简介本资源是一套完整的极化码MATLAB仿真代码包面向通信工程专业本科生、研究生及信道编码研究者聚焦极化码核心原理理解与SC/SCL译码算法实践。资源共34个文件含31个功能完备的.m脚本涵盖pencode/pdecode系列编码译码主函数、LLR更新、比特翻转、BEC/AWGN信道建模、系统码构造、BER计算与性能绘图等、2个说明性txt文档含运行示例与参数配置指引以及1份PDF技术文档全面支撑从理论推导到仿真实现的闭环学习。压缩包仅346KB轻量易用结构清晰各模块高度解耦且注释详尽便于初学者逐层理解极化矩阵构造、信道极化选择、SC顺序判决机制及SCL列表扩展策略。目前已有80人学习下载可直接运行复现BER-SNR曲线对比SC与SCL在不同码长、列表尺寸下的纠错性能差异是掌握5G标准核心编码技术的优质入门与进阶实践材料。1. 项目概述从理论到实践的极化码仿真如果你正在通信、信息工程或者相关领域学习或工作那么“极化码”这个词对你来说一定不陌生。作为5G标准中控制信道的编码方案极化码以其理论上能够达到香农极限的优异性能从众多候选方案中脱颖而出。但理论归理论真正理解它、掌握它最好的方式莫过于亲手用代码把它“跑”起来。这次我们就用MATLAB这个工程领域的“瑞士军刀”来完整地仿真极化码的编码以及两种核心的译码算法SCSuccessive Cancellation串行抵消译码和SCLSuccessive Cancellation List串行抵消列表译码。这个仿真的目标非常明确我们不是要复现一个复杂的通信系统原型而是要搭建一个最精简、最核心的“测试平台”。通过这个平台你可以直观地看到信息比特是如何被编码成抗干扰的码字在模拟的嘈杂信道中传输后又是如何通过SC或SCL算法被尽可能地正确恢复出来。整个过程我们会重点关注误码率BER和误块率BLER这两个核心性能指标如何随着信噪比的变化而改变从而深刻体会SCL算法通过引入“列表宽度”这个参数是如何以计算复杂度为代价换来译码性能的巨大提升。无论你是刚接触信道编码的学生还是想深入理解极化码实现细节的工程师这个从零开始的MATLAB仿真之旅都将为你提供扎实的实践基础。2. 极化码核心原理与仿真框架设计在动手写代码之前我们必须把极化码的几个核心“骨架”搭清楚。极化码的发明者Arikan教授提出了一种巧妙的信道极化Channel Polarization思想。简单来说通过对N个独立的二进制输入离散无记忆信道B-DMC进行特定的线性变换即使用生成矩阵可以产生出N个新的“子信道”。当N足够大时这些子信道的容量会朝着两个极端分化一部分变得非常好容量接近1几乎无错另一部分变得非常差容量接近0完全不可靠。极化码的精髓就在于只选择那些“好”的信道来传输我们的信息比特而将“差”的信道固定为收发双方都知道的比特通常设为0这些固定比特被称为“冻结比特”Frozen Bits。2.1 仿真系统链路模型我们的仿真链路是一个经典的数字通信基带模型主要包括以下几个环节信息生成随机产生长度为K的信息比特序列u。极化编码根据码长N和信道可靠性确定信息位集合A和冻结位集合A^c。将信息比特放入A位置冻结比特全0放入A^c位置构成向量u_1^N。然后通过编码运算x_1^N u_1^N * G_N得到码字。其中G_N是极化码的生成矩阵。调制为了简化我们采用BPSK调制将二进制码字0/1映射为1/-1发送。信道模拟一个加性高斯白噪声AWGN信道。信号s经过信道后变为接收信号y s n其中n是服从正态分布N(0, σ^2)的噪声。信噪比Eb/N0决定了噪声功率σ^2。译码接收端收到含噪信号y后使用SC或SCL译码器基于信道观测值和冻结比特的先验知识对信息比特进行估计得到û。性能评估比较原始信息比特u和译码后的信息比特û统计误比特数和误块数最终计算BER和BLER。整个仿真的逻辑就是固定一个码长N和信息位长度K然后遍历一系列不同的信噪比点在每个信噪比下进行大量例如数万到数十万次的“生成-编码-调制-加噪-译码-比较”循环从而得到稳定的统计性能曲线。2.2 关键参数定义与初始化在MATLAB中我们首先需要定义一些全局参数这些参数决定了仿真的基本面貌N 1024; % 码长必须是2的幂次如 256, 512, 1024 K 512; % 信息位长度必须小于N list_size [1, 4, 8, 32]; % SCL译码的列表宽度1即对应SC译码 EbN0_dB_vec 0:0.5:3.0; % 仿真的信噪比范围 (dB) num_blocks_per_point 10000; % 每个信噪比点仿真的码块数量 max_frame_errors 100; % 每个信噪比点最大统计误帧数用于加速仿真这里有几个设计考量码长N的选择极化码的理论优势在大码长时更明显。