u011376987的博客

综上所述，Turbo码、LDPC码和卷积码各有其优势和劣势。Turbo码以接近香农限的性能著称，适用于无线通信和远距离通信等场景；LDPC码在长码长和高数据传输速率条件下表现出色，广泛应用于无线通信、数据存储和光纤通信等领域；而卷积码则以其低复杂度和低延迟的特点在某些特定应用中具有优势。在实际应用中，应根据具体的需求和场景选择合适的译码技术。

卷积码将k个信息比特编成n个比特，特别适合以串行形式进行传输，时延小。将卷积码记作(n,k,N)。一般来说，卷积码的k和n是比较小的整数。码率仍定义为k/n。卷积码是将k个比特的信息段编成n个比特的码组，其编码生成的监督码元不止和k个比特的信息段有关，还和前面的m=(N-1)个信息段有关。可知，一个监督码元同时和前m个比特以及当前输入的一个比特信息有关，即监督着N=m+1个比特，我们将N成为约束度，所有监督码元的长度nN称为约束长度。

在5G NR（新无线）标准中，LDPC（低密度奇偶校验码）和Polar(极化码)编码技术是两种关键的信道编码方案，它们分别在不同的传输场景中发挥着重要作用。以下是对这两种编码技术的详细解释，包括它们的工作原理、在5G NR中的应用场景，以及与其他编码技术相比所具有的优势。

Viterbi译码作为一种高效的纠错编码技术，在数字通信领域具有广泛的应用前景。它通过动态规划的方法在网格图中搜索最优路径，实现了在低信噪比和复杂信道条件下的可靠数据传输。卷积码和Viterbi算法在非常低的信噪比下性能不佳，复杂度随约束长度增加而增加；Turbo码是一种高级的前向纠错码，由两个或多个卷积编码器和一个随机交织器组成，使用迭代解码来逼近最大似然解码的性能，在较低信噪比下接近香农极限的性能。后续我们会介绍Turbo码原理和解码算法。

本文首先介绍了信道编解码技术的背景和发展历程，然后详细阐述了移动通讯中常用的几种信道编解码技术，包括卷积码、Turbo码、LDPC码和Polar码。最后，对这些技术进行了优缺点分析和比较，并展望了未来移动通讯中信道编解码技术的发展趋势。随着技术的进步，信道编解码算法也在不断发展，以适应不断变化的信道条件和更高的数据传输需求。随着技术的不断进步和发展，信道编解码技术将继续迎来新的挑战和机遇，为未来的移动通信提供更强大的支持和保障。随着5G和未来6G移动通信技术的发展，信道编解码技术将面临更高的挑战和机遇。

低密度校验码（LDPC码）是一种前向纠错码，LDPC码最早在20世纪60年代由Gallager在他的博士论文中提出，但限于当时的技术条件，缺乏可行的译码算法，此后的35年间基本上被人们忽略，其间由Tanner在1981年推广了LDPC码并给出了LDPC码的图表示，即后来所称的Tanner图。1993年Berrou等人发现了Turbo码，在此基础上，1995年前后MacKay和Neal等人对LDPC码重新进行了研究，提出了可行的译码算法，从而进一步发现了LDPC码所具有的良好性能，迅速引起强烈反响和极大关注。

在正常CP情况下，每个时隙包含的符号数相同，且都为14个。在这个配置中，一个子帧有16个时隙，所以无线帧包含160个时隙。在这个配置中，一个子帧有32个时隙，所以无线帧包含320个时隙。在这个配置中，一个子帧仅有1个时隙，所以无线帧包含10个时隙。在这个配置中，一个子帧有4个时隙，所以无线帧包含40个时隙。在这个配置中，一个子帧有8个时隙，所以无线帧包含80个时隙。在这个配置中，一个子帧有4个时隙，所以无线帧包含40个时隙。在这个配置中，一个子帧有2个时隙，所以无线帧包含20个时隙。

而且与LTE的PSS序列使用ZC序列不同，5G中的PSS序列使用m序列，这是因为在存在时频偏的场景，相比m序列，ZC序列的相关函数会产生较大的旁瓣，主瓣峰值也会降低，从而会带来一定的相关检测模糊性，降低检测性能，尤其是在高频场景，这种现象更为明显。下表表示SSB中各信号具体的时频域位置，在表中，l表示时域符号索引（l=0，1，2，3），k表示频域RE索引（参考点为SSB RB0的RE0，k=0，1，2…在SSB的第1、2、3个符号上发送，密度为3（一个RB中占用3个RE，间隔为4），具体映射的位置如下表。

根据MIB消息中的PDCCH有关SIB1配置，查找CORESET0和搜索空间：UE使用MIB中的信息来配置物理下行链路控制信道（PDCCH）的搜索空间，并查找用于传输SIB1的CORESET0（控制资源集）。以上是PSS和SSS检测的CSM模块流程设计，通过FFT、矢量数据抽取、数据相关和最大值搜索等核心算法，完成对PSS和SSS序列的探测，在确认小区PCI的同时，完成时频同步，为后续PBCH解调做准备。频率调谐：UE首先会根据指定频段的同步栅格，调整到特定的频率，尝试在该频率上检测同步信号。

最小二乘法的基本原理是：对于一组给定的数据点（通常表示为一系列的x和y值），我们希望找到一条曲线或直线（取决于模型的复杂性），使得这条曲线或直线与数据点的总体偏差最小。由上式可见，LS利用发送端的导频信息，即可以对信道矩阵进行估计，LS算法结构简单，计算量小，但它没有考虑接收信号中的噪声，以及子载波间的干扰，所以估计精度有限。估计器的一个重要特性是，它不仅考虑了信号的噪声，还考虑了信号的先验信息（如果可用的话）。算法是在LS算法的基础上发展的，主要目的是为了消除噪声的影响，设LS的信道估计为。