រាប់នៅលើទីផ្សារដោយមិនចាំបាច់បង្កើតថ្មី។ | ទាមទារឱ្យការឌិកូដ VSD ប្រើប្រាស់ចំនួនស៊ីនដ្រូមកាន់តែច្រើន ដែលធ្វើឱ្យការគណនាមានភាពស្មុគស្មាញកើនឡើងជាអិចស្ប៉ូណង់ស្យែល (exponentially)។ | ផ្តល់ដំណើរការល្អសម្រាប់កូដដែលមានប្រវែងកម្រិត (constraint length) ៥ នៅពេលអនុញ្ញាតឱ្យប្រើស៊ីនដ្រូមរហូតដល់ចំនួន ១៦។ |
| Interleaved Reed-Solomon (IRS) Codes កូដ Interleaved Reed-Solomon (IRS) |
ជាកូដដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយ មានភាពចាស់ទុំ និងមានប្រសិទ្ធភាពសម្រាប់ប្រព័ន្ធទំនាក់ទំនងធម្មតា។ | មានភាពយឺតយ៉ាវខ្ពស់ (high delay) ដោយសារឧបករណ៍ត្រូវរង់ចាំទទួលទិន្នន័យពេញលេញទើបអាចឌិកូដបាន ដែលមិនសូវស័ក្តិសមសម្រាប់បណ្តាញល្បឿនលឿន (Gbps)។ | អាចកែតម្រូវកំហុសទិន្នន័យប្រភេទ burst បាន ប៉ុន្តែមិនអាចចាប់ផ្តើមឌិកូដភ្លាមៗដូចបច្ចេកទេស VSD បែប convolutional នោះទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់ពីការចំណាយជាសាច់ប្រាក់ដោយផ្ទាល់ ប៉ុន្តែបានសង្កត់ធ្ងន់យ៉ាងខ្លាំងទៅលើទំហំនៃធនធានផ្នែករឹង (Hardware memory) និងសមត្ថភាពគណនាដែលចាំបាច់។
ការសិក្សានេះផ្អែកទាំងស្រុងលើការក្លែងធ្វើកុំព្យូទ័រ (Computer simulations) ដោយប្រើប្រាស់គំរូបណ្តាញ AWGN និង Rayleigh fading channels ជាជាងការវាស់វែងទិន្នន័យនៅក្នុងបណ្តាញជាក់ស្តែង។ សម្រាប់ប្រទេសកម្ពុជា នេះមានន័យថាលទ្ធផលតាមទ្រឹស្តីទាំងនេះអាចយកមកប្រើជាមូលដ្ឋានរចនាបាន ប៉ុន្តែប្រសិទ្ធភាពជាក់ស្តែងអាចប្រែប្រួលអាស្រ័យលើលក្ខខណ្ឌអាកាសធាតុ ឧបសគ្គភូមិសាស្ត្រ និងហេដ្ឋារចនាសម្ព័ន្ធបណ្តាញទូរគមនាគមន៍ក្នុងស្រុក។
បច្ចេកទេសនេះមានសក្តានុពលខ្ពស់ក្នុងការយកមកអភិវឌ្ឍប្រព័ន្ធហេដ្ឋារចនាសម្ព័ន្ធទូរគមនាគមន៍ និងអ៊ីនធឺណិតល្បឿនលឿននៅក្នុងប្រទេសកម្ពុជា។
