简介这份资源面向5G物理层通信的学习者与开发者聚焦极化码Polar Code的编码与译码实现适合已具备一定通信原理与MATLAB基础、希望深入理解5G NR控制信道编码方案的中高级读者。压缩包共19个文件以12个.m脚本和4个.mat数据文件为主另含1个.cpp源文件、1个mexw64动态库及1个pdb调试文件整体约56KB涵盖信道加噪、生成矩阵构造、CRC校验、SC译码与信道转移等模块脚本与数据配套便于直接运行验证。目前已有427人学习下载。读者可借助其中的编码生成、CRC辅助校验与逐位取消译码等实现理解极化变换、可靠比特选择与软信息迭代的核心机制并在此基础上尝试Fast-SSC或Bit-Flipping等低复杂度改进是研究5G极化码译码算法与性能优化的实用参考。1. 极化码译码到底难在哪从一份 5G 链路仿真包说起如果你最近在找 5G 物理层链路的仿真代码大概率会撞上极化码Polar Code译码这一关。控制信道里它扛着信令广播信道里它保着系统消息标准里写得明明白白可真到自己动手跑一份polar_code_decode的仿真包时很多人会卡在同一个地方编码能对上调制能对上一到译码就 BER 居高不下或者干脆跑不出结果。这不是你数学不好而是极化码译码本身有几个反直觉的坑——SC 串行逐位判决、LLR 的符号约定、冻结位集合的构造任何一处对不上整条链路就是黑匣子。这篇笔记就围绕一份典型的 5G 极化码编译码仿真包把译码这条链路从原理到可复现的代码一步步拆开适合正在做物理层链路仿真、想跑通极化码端到端 BER 曲线的工程师和研究生。2. 极化码译码的三种主流算法与选型逻辑2.1 SC、SCL、CA-SCL 到底差在哪极化码的核心思想是信道极化把 N 个独立信道经过线性变换后一部分变成近乎无噪的“好信道”另一部分变成近乎全噪的“坏信道”。信息位放在好信道上冻结位放在坏信道上。译码的本质就是利用这个结构去恢复信息位。最基础的 SCSuccessive Cancellation译码是逐位串行判决从第 1 位到第 N 位每一位都依赖前面所有已判决的位。它的复杂度是 O(N log N)很漂亮但问题是——一旦前面某一位判错后面全跟着错错误传播非常严重。在短码下 SC 的性能离 ML 译码差得远。SCLSuccessive Cancellation List就是为解决这个问题来的。它不再只保留一条路径而是同时保留 L 条候选路径每步扩展后按路径度量PM排序保留最优的 L 条。L 越大性能越好但复杂度和内存也线性增长。L8 是常见折中L32 在短码下已经非常接近 ML。CA-SCLCRC-Aided SCL是在 SCL 基础上加了一层 CRC 校验。译码结束后从 L 条路径里选那条 CRC 通过的作为输出。这一步提升非常明显——在 5G 控制信道常用的码长和码率下CA-SCL 的 BLER 能比纯 SCL 再降一个数量级。5G 标准里 Polar 码的译码就是基于 CA-SCL 的。选型上我的建议很直接做链路级仿真验证算法从 SC 起步把链路跑通要做性能对比或逼近标准直接上 CA-SCLL 取 8 起步CRC 用 24 位。别在 SC 上死磕性能它就不是干这个的。2.2 冻结位集合怎么定可靠性序列的构造译码之前必须先确定哪些位置是冻结位、哪些是信息位。这个由可靠性序列决定。5G 标准里用的是一套固定的极化权重PW序列不依赖具体 SNR直接查表就行。很多仿真包里会带一个reliability_sequence数组长度 1024前 K 个位置放信息位其余冻结。如果你自己从零构造常用的方法是高斯近似GA或密度进化DE但计算量大。工程上直接用 5G 标准给出的 PW 序列最省事也最不容易出错。注意不同码长 N 对应的序列是嵌套的——N512 的序列是 N1024 序列的子集这个性质在实现时要利用好不然每次换码长都重新算效率很低。2.3 一份典型仿真包的模块划分一份结构清晰的极化码仿真包通常包含这几个模块模块功能关键输入关键输出可靠性序列确定信息位/冻结位码长 N冻结位索引集合编码器极化变换 比特映射信息比特、冻结位编码后码字调制BPSK/QPSK 映射编码比特符号序列信道AWGN 加噪符号、SNR接收符号解调计算 LLR接收符号、噪声方差LLR 序列译码器SC/SCL/CA-SCLLLR、冻结位译码比特性能统计BER/BLER 计算译码比特、原始比特误码率曲线这个划分的好处是每一块可以独立替换和验证。比如你想换译码算法只动译码器模块就行其他不用碰。我一般会先把编码器调制信道解调这条“正向链路”单独跑通确认 LLR 的符号和尺度没问题再接入译码器。这样出问题的时候能快速定位是链路问题还是译码问题。3. 用 Python 从零跑通极化码 SC 译码3.1 编码器的递归实现极化码编码本质是矩阵乘法 x u · F^⊗n其中 F [[1,0],[1,1]]⊗n 是 n 次克罗内克积。