但码长越大计算复杂度尤其是SCL呈指数增长。1024是一个在性能和仿真时间上比较好的折中点。初次仿真可以从256开始快速验证流程。列表宽度选择list_size包含了1即SC和几个典型的列表宽度。通过一次仿真同时绘制多条曲线可以直观对比性能提升与复杂度代价。信噪比范围EbN0_dB_vec需要根据码率RK/N来大致估计。对于码率0.5的极化码在AWGN信道下其瀑布区BER/BLER快速下降的区域通常在1-3 dB附近。这个范围需要根据实际情况调整。仿真量num_blocks_per_point和max_frame_errors共同决定了仿真的蒙特卡洛次数。为了在低误码率如1e-5下得到可靠统计需要极大的仿真量。设置max_frame_errors可以在高信噪比区收集到足够误帧数后提前停止节省时间。注意极化码的可靠性序列即哪些位置是“好”的信道用来放信息比特是仿真的基石。对于AWGN信道通常采用高斯近似Gaussian Approximation, GA或密度进化Density Evolution, DE来离线计算各子信道的可靠性并排序。在仿真中我们通常会预先计算好一个长度为N的可靠性序列reliability_order然后选择最可靠的K个位置作为信息位集合A。由于计算过程较复杂且不是每次仿真的重点实践中常常直接调用开源库如5G标准定义的序列或使用预存的序列文件。3. 核心模块实现与代码解析接下来我们深入到各个核心功能模块的内部看看它们是如何用MATLAB代码实现的并理解每一行代码背后的意图。3.1 极化编码器实现极化编码的核心运算在于生成矩阵G_N。它可以通过递归的克罗内克积Kronecker Product来构造G_N B_N * (F^{\otimes n})其中F [1 0; 1 1]n log2(N)B_N是比特反转置换矩阵。但在实际实现中有一种更高效、更直观的编码方式——基于图的递归编码其编码复杂度仅为O(N logN)。function coded_bits polar_encode(info_bits, frozen_indices, N) % info_bits: 长度为K的信息比特向量 % frozen_indices: 长度为N-K的向量指示哪些位置是冻结位从1开始索引 % N: 码长 % 返回: 长度为N的编码后比特向量 % 1. 构造完整输入向量u u zeros(1, N); info_pos setdiff(1:N, frozen_indices); % 信息位位置 u(info_pos) info_bits; % 信息比特放入对应位置 % 冻结位位置保持为0 % 2. 递归编码函数核心 function x encode_recursive(v) len length(v); if len 1 x v; % 递归基 else u1 v(1:len/2); u2 v(len/21:end); % 编码变换x [u1⊕u2, u2] x1 mod(u1 u2, 2); % 模二加 x2 u2; % 递归处理 c1 encode_recursive(x1); c2 encode_recursive(x2); x [c1, c2]; end end % 3. 调用递归函数 coded_bits encode_recursive(u); end代码解读与注意事项frozen_indices是冻结位的索引。我们需要先根据可靠性序列计算出信息位集合info_pos和冻结位集合frozen_indices。这是编码的前提。递归函数encode_recursive实现了极化码的编码图。它将输入向量一分为二进行[1 0; 1 1]的线性变换后再对两部分分别递归编码最后合并。这个过程完美对应了极化码的“蝶形”运算图。模二加法mod(ab, 2)在MATLAB中可以用xor(a,b)替代效果相同。实操心得对于大码长如N8192递归调用可能导致函数调用栈过深。可以采用非递归迭代的方式来实现或者直接使用矩阵乘法mod(u * G_N, 2)。虽然矩阵乘法复杂度是O(N^2)但对于一次性的小规模仿真或教学演示其代码简洁性优势明显。在实际性能仿真中递归或迭代的O(N logN)方法更优。3.2 SC译码器实现SC译码是一种串行、硬判决的译码方式。它按照比特索引i从1到N的顺序依次估计每一个û_i。在估计时它假设之前已经译出的比特û_1^(i-1)是正确的并利用冻结比特信息如果是冻结位直接判为0和接收到的信道似然比LLR信息来进行判决。