CRC校验码的检错性能（三）——基于对偶码重量分布计算漏检概率

CRC（Cyclic Redundancy Check，循环冗余校验），是一种数字编码技术，广泛应用于数字通信的传输差错检测，或数字存储的数据完整性检测，最早由W. Wesley Peterson于1961年发表的论文《Cyclic Codes for Error Detection》中提出。

事实上，对于差错检测而言，几乎不太可能做到检出所有（100%）的错误，意即检测手段给出“无错”结论时，这一结论本身很难做到100%的置信度。因此，人们评价一种检错手段的性能时，通常真正关心的是“错误已经发生，但未能发现”的概率（本文称之为漏检概率Pud，Probability of Undetected Error），显然，这个概率越小越好！

本文是作者关于“CRC校验码检错性能”的系列文章之三（注：文中公式较多，若显示不全，请刷新页面重试！另：三篇连读，且电脑版阅读体验更佳。）：

CRC校验码的检错性能（一）—— 检出（或漏检）比例；

CRC校验码的检错性能（二）—— 漏检概率的评估和计算（未完工。暂用作者在知乎的回答代替。敬请期待正式版）；

CRC校验码的检错性能（三）——基于对偶码重量分布计算漏检概率。

本文在充分理解CRC校验码及其对偶码生成矩阵原理的基础之上，手工计算出CRC-4/SAE J2716的对偶码在码字长度\(n=16\)时的重量分布，引用Koopman教授公布的该校验码对应的原码重量分布数据，并利用Wolfram的在线计算工具完成了MacWilliams恒等式的验算。

MacWilliams恒等式揭示了线性分组码的原码和对偶码重量分布之间的关系，本文详细推导了基于CRC校验码之对偶码重量分布计算其漏检概率的公式。进一步分析了\( 0^{0} \)在数学上的争议性定义对漏检概率计算的影响，并通过对公式的简单变换而规避该影响。

最后，本文分别基于原码和对偶码的重量分布，完成了CRC-4/SAE J2716在码字长度\(n=16\)，\( 10^{-6} \sim 0.5 \)误比特范围内的漏检概率计算。计算结果表明，在低误比特率条件下，基于对偶码重量分布计算CRC校验码漏检概率时，对计算的数值精度有着较高的要求。本文还更一般地基于对偶码完成了\(n=12/16/20\)时，所有的8个CRC-4的漏检概率计算。

1. CRC校验码及其对偶码

CRC校验码是一种二进制线性分组码，信息位长度\( k \)，校验位长度\( r \)，码字长度\( n=k+r \) 的CRC校验码，可通过一个\( r \)次的生成多项式\( G(x)=g_{r}x^{r}+\cdots +g_{1}x^{1}+g_{0}x^{0} \)构造，选定\( G(x) \)后，该线性分组码的典型生成矩阵\( G\left [ I_k \: P \right ] \)亦随之确定：

典型生成矩阵是一个\( k \)行\( n \)列的矩阵，每一行都是独立的（不可由其它任意行的线性组合获得），可用于构造该线性分组码的\( 2^{k}-1 \)个非0码字。线性分组码的典型生成矩阵具有如下性质：

• 交换典型生成矩阵的行，不改变生成的码字，也不改变生成的码字集合之检错性能；
• 交换典型生成矩阵的列，会改变生成的码字，但生成的码字集合的重量分布不变，故整个码组对随机比特差错的检测性能保持不变。

每个线性分组码\( C(n,k) \)都有唯一一个与之对应的对偶码\( C^{\perp }(n,n-k) \)，对偶码的信息位长度为\( r \)，校验位长度为\( k \)，码字长度为\( n=k+r \)，码字集合中共\( 2^{r} \)个合法码字。对偶码的典型生成矩阵\( G^{\perp}\left [ I_r \: P^T \right ] \)可由原CRC校验码的典型生成矩阵\( G\left [ I_k \: P \right ] \)变换获得（如下图所示）：

