Ein algorithmischer Prozess, der Folgen von gleichverteilten Eingangsbits in Symbolfolgen (oder Bitmuster) abbildet, deren empirische Verteilung einer vorgeschriebenen nicht‑uniformen Zielverteilung entspricht (z. B. für probabilistisches Shaping), dabei invertierbar (oder anderweitig am Empfänger rekonstruierbar) bleibt und dessen Ratenverlust, Komplexität und Latenzeigenschaften quantifizierbar sind.

Prinzip

Distribution Matching muss auf dem übertragenen Block bijektiv oder ausdrücklich invertierbar sein (oder von Seiteninformation begleitet werden), damit geformte Symbolfolgen wiederhergestellt oder zuverlässig decodiert werden können; es besteht ein Trade‑off zwischen Blocklänge, Durchsatz‑Effizienz (Ratenverlust), Rechenaufwand und Genauigkeit der Verteilungsapproximation.

Demonstration

Illustrative Pipeline → Eingangsbitstrom (uniform) → Distribution Matcher (z. B. Constant‑Composition DM oder Shell Mapping) erzeugt Indizes mit Zielzusammensetzung → Mapper sendet Konstellationssymbole gemäß Indizes → Empfänger wendet bekannte inverse Abbildung an, um Bits zurückzugewinnen. Erkennen → Wenn der Empfänger Symbolfolgen beobachtet, die zur Zielzusammensetzung passen, liefert die inverse Abbildung die Originaldaten innerhalb der erwarteten Overhead‑Rate. Aktion → FEC decodiert verbleibende Fehler. Folge → Ermöglicht Senderseitiges probabilistisches Shaping mit vorhersehbarem Ratenoverhead und Implementierungskosten.

Fehlanwendung

Distribution Matching mit generaler Kompression oder Entropie‑Codierung zu verwechseln (der semantische Fehler ist zu erwarten, DM reduziere die durchschnittliche Bitlänge beliebiger Quellen); DM wandelt gleichverteilte Bits mit fester Rate in eingeschränkte Symbolfolgen um, es ist keine universelle Quellkompression.

Konsequenz

Korrekt angewandt ermöglicht DM geformte Übertragungen und die Vorteile probabilistischen Shapings; es bringt Implementierungskosten (Rechenkomplexität, Blockpufferung, Latenz) mit sich und kann bei endlichen Blocklängen zu Ratenverlusten führen, die die Shaping‑Gains schmälern, wenn sie nicht adressiert werden.

Umkehrung

Bei sehr kurzen Blocklängen oder ultra‑niedriger Latenz kann der Ratenverlust und die Komplexität des DM die Shaping‑Vorteile überwiegen; bei asymptotisch langen Blöcken verringert sich der Ratenverlust, dafür steigen Latenz und Speicherbedarf.

Abgrenzung

Klar innerhalb: Constant‑Composition oder arithmetisch basiertes DM, das Fixed‑Length Uniform‑Input‑Blöcke in Fixed‑Length Shaped‑Output‑Blöcke mit bekannter Invertierbarkeit abbildet. Grenzfall: Streaming‑DM, das strikte Zusammensetzung zum geringeren Latenzpreis lockert, jedoch exakte Invertierbarkeit aufgibt. Klar außerhalb: allgemeine Entropiecodierer (z. B. gzip) oder Kanalcodes, die keine Zielsymbolzusammensetzung erzwingen.

Semantische Spannung

Spannung zwischen Verteilungsgenauigkeit (und damit Shaping‑Gewinn) und Implementierungszwängen: Blocklänge, Latenz sowie Rechen‑/Speicheraufwand.

Synthese

Distribution Matching operationalisiert probabilistisches Shaping, indem es uniforme Bits in Sequenzen mit Zielverteilung verwandelt; sein praktischer Nutzen hängt vom Ausgleich zwischen Verteilungs‑Treue und den Overheads endlicher Blöcke sowie Latenz/Komplexität ab.