ជារួម ការសិក្សានិងអនុវត្តបច្ចេកវិទ្យាការកែតម្រូវកំហុសទិន្នន័យនេះ នឹងជួយពង្រឹងគុណភាពនៃសេវាអ៊ីនធឺណិត និងប្រព័ន្ធបញ្ជូនទិន្នន័យផ្សេងៗនៅកម្ពុជាឱ្យកាន់តែមានលំនឹង និងគួរឱ្យទុកចិត្ត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Vector Symbol Decoding (ការឌិកូដនិមិត្តសញ្ញាវ៉ិចទ័រ) | ជាវិធីសាស្ត្រមួយក្នុងការស្វែងរកនិងកែតម្រូវកំហុសទិន្នន័យ (error correction) ដោយចាត់ទុកទិន្នន័យជាក្រុមៗ (និមិត្តសញ្ញាធំៗ) ជំនួសឱ្យការកែតម្រូវកំហុសម្តងមួយប៊ីត (bit) ដែលស័ក្តិសមបំផុតសម្រាប់ដោះស្រាយបញ្ហាកំហុសទិន្នន័យដែលកើតឡើងជាប់ៗគ្នាជាបន្តបន្ទាប់ (burst errors) ក្នុងបណ្តាញល្បឿនលឿន។ | ដូចជាការពិនិត្យអក្ខរាវិរុទ្ធនិងកែតម្រូវពាក្យទាំងមូល ជំនួសឱ្យការអង្គុយពិនិត្យនិងកែតួអក្សរម្តងមួយៗ។ |
| Nonbinary Convolutional Codes (កូដ Convolutional មិនមែនគោលពីរ) | ជាប្រភេទនៃកូដកែតម្រូវកំហុសដែលដំណើរការលើនិមិត្តសញ្ញា (symbols) ដែលមានតម្លៃធំជាងសូន្យនិងមួយ (nonbinary) ដោយប្រើរចនាសម្ព័ន្ធបន្តបន្ទាប់គ្នា (convolutional) ដើម្បីបង្កើតទំនាក់ទំនងរវាងទិន្នន័យចាស់និងថ្មី ដែលជួយឱ្យប្រព័ន្ធដឹងពីលំហូរនៃទិន្នន័យ។ | ដូចជាការវេចខ្ចប់ទំនិញជាប្រអប់ធំៗដែលមានលេខកូដសម្គាល់តពាក់ព័ន្ធគ្នា ងាយស្រួលរកកំហុសពេលបាត់បង់ប្រអប់ណាមួយ ជាជាងការរាប់ទំនិញម្តងមួយដុំ។ |
| Burst Errors (កំហុសទិន្នន័យបែបប្រមូលផ្តុំ / កំហុសបន្តបន្ទាប់) | ជាប្រភេទកំហុសនៅក្នុងការបញ្ជូនទិន្នន័យ ដែលប៊ីត (bits) ជាច្រើនត្រូវបានខូចខាតជាប់ៗគ្នាក្នុងរយៈពេលខ្លីមួយ ជាទូទៅបង្កឡើងដោយការរំខាននៃរលកសញ្ញា (interference) ឬការធ្លាក់ចុះគុណភាពសញ្ញាភ្លាមៗនៅក្នុងបណ្តាញឥតខ្សែ។ | ដូចជាការកំពប់ទឹកលើសៀវភៅដែលធ្វើឱ្យអក្សររលុបមួយដុំធំ មិនមែនរលុបតួអក្សរដាច់ៗពីគ្នានោះទេ។ |
| syndromes (ស៊ីនដ្រូម) | ជាលទ្ធផលនៃការគណនាម៉ាទ្រីសក្នុងប្រព័ន្ធកែតម្រូវកំហុស (Error Control Coding) ដែលប្រើដើម្បីកំណត់ថាតើមានកំហុសកើតឡើងក្នុងទិន្នន័យដែលទទួលបានឬអត់។ បើស៊ីនដ្រូមស្មើរសូន្យ មានន័យថាគ្មានកំហុស ហើយចំនួនស៊ីនដ្រូមកាន់តែច្រើន ការកែតម្រូវកំហុសកាន់តែមានប្រសិទ្ធភាពតែការគណនាក៏ស្មុគស្មាញដែរ។ | ដូចជាវិក្កយបត្រផ្ទៀងផ្ទាត់ការទិញទំនិញ។ បើផលបូកទំនិញនិងទឹកប្រាក់សរុបមិនត្រូវគ្នា (មានន័យថាស៊ីនដ្រូមមិនស្មើសូន្យ) នោះបញ្ជាក់ថាមានការគិតលុយខុសហើយ។ |