function decoded_bits sc_decode(llr_received, frozen_indices, N) % llr_received: 长度为N的对数似然比向量llr log( P(x0|y) / P(x1|y) ) % frozen_indices: 冻结位索引 % N: 码长 % 返回: 译码出的完整输入向量u_hat包含冻结比特 decoded_bits zeros(1, N); % 内部递归计算LLR的函数基于因子图 function l f_func(a, b) % 计算 f(a,b) sign(a)*sign(b) * min(|a|, |b|) % 这是极化码因子图中左上角节点的运算 l sign(a) * sign(b) * min(abs(a), abs(b)); end function l g_func(a, b, u) % 计算 g(a, b, u) (1-2*u)*a b % 这是极化码因子图中右下角节点的运算u是部分和 l (1 - 2*u) * a b; end % 核心递归LLR计算函数 function llr_out calculate_llr(llr_in, stage, bit_index) % llr_in: 当前节点的输入LLR向量 % stage: 当前递归阶段从nlog2(N)开始 % bit_index: 当前正在译码的比特在u中的全局索引用于计算部分和 % 返回: 当前节点对应到u中某个比特的LLR len length(llr_in); if stage 0 % 到达叶子节点直接返回该比特对应的信道LLR llr_out llr_in(bit_index); else half len / 2; % 将输入LLR分成两半 a llr_in(1:half); b llr_in(half1:end); % 递归计算左半部分对应的LLR对应u_i的估计 llr_left calculate_llr(f_func(a, b), stage-1, bit_index); if ismember(bit_index, frozen_indices) || bit_index max(decoded_bits(1:bit_index-1)) % 如果是冻结位或者当前比特索引小于等于已译码的最大索引 % 这里逻辑需要修正。SC译码是顺序的我们需要根据已判决的比特来计算部分和。 % 更标准的做法是在递归中传递一个“部分和”数组。 % 下面是一种更清晰的实现思路伪代码逻辑 % 1. 先计算左半LLR用于判决当前比特u_i % 2. 根据u_i的判决值计算右半部分译码所需的部分和 % 3. 递归计算右半LLR用于后续比特判决 % 由于篇幅这里展示概念。完整实现需要维护一个部分和数组。 % 简化处理如果是冻结位直接判0其LLR用于后续计算 u_hat 0; decoded_bits(bit_index) u_hat; % 计算右半部分所需的LLR时需要用到u_hat llr_right calculate_llr(g_func(a, b, u_hat), stage-1, bit_index - half); llr_out llr_left; % 实际上对于当前比特我们只用llr_left判决 else % 信息位根据llr_left进行硬判决 if llr_left 0 u_hat 0; else u_hat 1; end decoded_bits(bit_index) u_hat; % 同样需要计算右半LLR用于后续比特 llr_right calculate_llr(g_func(a, b, u_hat), stage-1, bit_index - half); llr_out llr_left; end end end n_stages log2(N); % 初始化从最右侧信道LLR开始向左信息比特计算 % 注意上述递归函数是一个简化示意标准的SC译码实现需要一个更复杂的调度。 % 一个更实用、更常见的SC译码实现是使用非递归的“LLR-Path”方法。 endSC译码的难点与简化实现 上面的递归代码清晰地展示了SC译码基于因子图Factor Graph计算的本质即通过f和g函数在图上传递LLR消息。然而完整的递归实现涉及到复杂的索引管理和部分和Partial Sum计算代码容易出错。重要提示在实际仿真中我强烈建议初学者先采用一种更直观、更易于调试的SC译码实现——基于生成矩阵G_N的简化SC译码。其核心思想是SC译码可以看作是在一棵深度为log2(N)的二进制树上的深度优先搜索DFS每次到达叶子节点就做一个硬判决。网上有许多清晰的开源实现。