# HDR neu betrachtet: Geometrische Fehlerdiagnose ## Ergebnis und Abgrenzung Aus der Kreisabbildung lässt sich eine konkrete Anwendung herleiten: einen einzelnen veränderten Wert lokalisieren und korrigieren, während zwei veränderte Werte nicht versehentlich als ein einzelner Fehler korrigiert werden. Die Aussage gilt über exakten reellen Zahlen, bei fester Blocklänge und Reihenfolge und vertrauenswürdigen Referenzprüfwerten. Das ist eine neu untersuchte Verwendung des geometrischen Kerns, **keine bereits implementierte Eigenschaft des geprüften Originaldecoders**. Das separate Experiment verändert das Repository nicht. Es rekonstruiert nicht beliebige Daten aus drei Zahlen, sondern nutzt zusätzlich den vorhandenen, eventuell beschädigten Datenblock. Damit ist ein konkreter Nutzen hergeleitet, aber weder Neuheit noch Überlegenheit gegenüber etablierten Fehlerkorrekturverfahren nachgewiesen. Fehlerlokalisierung mit gewichteten Prüfsummen ist bereits Gegenstand der algorithmischen Fehlertoleranz ([ABFT-Darstellung mit Fehlerlokalisierung](https://arxiv.org/html/2410.11720v1)). Fehlerkorrektur über reellen Zahlen mit DFT-Codes und ihre Schwierigkeiten bei Quantisierung sind ebenfalls dokumentiert ([EUSIPCO-Fachbeitrag](https://www.eurasip.org/Proceedings/Eusipco/Eusipco2012/Conference/papers/1569578857.pdf)). ## Die Konstruktion Für einen Block mit \(n\) reellen Werten, nullbasierten Indizes und \(n\geq3\): \[ \theta_j=\frac{2\pi j}{n},\qquad S=\sum_j x_j,\qquad Z=\sum_j x_j e^{i\theta_j}. \] Gespeichert werden drei reelle Prüfwerte: \(S,\operatorname{Re}Z,\operatorname{Im}Z\), zusätzlich zur ohnehin bekannten Blockform. Anders als bei der Proportionsnormalisierung wird nicht durch \(S\) geteilt. Nullsummen der Eingangsdaten sind daher kein algebraisches Sonderproblem dieser Konstruktion. Die vorhandene normalisierte Kreisresultierende lässt sich bei \(S\neq0\) durch Multiplikation mit \(S\) auf diese unnormalisierte Form zurückführen. Ein fester Winkelversatz dreht \(Z\) nur; er kann bei der Positionsbestimmung berücksichtigt werden und verändert den folgenden Beweis nicht. ## Warum ein Fehler lokalisiert werden kann Sei nur Wert \(j\) um den nichtverschwindenden Betrag \(a\) verändert. Aus neu berechneten und vertrauenswürdig gespeicherten Prüfwerten folgen: \[ \Delta S=a,\qquad \Delta Z=a e^{i\theta_j}, \qquad \frac{\Delta Z}{\Delta S}=e^{i\theta_j}. \] Die Summe liefert den vorzeichenbehafteten Fehlerbetrag. Der Winkel des Quotienten liefert die Position. Durch Subtraktion von \(a\) am gefundenen Index wird der Fehler in exakter Arithmetik korrigiert. Ein Decoder muss sowohl den Einheitskreis als auch die Zugehörigkeit zum diskreten Winkelraster prüfen. Ein ungefähr passender Winkel allein reicht nicht. ## Warum zwei Fehler nicht wie einer aussehen Für zwei verschiedene Stellen \(j,k\) mit nichtverschwindenden Änderungen \(a,b\): \[ |\Delta Z|^2-(\Delta S)^2 =-2ab\bigl(1-\cos(\theta_j-\theta_k)\bigr)\neq0. \] Ein einzelner Fehler erfüllt dagegen \( |\Delta Z|=|\Delta S| \). Damit kann ein Zweifachfehler nicht dieselben Prüfwertdifferenzen wie ein Einzelfehler erzeugen. Geometrisch haben die Prüfmatrixspalten die Form \((1,\cos\theta_j,\sin\theta_j)\). Drei verschiedene Kreispositionen liegen nicht auf einer Geraden; deshalb sind je drei Spalten linear unabhängig. Diese konkrete Eigenschaft, nicht die allgemeine Behauptung „Geometrie erhält Information“, trägt die Unterscheidung. ## Was daran praktisch nützlich wäre Ein möglicher Einsatz ist die Diagnose numerischer Datenblöcke mit seltenen isolierten Veränderungen: nicht nur feststellen, dass etwas abweicht, sondern die betroffene Stelle und den Betrag bestimmen. Die Anwendung braucht keine vollständige zweite Kopie der ursprünglichen Werte, wohl aber geschützte Referenzprüfwerte. Die erstmalige Prüfsummenbildung und eine vollständige erneute Prüfung kosten jeweils \(O(n)\) Rechenoperationen. Bei bekannten Einzelupdates können die drei Prüfwerte mit konstant vielen Operationen fortgeschrieben werden. Das erkennt nicht automatisch einen Fehler, der bereits vor der vertrauenswürdigen Prüfsummenbildung entstand oder gemeinsam mit den Daten in die Prüfwerte übernommen wurde. Ein fairer Vergleich benötigt ebenfalls drei reelle Prüfwerte, beispielsweise \(\sum x_j,\sum jx_j,\sum j^2x_j\). Auch deren Prüfmatrix besitzt die nötige Unabhängigkeit. Der Kreis ist daher nicht die einzige Konstruktion mit dieser Garantie. Beschränkte Sinus-/Kosinusgewichte sind eine untersuchbare Eigenschaft, kein Beweis besserer Gesamtstabilität. ## Tatsächlich ausgeführtes Experiment Separates Skript: `hdr_circle_syndrome_test.py`. Zufallsstartwert: `20260915`. Je 1.000 Versuche pro Blocklänge 4, 16, 64, 256 und 1.024; Eingangswerte gleichverteilt zwischen −10 und 10; Fehlerbeträge zwischen 0,1 und 10 mit zufälligem Vorzeichen. Absolute Toleranz der Prüfwertdifferenzen: \(10^{-8}\). | Prüfung | Ergebnis | |---|---:| | Einzelfehler richtig lokalisiert | 5.000 von 5.000 | | Zweifachfehler als nicht einzeln korrigierbar erkannt | 5.000 von 5.000 | | Größter absoluter Restfehler nach Einzelfehlerkorrektur | ungefähr \(1{,}02\cdot10^{-13}\) | Das ist ein Funktionstest in einem begrenzten Zahlenbereich, kein Geschwindigkeitsvergleich und keine universelle Float-Garantie. ## Gegenbeispiele und Grenzen - **Drei Fehler:** Bei vier Positionen hat die Änderung \((1,-1,1,0)\) dieselben Prüfwerte wie \((0,0,0,1)\). Ohne eine Obergrenze für die Fehlerzahl kann eine automatische Korrektur neue Fehler erzeugen. - **Endliche Genauigkeit:** Bei einer Million Kreispositionen erscheinen zwei Änderungen von jeweils +1 an den Stellen \(n-1\) und 1 bei der genannten Toleranz irrtümlich wie +2 an Stelle 0. Die Abweichung der komplexen Prüfwerte beträgt nur ungefähr \(3{,}95\cdot10^{-11}\). - **Vertrauensgrenze:** Beschädigte oder manipulierte Referenzprüfwerte sind nicht vom Beweis abgedeckt. Die Methode ist keine kryptografische Integritätsprüfung. - **Andere Fehlerarten:** Einfügungen, Löschungen, Indexverschiebungen, NaN/Inf und beliebig viele Rundungsänderungen sind nicht als einzelne additive Wertfehler modelliert. ## Empfehlung Die tragfähige neue Perspektive lautet: **HDR-inspirierte geometrische Redundanz für Fehlerdiagnose**, nicht universelle Rückrechnung aus einer Resultierenden und nicht allgemeine Topologieerkennung. Ein begrenzter Vergleich gegen gleich große etablierte Prüfschemata ist sinnvoll. Vor jeder produktiven automatischen Korrektur wären realistische Fehlermodelle, geschützte Metadaten und numerisch begründete Entscheidungsschwellen nötig. Ohne messbaren Vorteil in einem konkreten Einsatz bleibt dies eine verständliche Implementierungsvariante bekannter Grundideen, kein nachgewiesener algorithmischer Fortschritt.