| Viterbi algorithm (ក្បួនដោះស្រាយ Viterbi) | ជាក្បួនដោះស្រាយគណិតវិទ្យាដ៏ពេញនិយមមួយក្នុងការឌិកូដ (decode) ទិន្នន័យដែលបានចូលកូដបែប convolutional ដោយវាស្វែងរកផ្លូវឬលទ្ធភាពដែលទំនងបំផុត (most likely sequence) នៃទិន្នន័យដើមចេញពីសញ្ញាដែលទទួលរងការរំខានក្នុងប្រព័ន្ធទូរគមនាគមន៍។ | ដូចជាកម្មវិធី Google Maps ដែលគណនារកផ្លូវដែលទំនងជាលឿនបំផុតនិងត្រឹមត្រូវបំផុត ដើម្បីទៅដល់គោលដៅទោះបីជាមានផ្លូវវង្វេងវង្វាន់ច្រើនក៏ដោយ។ |
| constraint length (ប្រវែងកម្រិត) | ជាប៉ារ៉ាម៉ែត្រមួយនៅក្នុងកូដ convolutional ដែលបង្ហាញពីចំនួននៃទិន្នន័យមុនៗ (memory) ដែលមានឥទ្ធិពលទៅលើការបង្កើតទិន្នន័យកូដបច្ចុប្បន្ន។ ប្រវែងកម្រិតកាន់តែធំ កូដកាន់តែមានសមត្ថភាពខ្ពស់ក្នុងការកែតម្រូវកំហុស តែការគណនាក៏ទាមទារអង្គចងចាំធំជាងមុនដែរ។ | ដូចជាការចងចាំរឿងរ៉ាវអតីតកាល។ បើអ្នកអាចចងចាំរឿងរ៉ាវបានច្រើនថ្ងៃមុន (ប្រវែងកម្រិតធំ) អ្នកអាចធ្វើការសម្រេចចិត្តថ្ងៃនេះបានកាន់តែត្រឹមត្រូវ ប៉ុន្តែខួរក្បាលអ្នកក៏ត្រូវធ្វើការធ្ងន់ដែរ។ |
| AWGN (សម្លេងរំខានពណ៌ស Gaussian បន្ថែម) | ជាគំរូគណិតវិទ្យាជាមូលដ្ឋានដែលគេប្រើដើម្បីក្លែងធ្វើបរិស្ថាននៃបណ្តាញទំនាក់ទំនង ដោយបូកបញ្ចូលរលកសញ្ញារំខាន (noise) ដែលមានកម្រិតស្មើៗគ្នាលើគ្រប់ប្រេកង់រលកសញ្ញា (White Gaussian) ទៅលើសញ្ញាដើមដើម្បីធ្វើតេស្តគុណភាពនៃកូដកែតម្រូវកំហុស។ | ដូចជាសំឡេងរ៉ែៗ (Static noise) នៃវិទ្យុដែលមិនចំស្តេហ្សិន ដែលធ្វើឱ្យយើងពិបាកស្តាប់សំឡេងពិតប្រាកដ។ |
| Rayleigh fading channel (បណ្តាញប្រែប្រួល Rayleigh) | ជាបាតុភូតនៃការថយចុះឬប្រែប្រួលកម្លាំងរលកសញ្ញាឥតខ្សែយ៉ាងគំហុក ដោយសារតែរលកសញ្ញាផ្លាតនឹងឧបសគ្គផ្សេងៗ (អគារ ដើមឈើ) ហើយធ្វើដំណើរក្នុងផ្លូវច្រើន (multipath) មកដល់ឧបករណ៍ទទួលក្នុងពេលខុសៗគ្នាក្នុងទម្រង់មិនច្បាស់លាស់។ | ដូចជាការស្រែកហៅគ្នានៅក្នុងជ្រលងភ្នំ ដែលសម្លេងរបស់អ្នកបុកនឹងជញ្ជាំងភ្នំហើយត្រលប់មកវិញជាសម្លេងខ្ទ័រជាន់គ្នា (Echo) ធ្វើឱ្យអ្នកស្តាប់នៅខាងចុងម្ខាងទៀតពិបាកស្តាប់បានច្បាស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
