Burrows-Wheeler 变换 (BWT) - 存储数据

Posted 2023-02-22

【中文标题】Burrows-Wheeler 变换 (BWT) - 存储数据

【英文标题】：Burrows-Wheeler Transform (BWT) - Stored Data

【发布时间】：2013-05-03 17:52:32

【问题描述】：

使用 BWT 后，我们在编码数据中需要哪组数据？我们需要编码（或导出）后缀数组吗？

输入：

***

BWT 输出：

wtavrcfkle$soo

后缀数组：

13, 2, 3, 7, 9, 4, 10, 5, 11, 8, 0, 1, 6, 12

【参考方案1】：

后缀数组只需要计算bwt变换，变换完成后可以去掉。

BWT("***")="wtavrcfkle$soo"

UNBWT("wtavrcfkle$soo")="***"

如果您愿意，也可以从转换后的输出中恢复后缀数组：)

【参考方案2】：

您需要反转转换的是输出字符串（在您的示例中为wtavrcfkle$soo）。

【参考方案3】：

您只需要传输 BWT 输出。

这种转换令人惊讶的是，原始字符串可以仅从置换后的输出字符串中重构出来。

wikipedia article 包含执行此反向操作的示例代码。

请注意，正常的操作模式是在传输之前使用游程编码对 BWT 输出进行编码（或者您没有实现任何压缩）。

转换的好处是它倾向于产生类似字符的长时间运行（如果源材料中有结构），因此运行长度编码效果很好。

【参考方案4】：

要反转 BWT，您只需要原始最后一个字符的索引，而不是整个后缀数组。如果您没有此索引，我相信选择任意索引会导致原始字符串的旋转版本。

请注意，如果您包含行尾代码（如您的示例中），则原始最后一个字符很明显，因此不需要单独提供索引...

【参考方案5】：

需要明确的是，后缀数组和 BWT 输出是一回事。如果您查看示例中的后缀数组，它包含从 BWT 输入（从 1 开始）获取的 BWT 输出中字母的索引：13 -> w、2 -> t、3 -> a 等。 .. 使用后缀数组只是一种以线性时间计算 BWT 输出的机制。传输后缀数组或BWT输出意味着传输相同的信息。