• 在典型生成矩阵\( G\left [ I_k \: P \right ] \)的\( k \)行\( r \)列校验位矩阵下方添加一个\( r \)行\( r \)列的单位矩阵，构成一个\( n \)行\( r \)列的矩阵\( H \)；
• 将矩阵\( H \)顺时针旋转90°即为对偶码的典型生成矩阵\( G^{\perp}\left [ I_r \: P^T \right ] \)。

备注：本文构造的对偶码生成矩阵并不完全符合编码理论教材的数学定义，但与标准的对偶码生成矩阵具有完全一致的重量分布，故本文不再作进一步的矩阵变换。

以CRC-4/SAE J2716 SENT为例，其生成多项式\( G(x)=x^{4}+x^{3}+x^{2}+1 \)，校验位长度\( r=4 \) ，信息位长度\( k=12 \)时，码字长度\( n=16 \)，其典型生成矩阵如下图：

该CRC-4校验码之对偶码的典型生成矩阵、15个非0码字、各码字的汉明重量（标注于码字右侧），如下图：

可知该CRC-4校验码之对偶码的16个合法码字，以及它们的汉明重量：

• 1个汉明重量为 0 的码字：0x0000；
• 2个汉明重量为 6 的码字：0x8A34、0xC468；
• 4个汉明重量为 7 的码字：0x268D、0x1D1A、0x68D1、0x5346；
• 2个汉明重量为 8 的码字：0x4E5C、0xB1A3；
• 4个汉明重量为 9 的码字：0xACB9、0xE2E5、0x972E、0xD972；
• 2个汉明重量为10的码字：0x3B97、0x75CB；
• 1个汉明重量为16的码字：0xFFFF。

2. 麦克威廉姆斯（MacWilliams，马克威伦）恒等式

设\( A_i \)是二进制线性分组码\( C(n,k) \)的\( 2^k \)个有效码字集合中重量为\( i \)的码字数目（数量），则集合\( A=\left \{ A_0,A_1,\cdots ,A_n  \right \} \)称为该分组码的重量分布。也可以把码\( C \)的重量分布写成多项式形式：

\[ A(x)=A_0x^0+A_1x^1+ \cdots + A_nx^n =\sum_{i=0}^{n}A_ix^i \]

称\( A(x) \)是二进制线性分组码\( C(n,k,d) \)的重量估值算子（简称重量算子），或称为重量枚举多项式。令\( C^{\perp }(n,n-k,d') \)为码\( C \)之对偶码，则\( C^{\perp } \)的\( 2^{n-k} \)个有效码字集合的重量枚举多项式\( B(x) \)可写为：

\[ B(x)=B_0x^0+B_1x^1+ \cdots + B_nx^n =\sum_{i=0}^{n}B_ix^i \]

二进制线性分组码\( C \)及其对偶码\( C^{\perp} \)的码字重量分布有这样一些性质：

• 零重（全0）码字的数量恒为一，即\( A_0=B_0 \equiv 1 \)；
• 全重（全1）码字的数量为0或1，即\( A_n=0或1 \)，\( B_n=0或1 \)；
• 全重（全1）码字的数量为1（\( A_n=1 \)）时，重量分布是对称的，即\( A_i=A_{n-i},0 \leqslant i \leqslant n \)，
• 码重数目之和等于码字总数，即\( \sum_{i=0}^{n}A_i=2^k \)，\( \sum_{i=0}^{n}B_i=2^{n-k} \)；
• 码字重量或全是偶数，或者奇、偶重量的码字数目相等；
• 线性分组码的码字重量全为偶数时，其对偶码有（且只有）一个全1码字；线性分组码奇、偶重量的码字数目相等时，其对偶码无全1码字；
• 线性分组码有（且只有）一个全1码字时，其对偶码的码字重量全为偶数；线性分组码无全1码字时，其对偶码奇、偶重量的码字数目相等；