你可以先使用一个经过验证的、结构清晰的SC译码函数将重点放在理解算法流程和性能分析上而不是陷入繁琐的索引计算中。3.3 SCL译码器实现SCL译码是SC译码的增强版它通过保留多条L条可能的译码路径来纠正SC译码因早期错误传播而导致的性能损失。其核心是路径度量Path Metric, PM用于评估每条路径的可靠性。function decoded_info_bits scl_decode(llr_received, frozen_indices, info_pos, list_size) % llr_received: 接收LLR向量 % frozen_indices: 冻结位索引 % info_pos: 信息位索引 % list_size: 列表宽度L % 返回: 译码出的信息比特 N length(llr_received); n_stages log2(N); % 初始化一条活跃路径路径度量为0空的部分和数组 active_paths struct(pm, 0, u_hat, zeros(1, N), llr, []); active_paths.llr llr_received; % 为每条路径存储其当前节点的LLR向量是个复杂问题 % 更实用的实现维护一个三维数组 path_llr(path_index, node_index, stage) % 或者使用面向对象的方式管理每条路径的状态。 % 简化描述算法流程 % 1. 从i1到N遍历每个比特位置 for i 1:N % 2. 对当前每条活跃路径计算当前比特i对应的LLR需要用到该路径已有的部分和 % 3. 如果i是冻结位所有路径只能选择判决为0并更新路径度量 PM PM (因为选择唯一) % 4. 如果i是信息位每条路径会产生两个分支判决为0和判决为1。 % 对应的路径度量更新为 % PM_new PM_old (如果判决与LLR符号相反则加 |LLR|否则加0) % 更公式化PM_new PM_old ( (1 - sign(llr)* (1-2*decision) )/2 ) * |llr| ? % 常用公式PM PM - log(1 exp(-|llr|))近似为 PM PM (decision ! hard_decision(llr)) * |llr| % 5. 现在路径数可能翻倍最多2*L。需要从中筛选出度量值最好的L条路径作为新的活跃路径集。 % 6. 如果路径数超过L进行“剪枝”Pruning只保留PM最小的L条。 % 7. 更新保留路径的部分和状态。 end % 8. 遍历完所有比特后从最终的L条路径中选择路径度量PM最小的一条。 % 9. 从该路径的译码结果u_hat中根据info_pos提取出信息比特。 % 由于SCL译码的实现较为复杂涉及大量路径管理、LLR存储和部分和更新 % 此处不展开完整代码但会给出关键步骤的伪代码和核心公式。 endSCL译码的核心路径度量更新与剪枝路径度量PM是SCL译码的灵魂它衡量了当前路径与接收信号之间的“距离”或“不匹配度”。常用的PM更新公式为PM_l^i PM_l^{i-1} (1 - sign(LLR_l^i) * (1 - 2 * û_l^i)) / 2 * |LLR_l^i|这个公式看起来复杂其物理意义很简单如果当前比特的判决û与LLR的硬判决结果sign(LLR) 0 则判0反之判1一致则认为这个判决是可靠的PM增加一个很小的值或0如果不一致则认为这个判决不太可靠PM需要加上当前LLR的绝对值作为惩罚。LLR的绝对值越大说明信道提供的“证据”越强违背这个证据的代价就越高。列表管理的关键操作路径扩展在信息比特处每条路径分裂为两条判0和判1。路径排序扩展后对所有路径的PM进行排序。路径剪枝只保留PM最小的前L条路径其余丢弃。这是控制复杂度的关键。实操心得与避坑指南LLR的存储与计算每条路径都需要独立维护其LLR状态。一种高效的方法是在因子图的每个节点上为每条路径存储一个LLR值。在比特判决时需要根据路径历史部分和回溯计算当前节点的LLR。这是SCL实现中最容易出错、最耗时的部分。建议参考经典的“LLR-based SCL”论文或成熟的开源代码如GitHub上的AFF3CT库的MATLAB接口来理解其数据结构。部分和更新每当一条路径对一个比特做出判决都需要更新其部分和数组这个数组用于后续g函数的计算。部分和的计算也依赖于因子图的结构。复杂度SCL译码的复杂度约为O(L * N logN)。当列表宽度L较大如32且码长N较大时仿真会非常慢。在MATLAB中应尽量避免在循环内进行复杂的矩阵复制和排序。可以尝试向量化操作或者对L较小时使用更高效的算法如Fast-SSCL。