daijingxin的博客

*按照信息码元在编码后是否保持原来的形式不变，可划分为系统码和非系统码。**在差错控制编码中，通常信息码元和监督码元在分组内有确定的位置，一般是信息码元集中在码组的前k位，而监督码元集中在后r=n-k位（有时两者倒过来放置）。在系统码中，编码后的信息码保持原样不变，而非系统码中信息码元则改变了原有的信号形式。系统码的性能大体上与非系统码相同，但是在某些卷积码中非系统码的系统优于系统码。**在分组码中，编码后的码元序列每n位分为一组，其中k个是信息码元，r个是附加的监督码元，r=n-k。

可以看到，原来位于最后的8个CRC比特，有多个被置换到信息比特之前，且与CRC比特存在校验关系的信息比特也全部被置换到对应的CRC比特之前，这样译码部分信息比特就可以进行CRC了，如果校验失败即停止译码，从而实现ET功能。不难证明，相同的CRC生成多项式，不同信息比特长度下的CRC生成矩阵具有嵌套关系，所以根据最大信息比特长度设计交织模式可以得到任意信息比特长度对应的交织模式，NR下行控制信息目前支持的最大长度为140bit，附加24bit CRC，这样最大的交织长度为。CRC编码器的输入为。

目录和积译码算法的基本原理在这里介绍LDPC码的迭代概率译码算法-----和积译码算法，它是基于置信传播的迭代概率译码算法，是逐符号软判决译码方法。和积译码算法的基本原理设接收端收到的实数向量集合记为{r}，有信息节点xj，我们将信息节点X满足包含xj的所有校验方程这个事件记为S，比特xj=1（xj=0）关于{r}和S的条件概率如下：如果上式成立，则对应的x取值为0，若上式不成立，则对应的x取值为1。因此需要求出对应的两个条件概率的取值。引入定理：因此我们可以通过这个定理来得出在第j个元素

基础知识条件概率（Conditional Probability）相互独立时，p(A | B) = p(A)贝叶斯规则贝叶斯网络（Bayesian Network）定了一个独立的结构：一个节点的概率仅依赖于它的父节点。贝叶斯网络适用于稀疏模型，即大部分节点之间不存在任何直接的依赖关系。联合概率（Joint Probability）表示所有节点共同发生的概率，将所有条件概率相乘：我们最终的目标是计算准确的边缘概率（Marginal Probability），比如计算Hangover的概

目录硬判决位翻转译码软判决位翻转译码软硬判决翻转译码算法的性能对比对于线性分组码，译码的复杂度随码长呈指数增加，传统的基于最大似然译码(MLD)准则的译码算法对于LDPC码这样的长码来说，是很困难的、或者说是不现实的。LDPC码的译码算法通常称之为置信传播算法(Belief Propagatiol Algorithm)，这是一种选代的概率译码方法，是LDPC码特征之一，也是其性能优越的原因之一。硬判决位翻转译码先介绍一种简单的LDPC码译码算法，由Gallager 在其论文中提出的被命名为 Galla

这里写目录标题5G-NＲ LDPC 码的编码5G-NＲ LDPC 码打孔、缩短和扩展5G-NＲ LDPC 码的编码在进行基矩阵的更新扩展后即可进行编码，将源信息序列输入到编码器中进行编码得到编码序列，并将编码后的结果表示为 c =［S P］。其中 S = (s 1 ，s 2 ，…，s k )表示长度为 k 的信息比特序列，P = (p 1 ，p 2 ，…，p m )表示长度为 m 的校验比特序列，它们之间服从 n = m + k，n 是码字长度，基矩阵 H b 是一个 m b × n b的矩阵，核心矩阵

LDPC码即低密度奇偶校验码（Low Density Parity Check Code，LDPC），它由Robert G.Gallager博士于1963年提出的一类具有稀疏校验矩阵的线性分组码，不仅有逼近Shannon限的良好性能，而且译码复杂度较低, 结构灵活，是近年信道编码领域的研究热点，已广泛应用于深空通信、光纤通信、卫星数字视频和音频广播等领域。LDPC码由一个包含少量非零元素的m∗nm*nm∗n校验矩阵HHH的零空间定义。如果矩阵HHH中的非零元素仅为“1”，则将矩阵HHH的零空间所定义的LDP

目录1.MAC层结构2.MAC层的功能2.1 通道的映射2.2 复用/解复用2.3 HARQ2.3.1 下行1.MAC层结构MAC子层位于网络结构中的数据链路层。在L2层包括了MAC、RRC、PDCP、SDAP四个子层。2.MAC层的功能MAC层的服务和功能：逻辑信道与传输信道之间的映射复用、解复用：将来自一个或多个逻辑信道的MAC SDU复用到一个传输块并传递给PHY；将从物理层传来的传输块解复用成多个MAC SDU并传递给一个或多个逻辑信道。报告调度信息通过HARQ进行错误纠正（