线性分组码及其对偶码的重量枚举多项式\( A(x) \)与\( B(x) \)之间有一个重要的恒等式——MacWilliams恒等式（注：式中的计算基于整数域而非GF(2)域）：

\[ \begin{aligned} 
A(x)&=\sum_{i=0}^{n}A_ix^i= \frac{1}{2^{n-k}} (1+x)^{n} \sum_{i=0}^{n}B_i(\frac{1-x}{1+x})^i = \frac{1}{2^{n-k}} \sum_{i=0}^{n}B_i(1-x)^i(1+x)^{n-i} \\ \\
B(x)&= \sum_{i=0}^{n}B_ix^i= \frac{1}{2^k} (1+x)^{n} \sum_{i=0}^{n}A_i(\frac{1-x}{1+x})^i = \frac{1}{2^k} \sum_{i=0}^{n}A_i(1-x)^i(1+x)^{n-i}
\end{aligned} \]

MacWilliams恒等式的重要价值在于，为了计算一个\( (n,k) \)二进制线性码的重量枚举多项式，通常需要了解所有\( 2^k \)个码字的重量。显然这是一项艰巨的任务，除非\( k \)的取值相对较小。但是如果\( k \)的值非常大而\( (n-k) \)的值很小，就可以先计算其对偶码\( C^{\perp } \)的重量枚举多项式，由此再计算出\( C \)的重量枚举多项式。

以CRC-4/SAE J2716 SENT为例，其生成多项式\( G(x)=x^{4}+x^{3}+x^{2}+1 \)，校验位长度\( r=4 \) ，信息位长度\( k=12 \)时，码字长度\( n=16 \)，直接计算该CRC校验码的重量分布需要枚举4096个码字的重量\(^{[7]}\)（本文通过查询Philip Koopman的网站数据获得），而其对偶码（仅16个码字）的重量分布可手工计算或利用EXCEL编制简单的工具完成。该CRC校验码原码\(^{[7]}\)及其对偶码的重量分布如下表：

i	Ai	Bi	i	Ai	Bi
0	1	1	9	0	4
1	0	0	10	1017	2
2	11	0	11	0	0
3	0	0	12	219	0
4	233	0	13	0	0
5	0	0	14	17	0
6	1003	2	15	0	0
7	0	4	16	0	1
8	1595	2

依据上表分别写出此CRC校验码及其对偶码的重量枚举多项式：

\[ \begin{aligned} 
A(x)&=17x^{14}+219x^{12}+1017x^{10}+1595x^{8}+1003x^{6}+233x^{4}+11x^{2}+1x^{0} \\
B(x)&= 1x^{16}+2x^{10}+4x^{9}+2x^{8}+4x^{7}+2x^{6}+1x^{0}
\end{aligned} \]

利用MacWilliams恒等式基于\( B(x) \)求\( A(x) \)的验证，有（式中\( \color{red}{i} \)按升序排列）：

\[ \begin{aligned}
A(x) &= \frac{1}{2^r} \sum_{i=0}^{n} B_i (1-x)^i (1+x)^{n-i} \\
       &= \frac{1}{16}[(1+x)^{16}+2(1-x)^{\color{red}{6}}(1+x)^{10}+4(1-x)^{\color{red}{7}}(1+x)^{9}+2(1-x)^{\color{red}{8}}(1+x)^8 \\
       & +4(1-x)^{\color{red}{9}}(1+x)^{7}+2(1-x)^{\color{red}{10}}(1+x)^{6}+(1-x)^{\color{red}{16}}]
\end{aligned} \]

上式基于手工计算过于繁琐，本文将其输入Wolfram网站的在线计算工具验证，结果正确，如下图：

利用MacWilliams恒等式基于\( A(x) \)求\( B(x) \)的验证，有（式中\( \color{red}{i} \)按升序排列）：

\[ \begin{aligned}
B(x) &= \frac{1}{2^k} \sum_{i=0}^{n} A_i (1-x)^i (1+x)^{n-i} \\
        &= \frac{1}{4096}[(1+x)^{16}+11(1-x)^{\color{red}{2}}(1+x)^{14}+233(1-x)^{\color{red}{4}}(1+x)^{12}+1003(1-x)^{\color{red}{6}}(1+x)^{10} \\
        &+1595(1-x)^{\color{red}{8}}(1+x)^8+1017(1-x)^{\color{red}{10}}(1+x)^{6}+219(1-x)^{\color{red}{12}}(1+x)^{4}+17(1-x)^{\color{red}{14}}(1+x)^{2}]
\end{aligned} \]