直接构造大矩阵做乘法在 N1024 时内存吃不消工程上用递归蝶形运算。import numpy as np def polar_encode(u, frozen_mask): 极化码编码递归蝶形实现 u: 信息比特序列长度 N冻结位位置填 0 frozen_mask: 布尔数组True 表示该位置是冻结位 N len(u) x u.copy() # 将冻结位强制置零 x[frozen_mask] 0 step 1 while step N: for i in range(0, N, step * 2): for j in range(i, i step): x[j] ^ x[j step] step * 2 return x这段代码的逻辑是每一轮把相邻两个块做异或块大小从 1 逐步翻倍到 N/2。frozen_mask保证冻结位在编码前就是 0这是标准要求。参数上唯一要注意的是u的长度必须是 2 的幂不是的话要么补零要么报错别让它静默出错。3.2 LLR 计算与 SC 译码核心循环SC 译码的输入是解调后的 LLR 序列。BPSK 下 LLR 2y/σ²其中 y 是接收符号σ² 是噪声方差。这个符号约定必须和译码器内部一致否则全盘皆错。def sc_decode(llr, frozen_mask): SC 译码逐位串行判决 llr: 解调后的对数似然比序列长度 N frozen_mask: 冻结位掩码 返回译码比特序列 N len(llr) u_hat np.zeros(N, dtypeint) # 存储中间 LLR 的树结构 llr_tree np.zeros((int(np.log2(N)) 1, N)) llr_tree[0] llr.copy() # 递归计算左孩子 LLRf 函数 def f_func(a, b): return np.sign(a) * np.sign(b) * np.minimum(np.abs(a), np.abs(b)) # 递归计算右孩子 LLRg 函数 def g_func(a, b, u): return b (1 - 2 * u) * a # 简化版按层展开的迭代实现 # 实际工程中常用递归或栈模拟这里给出核心逻辑 n int(np.log2(N)) # 自底向上计算 LLR 树 for level in range(n): width N (level 1) for i in range(width): a llr_tree[level][2 * i] b llr_tree[level][2 * i 1] llr_tree[level 1][i] f_func(a, b) # 逐位判决简化示意完整实现需要回溯 for i in range(N): if frozen_mask[i]: u_hat[i] 0 else: u_hat[i] 0 if llr_tree[n][i] 0 else 1 return u_hat这里要说明的是上面给出的是 SC 译码的简化框架真实的 SC 译码需要在 LLR 树上做深度优先遍历左子树算完 f 函数后判决再用判决结果算右子树的 g 函数。完整实现大概 80-100 行核心就是 f 和 g 两个函数加上递归遍历。f_func是 min-sum 近似比精确的 log-domain 计算快很多性能损失很小工程上首选。参数方面llr的尺度很关键。如果你的 LLR 幅值整体偏小f 函数的 min 操作会频繁取到小值导致判决不可靠。建议在解调后检查一下 LLR 的均值和方差正常 AWGN 下 LLR 的绝对值均值应该随 SNR 增大而增大。3.3 从 SC 扩展到 SCL路径管理和 PM 排序SCL 在 SC 基础上维护 L 条路径。每条路径有一个路径度量 PM初始为 0。每步扩展时对每条路径分别假设当前位为 0 和 1计算新的 PM然后从 2L 条候选里保留 PM 最小的 L 条。def scl_decode(llr, frozen_mask, L8): SCL 译码保留 L 条路径 返回最优路径的译码结果 N len(llr) # 路径列表每条路径包含 (u_hat, pm, llr_state) paths [(np.zeros(N, dtypeint), 0.0)] n int(np.log2(N)) for bit_idx in range(N): new_paths [] for u_hat, pm in paths: if frozen_mask[bit_idx]: # 冻结位只能取 0 new_paths.append((u_hat, pm)) else: # 尝试 0 和 1 两个分支 for bit_val in [0, 1]: # 计算该分支的 LLR需要完整的树遍历 # 这里用简化 PM 更新示意 llr_val llr[bit_idx] # 实际应从 LLR 树获取 if bit_val 0: new_pm pm max(0, -llr_val) else: new_pm pm max(0, llr_val) new_u u_hat.copy() new_u[bit_idx] bit_val new_paths.append((new_u, new_pm)) # 按 PM 排序保留 L 条 new_paths.sort(keylambda x: x[1]) paths new_paths[:L] # 返回 PM 最小的路径 return paths[0][0]这段代码省略了 LLR 树的完整遍历重点在路径管理逻辑。