CRC辅助的SCLCA-SCL这是5G标准中实际使用的方案。在信息比特后附加一个CRC校验码。译码完成后从L条路径中优先选择能通过CRC校验的路径即使它的PM不是最小的。这能显著提升性能。实现时只需在信息比特集合中包含CRC比特并在最后从路径中提取信息比特后进行CRC校验即可。4. 主仿真循环与性能分析将上述模块组合起来就构成了主仿真程序。我们通常采用蒙特卡洛方法在每个信噪比点下进行循环。% 主仿真循环示例 (以SC译码为例) for ebno_idx 1:length(EbN0_dB_vec) EbN0_dB EbN0_dB_vec(ebno_idx); % 将Eb/N0 (dB) 转换为线性信噪比SNR并计算噪声功率sigma^2 EbN0 10^(EbN0_dB/10); SNR EbN0 * K / N; % 符号信噪比 sigma sqrt(1 / (2 * SNR)); % BPSK下噪声标准差 error_bits 0; error_blocks 0; num_blocks_simulated 0; while (num_blocks_simulated num_blocks_per_point) (error_blocks max_frame_errors) % 1. 生成随机信息比特 info_bits randi([0, 1], 1, K); % 2. 极化编码 coded_bits polar_encode(info_bits, frozen_indices, N); % 3. BPSK调制: 0 - 1, 1 - -1 tx_signal 1 - 2 * coded_bits; % 4. 通过AWGN信道 noise sigma * randn(1, N); rx_signal tx_signal noise; % 5. 计算接收端LLR (对于BPSKAWGN信道) llr_received (2 / sigma^2) * rx_signal; % LLR 2 * y / sigma^2 % 6. SC译码 u_hat_full sc_decode(llr_received, frozen_indices, N); % 假设sc_decode返回完整u_hat info_bits_decoded u_hat_full(info_pos); % 提取信息比特 % 7. 计算误比特和误块 block_error any(info_bits ~ info_bits_decoded); error_bits error_bits sum(info_bits ~ info_bits_decoded); error_blocks error_blocks block_error; num_blocks_simulated num_blocks_simulated 1; end % 计算该信噪比下的BER和BLER BER(ebno_idx) error_bits / (K * num_blocks_simulated); BLER(ebno_idx) error_blocks / num_blocks_simulated; fprintf(Eb/N0 %.1f dB: BER %.4e, BLER %.4e, 仿真块数 %d\n, ... EbN0_dB, BER(ebno_idx), BLER(ebno_idx), num_blocks_simulated); end性能曲线绘制与分析 仿真结束后我们可以用semilogy函数绘制BER和BLER随Eb/N0变化的曲线。figure; semilogy(EbN0_dB_vec, BER, b-o, LineWidth, 1.5, DisplayName, SC (L1)); hold on; % 假设我们也有SCL的结果存储在BER_scl4, BER_scl8中 semilogy(EbN0_dB_vec, BER_scl4, r-s, LineWidth, 1.5, DisplayName, SCL (L4)); semilogy(EbN0_dB_vec, BER_scl8, g-^, LineWidth, 1.5, DisplayName, SCL (L8)); semilogy(EbN0_dB_vec, BER_scl32, m-d, LineWidth, 1.5, DisplayName, SCL (L32)); grid on; xlabel(Eb/N0 (dB)); ylabel(Bit Error Rate (BER)); title(极化码(N1024, K512)在不同译码算法下的性能); legend(show);预期的曲线趋势是SC译码L1性能最差BLER曲线有一个明显的“错误平层”Error Floor。