将上式输入Wolfram网站的在线计算工具验证，结果正确，如下图：

备注：本文不是对MacWilliams恒等式的证明！本文仅是通过实际操作来理解MacWilliams恒等式。

3. 基于对偶码重量分布的CRC校验码漏检概率计算公式

从前文可以看到，即便是对于12个信息位，4个校验位这样极小规模的CRC-4校验码，欲知其漏检概率，我们至少需要完成以下计算：

• 依据生成多项式及CRC校验码计算方法，计算出该码组的4096个合法码字；
• 计算出4096个码字的汉明重量，枚举出不同汉明重量值的数量；
• 计算出每组汉明重量在给定误比特率下对应的概率；
• 汉明重量≥1的概率之和即为本组CRC校验码在给定的误比特率下的漏检概率。

上述计算没有原理（或理解）上的难度，就是计算量特别大，几乎只能通过编制特定的计算机程序才能完成。而随着信息位长度的增加，很快（比如100-bits）令得计算机穷举法也成为一个理论，不再具备实际操作的可能。

我们已经知道，32位及以下的CRC校验码，通过计算机穷举计算其对偶码的重量分布 B 是具备工程实操性的。自然可以想到利用MacWilliams恒等式计算该CRC校验码的重量分布 A，从而计算出它的漏检概率\( P_{ud} \)。事实上，我们可以基于对偶码的重量分布，利用下式直接计算这个CRC校验码的漏检概率：

\[ \begin{aligned} 
P_{ud} &=\left [ \frac{1}{2^r} \sum_{i=\mathbf{\color{red}{0}}}^{n}B_i(1-2p)^i \right ] - (1-p)^n \\
            &=\left [ \frac{1}{2^r} \sum_{i=\mathbf{\color{blue}{1}}}^{n}B_i(1-2p)^i \right ] + \color{red}{2^{-r}} - (1-p)^n
\end{aligned} \]

证明过程如下，已知CRC校验码在误比特率\(p\)的BSC信道下，其漏检概率的计算公式为：

\[ \begin{aligned}
P_{ud} &= \sum_{i=\mathbf{\color{blue}{1}}}^{n} A_i p^i (1-p)^{n-i}  \\
            &= \left [ \sum_{i=\mathbf{\color{red}{0}}}^{n} A_i p^i (1-p)^{n-i} \right ] - 1\cdot p^0 (1-p)^{n-0} \\
            &= (1-p)^n \left [ \sum_{i=\mathbf{\color{red}{0}}}^{n} A_i (\frac{p}{1-p})^i \right ] - (1-p)^n
\end{aligned} \]

令\( x=\frac{p}{1-p} \)，则\( \frac{1-x}{1+x}=1-2p \)，\( 1+x=\frac{1}{1-p} \)，代入MacWilliams恒等式，有：

\[ \begin{aligned} 
\sum_{i=0}^{n}A_ix^i &= \frac{1}{2^r}(1+x)^n\sum_{i=0}^{n}B_i(\frac{1-x}{1+x})^i  \\
\sum_{i=0}^{n}A_i(\frac{p}{1-p})^i &= \frac{1}{2^r} (\frac{1}{1-p})^n \sum_{i=0}^{n}B_i(1-2p)^i
\end{aligned} \]

将换元后的MacWilliams恒等式代入\( P_{ud} \) 的计算式，可得到基于对偶码的重量分布计算原CRC校验码漏检概率的公式：

\[ \begin{aligned} 
P_{ud} &= (1-p)^n\left [ \frac{1}{2^r}(\frac{1}{1-p})^n\sum_{i=0}^{n}B_i(1-2p)^i \right ] - (1-p)^n  \\
            &= \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i(1-2p)^i \right ] - (1-p)^n
\end{aligned} \]