实际实现中每条路径需要独立维护自己的 LLR 状态和部分和partial sum内存开销是 L × N × log N。L8、N1024 时大概几十 MB可以接受。L32 就要注意内存了。PM 的更新公式这里用的是简化版如果判决位和 LLR 符号一致PM 不增加不一致则加上 |LLR|。这个近似在工程上够用精确的 PM 更新要考虑 LLR 的分布但差别不大。3.4 CA-SCL 的 CRC 校验接入CA-SCL 就是在 SCL 输出的 L 条路径里选第一条 CRC 通过的。CRC 用 24 位多项式用 5G 标准规定的那个。实现上就是在信息位后面附加 CRC 校验位译码时把 CRC 位也当作信息位一起译最后校验。def crc24_check(bits): CRC-24 校验多项式 0x864CFB poly 0x864CFB crc 0 for b in bits: crc ^ (b 23) for _ in range(1): if crc 0x800000: crc ((crc 1) ^ poly) 0xFFFFFF else: crc (crc 1) 0xFFFFFF return crc 0CRC 校验本身很简单关键是位置要对CRC 位要放在信息位之后、冻结位之前且译码时这些位置不能冻结。很多仿真包在这里翻车——CRC 位被误设为冻结位导致校验永远不过。4. 仿真链路里最容易翻车的五个地方4.1 LLR 符号约定反了BER 永远 0.5现象译码输出和原始比特完全不相关BER 稳定在 0.5 左右。原因解调时 LLR 的符号定义和译码器内部不一致。有的代码定义 LLR log(P(0)/P(1))有的定义相反。解决在链路里加一个已知全零码字的测试看译码输出是否全零。如果不是把 LLR 取反再试。4.2 冻结位集合和码长不匹配现象换码长后性能突然恶化或者直接报数组越界。原因可靠性序列没有按码长正确截取。5G 的 PW 序列是嵌套的N512 时应该取 N1024 序列中对应位置的子集而不是简单取前 512 个。解决用标准给出的嵌套规则生成或者直接用现成的序列表。4.3 SCL 的 PM 排序不稳定导致路径丢失现象SCL 性能时好时坏L 增大后反而变差。原因PM 排序时用了不稳定的排序算法或者 PM 更新公式有误导致数值溢出。解决用稳定的排序PM 用浮点数时注意归一化每步可以减去最小 PM 防止溢出。4.4 CRC 校验位被错误冻结现象CA-SCL 的 BLER 和纯 SCL 一样CRC 从来没起过作用。原因冻结位掩码把 CRC 位置也标成了冻结。解决构造冻结位掩码时先确定信息位CRC 位的总长度再在剩余位置里选冻结位。4.5 噪声方差估计错误导致 LLR 尺度失配现象低 SNR 下性能还行高 SNR 下反而恶化。原因LLR 计算时用的噪声方差是固定值没有随实际 SNR 调整。解决每个 SNR 点重新计算 σ²或者用接收信号的统计量在线估计。5. 把 BER 曲线跑对之后还能做什么链路跑通、BER 曲线和理论值对得上之后这份仿真包的价值才真正开始释放。我一般会做三件事。第一做算法对比。把 SC、SCLL2/4/8/16/32、CA-SCL 的曲线画在同一张图上横轴 Eb/N0纵轴 BLER。你会直观看到 L 从 8 增到 32 的增益已经很小但复杂度翻了两番——这个 trade-off 在写论文或做方案时是最有说服力的数据。第二做码长和码率的扫描。5G Polar 码支持从几十到 1024 的码长不同码长下最优的 L 和 CRC 长度可能不同。我习惯固定码率、扫码长找到性能拐点。这个拐点往往就是实际系统里该选的配置。第三把译码器做成可综合的定点版本。浮点仿真只是验证算法真正落地要考虑定点化。重点观察 LLR 的位宽和 PM 的位宽——LLR 一般 6-8 bit 够用PM 需要更宽防止溢出。定点化之后 BER 损失控制在 0.2 dB 以内就算合格。最后说一个我自己的习惯每次改完译码器先跑一个 N128、SNR2dB 的小规模测试确认译码输出和编码输入一致再跑完整曲线。这个“后悔药”帮我省过很多次重新跑一晚上仿真的时间。极化码译码的坑大多不在算法本身而在链路各模块之间的接口约定上小规模端到端测试是最便宜的排查手段。希望帮到你。本文还有配套的精品资源点击获取