随着列表宽度L的增加SCL译码的性能显著提升错误平层降低曲线更陡峭地向香农极限靠近。同时你也会注意到仿真L32所需的时间远大于L1。5. 常见问题、调试技巧与性能优化在实际仿真搭建过程中你几乎一定会遇到各种问题。下面是我在多次仿真中积累的一些常见问题排查清单和优化技巧。5.1 仿真结果异常排查表现象可能原因检查与解决方法BER/BLER曲线是一条水平直线不随SNR变化1. 信噪比换算或噪声生成功错误。2. 译码器根本没有工作如直接返回了全零。3. 冻结位/信息位集合定义错误。1.检查噪声功率打印几个sigma值看是否随EbN0_dB变化。用10*log10(1/(2*sigma.^2))反推SNR看是否匹配。2.检查译码输出在低信噪比如0dB下打印原始信息比特和译码后信息比特看是否有变化。SC译码器在极高噪声下也可能输出全零或全一。3.验证集合确保info_pos和frozen_indices互补且覆盖1:N。可以简单编码一个全零信息序列看编码结果是否与理论一致冻结位为0编码后可能非全零。BER曲线比预期差很多1. 可靠性序列不正确。2. SC/SCL译码算法实现有逻辑错误。3. LLR计算符号错误BPSK映射0-1还是0--1。1.验证序列使用一个公认的可靠性序列如5G NR序列进行对比测试。2.单元测试译码器在无噪声情况下sigma0输入随机信息比特编码后直接译码BER应为0。这是检验译码器正确性的黄金标准。3.检查LLR符号对于BPSK若发送s 1 - 2*x(x是0/1比特)则最优LLR为(2/σ²)*y。确保符号一致。可以测试发送全0即全1收到y1noiseLLR应为很大的正数译码应倾向于判0。SCL译码性能与SC无异1. 路径度量PM更新公式错误。2. 路径剪枝逻辑错误实际始终只保留了一条路径。3. 列表宽度L未生效。1.检查PM更新在信息比特处单步调试看两条分支判0和判1的PM是否被正确计算和区分。2.检查路径数在剪枝后打印活跃路径的数量确保在信息比特处路径数会增加并在剪枝后不超过L。3.简化测试用很小的N如8和K如4手动计算LLR跟踪SCL译码每一步的路径和PM与手工推导结果对比。仿真速度极慢尤其是SCL1. 算法实现未优化存在大量循环和矩阵复制。2. 蒙特卡洛次数设置过高。3. 未利用MATLAB向量化。1.剖析代码使用MATLAB的profile功能找出最耗时的函数或代码行。通常是LLR计算和路径排序部分。2.动态仿真采用max_frame_errors机制在高SNR区自动减少不必要的仿真次数。3.考虑编译将核心的SCL译码循环用C/C写成MEX文件可以带来数十倍的加速。5.2 性能优化与高级技巧利用并行计算蒙特卡洛仿真中每个码块的处理是独立的。可以使用parfor循环替代for循环利用多核CPU加速。注意要将error_bits和error_blocks的累加改为parfor兼容的方式如使用spmd或parfeval。% 示例使用parfor (需要Parallel Computing Toolbox) parfor blk 1:num_blocks_per_point % ... 每个码块的仿真代码 ... % 注意需要将错误累加改为原子操作或使用reduction变量这里略复杂。 % 更简单的方法是让每个parfor迭代返回error_bits和block_error最后再求和。 end提前终止Early Termination对于SCL译码如果某条路径的PM远远大于当前最佳路径的PM可以提前丢弃该路径无需继续扩展。这能有效降低平均复杂度。简化SCLFast-SSCL对于冻结比特集中的连续区域其译码结果是确定的无需进行路径分裂和度量计算可以直接跳过大幅减少计算量。这需要识别因子图中的特殊节点RATE-0, RATE-1, REP, SPC等。定点数仿真在实际硬件中LLR和PM都是用有限位宽的定点数表示的。为了更贴近实际可以在仿真中使用定点数运算并观察量化带来的性能损失。绘图与报告除了BER/BLER还可以绘制性能与复杂度的折衷曲线如误码率 vs. 平均译码时间或者分析不同可靠性序列如PW, BW, GA对性能的影响。这些分析能让你对极化码有更全面的认识。通过这个完整的MATLAB仿真项目你不仅能够复现出极化码的性能曲线更能深入到算法实现的每一个细节理解从信道极化理论到可工作的译码器之间每一步的转化。当你看到自己编写的SCL译码器随着列表宽度增加曲线一步步逼近理论极限时那种成就感正是工程实践的魅力所在。本文还有配套的精品资源点击获取