若将CRC校验码漏检概率的两种计算方法写为一个计算式，有：

\[ P_{ud} = \sum_{i=\mathbf{\color{blue}{1}}}^{n}A_ip^i(1-p)^{n-i}
            = \left [ \frac{1}{2^r}\sum_{i=\mathbf{\color{red}{0}}}^{n}B_i(1-2p)^i \right ] - (1-p)^n \]

上式须在\( p\in [0,1] \)区间内均有意义：

1) \( p=0 \)时，表明无比特错误，因无错误发生，自然漏检概率\( P_{ud}=0 \)，且错误图样集合有且仅有一个代表无错的全0码字，有\( A_i=0, i>0 \)，

\[ P_{ud}=\sum_{i=1}^{n}A_ip^i(1-p)^{n-i}
           =\sum_{i=1}^{n}0\times 0^i \times 1^{n-i} \equiv 0 \]

\[或\]

\[ P_{ud}= \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i(1-2p)^i \right ] - (1-p)^n
           = \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i \times  1^i \right ] - 1^n
           = \frac{1}{2^r} \times 2^r - 1 \equiv 0 \]

2) \( p=1 \)时，表明每个比特都是错误的，错误图样集合有且仅有一个全1码字，有\( A_i=0, i<n \)。当全1码字是本码组有效码字时，\(A_n=1\)，仅有的一个错误图样不能检出，漏检概率\( P_{ud}=1 \)，且对偶码全为偶重码字；当全1码字是本码组无效码字时，\(A_n=0\)，仅有的一个错误图样全部检出，漏检概率\( P_{ud}=0 \) ，且对偶码的偶重码字和奇重码字数量相等。

\[ P_{ud}=\sum_{i=1}^{ \color{blue}{n} }A_ip^i(1-p)^{n-i}
           =\sum_{i=1}^{ \color{blue}{n-1} } 0\times 1^i \times 0^{n-i} + A_n \times 1^n \times \mathbf{\color{red}{0^0}} =\left\{\begin{matrix}
1, 当 A_n=1 & \\ 
0, 当 A_n=0 & 
\end{matrix}\right. \]

\[或\]

\[ P_{ud}= \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i(1-2p)^i \right ] - (1-p)^n
           = \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i \times (-1)^i \right ] - 0^n
           = \left\{\begin{matrix}
1, & 当B_i全为偶数时  \\ 
0, & 当B_i奇偶数量相等时 
\end{matrix}\right.  \]

3) \( p=1-p=0.5 \)时，\( P_{ud} = 2^{-(n-k)} - 2^{-n} = 2^{-r} - 2^{-n} \)。

\[ P_{ud}=\sum_{i=1}^{n}A_ip^i(1-p)^{n-i}
           = \sum_{i=1}^{n}A_i (\frac{1}{2})^i (\frac{1}{2})^{n-i}
           = (\frac{1}{2})^n\sum_{i=1}^{n}A_i
           = (\frac{1}{2})^n(2^k-1)
           = 2^{-(n-k)} - 2^{-n} \]

\[或\]

\[ \begin{aligned} P_{ud} &= \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i(1-2p)^i \right ] - (1-p)^n
              = \left [ \frac{1}{2^r}\sum_{i=0}^{n}B_i \times  0^i \right ] - (\frac{1}{2})^n
              = \frac{1}{2^r} (B_0 \times 0^0 + \sum_{i=1}^{n}B_i \times 0^i) - 2^{-n} \\
           & = 2^{-r} \times \mathbf{\color{red}{0^0}} - 2^{-n} 
              = 2^{-r} - 2^{-n} \end{aligned} \]

从\( p\in [0,1] \)全概率区间的讨论来看， CRC校验码漏检概率\( P_{ud} \)的两种计算方法，都存在须将\( 0^0 \)定义为1的计算问题，而\( 0^0 \)的定义在不同应用领域是有争议的，不同软件（或编程语言）也可能有不同的定义，如下图所示（右图为EXCEL的定义）：

为避免\( 0^0 \)可能导致的程序计算错误，可将漏检概率的计算式改写为：

\[ \begin{aligned}
P_{ud} &= \left [ \sum_{i=1}^{\mathbf{\color{red}{n-1}}}A_i p^i (1-p)^{\mathbf{\color{red}{n-i}}} \right ] + A_n p^n \\
            &= \left [ \frac{1}{2^r} \sum_{i=1}^{n}B_i (1-2p)^i \right ] + 2^{-r} - (1-p)^n
\end{aligned} \]

4. 计算示例

4.1 CRC-4/SAE J2716的漏检概率计算

以CRC-4/SAE J2716 SENT为例，其生成多项式\( G(x)=x^{4}+x^{3}+x^{2}+1 \)，校验位长度\( r=4 \)，信息位长度\( k=12 \)，码字长度\( n=16 \)时，分别用两种方法计算该CRC校验码的漏检概率。从前文已知该校验码及其对偶码的重量枚举多项如下：

\[ \begin{aligned} 
A(x)&=17x^{14}+219x^{12}+1017x^{10}+1595x^{8}+1003x^{6}+233x^{4}+11x^{2}+1x^{0} \\
B(x)&= 1x^{16}+2x^{10}+4x^{9}+2x^{8}+4x^{7}+2x^{6}+1x^{0}
\end{aligned} \]

设信道的误比特率为\(p\)，漏检概率如下计算：

\[ \begin{aligned} 
P_{ud_1}&=17p^{14}(1-p)^{2}+219p^{12}(1-p)^{4}+1017p^{10}(1-p)^{6}+1595p^{8}(1-p)^{8}+1003p^{6}(1-p)^{10} \\
          &+233p^{4}(1-p)^{12}+11p^{2}(1-p)^{14}+1p^{0}(1-p)^{16} \\ \\
P_{ud_2}&= 2^{-4} \times [(1-2p)^{16}+2(1-2p)^{10}+4(1-2p)^{9}+2(1-2p)^{8}+4(1-2p)^{7}+2(1-2p)^{6}] + 2^{-4} - (1-p)^{16}
\end{aligned} \]

例如，\( p=10^{-6} \)时，计算可得漏检概率\( \approx 1.1\times 10^{-11} \)，更多的计算结果如下表：

值得注意的是，上表通过EXCEL计算获得。可以看到，两种方法计算的漏检概率并不完全相等，有着一个微小的偏差（见表格第5列）。两种计算方法的计算公式本身是精确的，二者计算结果的偏差由EXCEL的数值计算精度导致\(^{[8]}\)，原理上来说，基于CRC校验码重量分布计算所得的\( P_{ud-1} \)在数值上的精度相对更高。

一般地，绘制本计算示例在\( 10^{-6}\sim0.5 \)误比特范围内，漏检概率曲线如下图：

其中：

• 横轴为误比特率，纵轴为漏检概率，二者都是对数坐标；
• bound曲线（虚线）为CRC校验码漏检概率所谓的\( 1/2^{r} \)上界；
• Pud_1为基于CRC校验码的原码重量分布计算所得的漏检概率；
• Pud_2为基于CRC校验码的对偶码重量分布计算所得的漏检概率。

码字长度\( n=16 \)时，CRC-4/SAE J2716的“漏检概率 vs 误比特率曲线”反映出：

• 即便在\(p=0.01\)的极高误比特率BSC信道中，CRC-4/SAE J2716的漏检概率也远低于CRC-4所谓的\( 1/2^{r} \)上界（大约是上界值的1.5%）；
• 当\(p \leqslant 0.01\)时，误比特率每降低10倍，漏检概率降低100倍。

4.2 n =12/16/20时，所有CRC-4的漏检概率

当限定CRC校验位长度r =4时，所有可能的CRC-4生成多项式共8个（e 为多项式的周期；未列出因式的多项式表示不可约，若该4次不可约多项式的周期\(e=2^4-1=15\)则为本原多项式）：

\[ \begin{aligned} 
POL=0b10001=0x11,e=\:4,G(x) &=x^4+1=(x+1)^4 \\
POL=0b11111=0x1F, e=\:5,G(x) &=x^4+x^3+x^2+x^1+1 \\
POL=0b10101=0x15,e=\:6,G(x) &=x^4+x^2+1=(x^2+x+1)^2 \\
POL=0b11011=0x1B,e=\:6,G(x) &=x^4+x^3+x^1+1=(x+1)^2(x^2+x+1) \\
POL=0b10111=0x17,e=\:7,G(x) &=x^4+x^2+x^1+1=(x+1)(x^3+x^2+1) \\
POL=0b11101=0x1D,e=\:7,G(x) &=x^4+x^3+x^2+1=(x+1)(x^3+x+1),CRC-4/SAE \: J2716 \\
POL=0b10011=0x13,e=15,G(x) &=x^4+x^1+1,CRC-4/ITU \\
POL=0b11001=0x19,e=15,G(x) &=x^4+x^3+1 \\
\end{aligned} \]

其中，0b10011/0b11001、0b10111/0b11101互为反多项式；0b10001、0b10101、0b11011、0b11111是自反多项式。用作CRC校验码的生成多项式时，多项式与其反多项式的检错能力一致。因此，对全部的8个CRC-4生成多项式作对比分析时，我们实际只需分析其中的6个。

从CRC-4/ITU生成多项式（POL=0x13）的性质可知：

• CRC-4/ITU选择的是本原多项式，生成多项式的汉明重量为3（奇数），不能确保检测出所有的奇数个比特的随机错误；
• 生成多项式的周期e = 15，在码字长度n ≤ 15时，可检测出所有 ≤ 2比特的随机错误，即码字集合的最小汉明距离为3。这在码字较短的低误比特率应用中是一个显著优势，后文的漏检概率计算反映出，POL=0x13（及其反多项式0x19）的检错性能最佳。

从CRC-4/SAE J2716生成多项式（POL=0x1D）的性质可知：

• CRC-4/SAE J2716选择的生成多项式形如\( (x+1)G_1(x) \)，生成多项式的汉明重量为4（偶数），可确保检测出所有的奇数个比特的随机错误；
• 生成多项式的周期e = 7，在码字长度n ≤ 7时，可检测出所有 ≤ 3比特的随机错误，即码字集合的最小汉明距离为4，这看似是一个优势，但因多项式的周期太小，仅能在信息位长度 k ≤ 3时，方能发挥此优势，此条件下的编码效率过低，极大地限制了它在工程应用中的实际性能表现；
• POL=0x1D、0x17、0x11、0x1B生成的码字集合全为偶重码，可知它们的对偶码包含全1码字，且有着对称的重量分布。

参考前文对偶码重量分布的枚举方法，码字长度 n = 12 时，全部的8个CRC-4校验码的对偶码重量分布如下表：

信息位长度k =8，码字长度n =12，CRC-4对偶码重量分布（空格表示0）
i	0	1	2	3	4	5	6	7	8	9	10	11	12
0x11	1			4			6			4			1
0x13	1					2	6	6	1
0x15	1				6				9
0x17	1				1	4	4	4	1				1
0x1B	1				3		8		3				1
0x1F	1				3	6	1			2	3

码字长度\(n=12\)，误比特率\(10^{-6}\leqslant p \leqslant 0.5\)，基于对偶码的重量分布，计算各CRC-4的漏检概率曲线如下图：

码字长度 n = 16 时，全部的8个CRC-4校验码的对偶码重量分布如下表：

信息位长度k =12，码字长度n =16，CRC-4对偶码重量分布（空格表示0）
i	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
0x11	1				4				6				4				1
0x13	1								7	8
0x15	1					4	2				4	4	1
0x17	1						2	4	2	4	2						1
0x1B	1					2	1	2	4	2	1	2					1
0x1F	1						6	4					1	4

码字长度\(n=16\)，误比特率\(10^{-6}\leqslant p \leqslant 0.5\)，基于对偶码的重量分布，计算各CRC-4的漏检概率曲线如下图：

码字长度 n = 20 时，全部的8个CRC-4校验码的对偶码重量分布如下表：

信息位长度k =16，码字长度n =20，CRC-4对偶码重量分布（空格表示0）
i	0	1~4	5	6	7	8	9	10	11	12	13	14	15	16	17~19	20
0x11	1		4					6					4			1
0x13	1						2	4	6	3
0x15	1			2	4					1	4	4
0x17	1					3	4		4	3						1
0x1B	1			1	2		2	4	2		2	1				1
0x1F	1					10								5

码字长度\(n=20\)，误比特率\(10^{-6}\leqslant p \leqslant 0.5\)，基于对偶码的重量分布，计算各CRC-4的漏检概率曲线如下图：

综合来看，在码字长度\( n\leqslant 20 \)时，8个CRC-4多项式中：

• CRC-4/ITU，POL = 0x13和0x19互为反多项式，具有最佳的检错性能；
• CRC-4/SAE J2716，POL = 0x1D和0x17互为反多项式，二者的检错性能低于多项式POL = 0x13；
• POL = 0x15和0x1B的重量分布不同，但检错性能非常接近，二者性能略低于POL = 0x17；
• POL = 0x11在8个CRC-4多项式中的检错性能最差。POL = 0x1F略优于0x11，但低于0x15。

4.3 POL=0x13/0x1D的对偶码重量分布

CRC-4在传感器芯片领域有着广泛的应用，厂商通常选择CRC-4/ITU或CRC-4 SAE J2716的生成多项式，特给出在信息位长度 k ≤ 32时，这两个多项式的对偶码的码字重量数据。

信息位长度 k ≤ 32 时，CRC-4/ITU（POL=0x13）的对偶码重量分布如图（表格中，信息位长度 k 对应列的数据，即为对偶码在该长度下的16个码字各自的汉明重量）：

信息位长度 k ≤ 32 时，CRC-4/SAE J2716（POL=0x1D）的对偶码重量分布如图（表格中，信息位长度 k 对应列的数据，即为对偶码在该长度下的16个码字各自的汉明重量）：

5. 总结

本文在充分理解CRC校验码及其对偶码生成矩阵原理的基础之上，手工计算出CRC-4/SAE J2716的对偶码在码字长度\(n=16\)时的重量分布，引用Koopman教授公布的该校验码对应的原码重量分布数据，并利用Wolfram的在线计算工具完成了MacWilliams恒等式的验算。

MacWilliams恒等式揭示了线性分组码的原码和对偶码重量分布之间的关系，本文详细推导了基于CRC校验码之对偶码重量分布计算其漏检概率的公式。进一步分析了\( 0^{0} \)在数学上的争议性定义对漏检概率计算的影响，并通过对公式的简单变换而规避该影响。

最后，本文分别基于原码和对偶码的重量分布，完成了CRC-4/SAE J2716在码字长度\(n=16\)，\( 10^{-6} \sim 0.5 \)误比特范围内的漏检概率计算。计算结果表明，在低误比特率条件下，基于对偶码重量分布计算CRC校验码漏检概率时，对计算的数值精度有着较高的要求。本文还更一般地基于对偶码完成了\(n=12/16/20\)时，所有的8个CRC-4的漏检概率计算。

6. 参考文献

1. Robert J.McEliece. 信息论与编码理论[M]. 第2版. 北京:电子工业出版社, 2004.
2. 傅祖芸. 信息论—基础理论与应用[M]. 第4版. 北京:电子工业出版社, 2015.
3. 刘景伟. 信息论与编码理论基础课件第3~5章[EB/OL]. 西安电子科技大学.
4. 苗付友. 信息论与编码技术课件第7章[EB/OL]. 中国科学技术大学.
5. 陆以勤. 现代编码理论与技术课件第3章[EB/OL]. 华南理工大学.
6. 周武旸. 编码理论课件第1章[EB/OL]. 中国科技大学.
7. Philip Koopman. CRC-4/SAE J2716的重量分布[EB/OL]. Carnegie Mellon University
8. Microsoft. 在Excel中，浮点运算得到的结果可能不准确[EB/OL].