信道编码——极化码Matlab编译码实现与性能分析及信道极化现象仿真

With Breeze

已于 2024-06-26 20:07:11 修改

阅读量877

点赞数 35

文章标签： matlab 开发语言信息与通信

于 2024-06-26 19:59:02 首次发布

本文链接：https://blog.csdn.net/weixin_68190597/article/details/139972992

版权

第四篇博客感言

“伟大的发现总是罕见的。”

——Erdal Arikan

极化码最早在2009年由土耳其教授Erdal Arikan在其论文《Channel Polarization: A Method for Constructing Capacity-Achieving Codes for Symmetric Binary-Input Memoryless Channels》中提出，被证明达到了香农极限，在3GPP会议上被规定和LDPC码共同作为5G编码技术的标准，这或许是21世纪信息论最大的发展之一。此前逼近香农极限的两个编码分别是LDPC码和Turbo码，有关Turbo码已经在上一篇博客中做了介绍，点击这里查看。

这篇大作的原文链接如下，值得拜读。

《Channel Polarization: A Method for Constructing Capacity-Achieving Codes for Symmetric Binary-Input Memoryless Channels》https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5075875

但是这篇论文比较理论，证明过程也较多。为了深入浅出地理解极化码原理，我参考了B站UP老奇好好奇的硬核科普视频。简单来说，极化码构造的核心是通过信道极化（channel polarization）处理，在编码侧采用方法使各个子信道呈现出不同的可靠性，当码长持续增加时，部分信道将趋向于容量近于1的完美信道（无误码），另一部分信道趋向于容量接近于0的纯噪声信道，选择在容量接近于1的信道上直接传输信息以逼近信道容量。在解码端，极化后的信道可用简单的逐次干扰抵消解码的方法，以较低的复杂度获得与最大似然解码相近的性能。

《【老奇】5G，华为，土耳其——我花了两个月，搞懂了5G背后的秘密》https://www.bilibili.com/video/BV1fq4y1g7hq/?spm_id_from=333.337.search-card.all.click&vd_source=0bf420ec103e2655802c91ca57c19f0f

极化码编译码原理

Arikan教授研究的信道是binary-input discrete memoryless channel（B-DMC），即二进制离散无记忆信道，为了便于理解极化码的原理，我们考虑B-DMC的特殊情况BEC，即二进制删除信道，其信道模型如下图所示。发送端发送0或1，有 $p_{e}$ 的概率被删除，即接收端什么也收不到，这里我们假定 $p_{e}$ 为0.5。

可以证明其信道容量等于互信息的最大值，就等于信息正确接收的概率，等于1 - $p_{e}$ ，用公式表示为：

$C=max(I(X;Y)))=1-p_{e}$

那么如何才能使得信道容量C尽可能大呢？如下图所示，Arikan提出，将信息序列作为u2，u1为已知确定序列，将u1和u2异或作为x1输入一BEC信道 $W$ 得到y1，u2直接作为x2输入同一BEC信道 $W$ 得到y2，根据异或规则，我们有以下几个式子：

$u1\bigoplus u2=x1$

$u2=x2$

$x1\bigoplus u2=u1$

$x1=y1$

$u2=x2=y2$

则我们可以得到：

$u1=y1\bigoplus y2$

$u2=u1\bigoplus x1=u1\bigoplus y1$

$u2=y2$

这里假设u1未知，实际已知。

那么对于u1来说，显然我们可以第一个式子得到u1。那么有多大概率正确得到u1呢？对于删除概率为 $p_{e}$ 的二进制删除信道，正确还原u1的概率等于y1和y2均未被删除的概率，即为：

$(1-p_{e})*(1-p_{e})=(1-p_{e})^{2}$

我们假设u1经过了一个新的信道，定义为 $W^{-}$ ，那么 $W^{-}$ 这一二进制删除信道的删除概率为：

$1-(1-p_{e})^{2}$

代入 $p_{e}$ =0.5，则 $W^{-}$ 的删除概率为0.75。

而对于u2来说，由于u1事先已知，则当且仅当y1与y2都被删除时无法正确还原u2。同样假设u2经过了一个新信道 $W^{+}$ ，那么其删除概率为：

$(1-p_{e})^{2}$

代入 $p_{e}$ =0.5，则 $W^{+}$ 的删除概率为0.25。

可以看到，最开始的的一个信道 $W$ 被分成了两个信道 $W^{-}$ 和 $W^{+}$ ，并且一个信道较好一个信道较差，这是牺牲了一个信道的性能而提升了另一个信道，这就是信道极化。那么不断增加被牺牲的信道数目，如下图所示，可以证明，信道 $W_{N}^{+}$ 的删除概率最终会达到0，在N=8时，对于 $p_{e}$ =0.5删除概率已经达到0.0039。

Arikan教授证明了，当信道足够多时，使用这种方式传输信息，可以将信道分为完全没有噪声的好信道和完全丢失的差信道，前者传输成功率为1，后者为0，如下图所示，并且好信道容量占总信道容量的比例为 $p_{e}$ ，即香农极限。那么将有效信息全部通过好信道传输，差信道不传输（即好信道以速率1发送差信道以速率0发送），信息就能100%无差错传输，整个通信的信道容量就能达到香农极限。以上这个过程，就是极化码。

Matlab源码和运行结果

源码

https://withbreeze.lanzouv.com/icAdl22t2bre

密码:1ot5

结果

代码实现总共分为两个部分：

第一部分

detailed部分是对极化码的具体实现方法。

仿真结果如下图所示：

第二部分

channel_polarization部分仿真了信道极化现象，如下图所示：

待解决的问题

大部分仿真代码由组员从github上获取，极化码的具体编译码算法我还搞得不是很懂，继续学习中......

欢迎交流讨论。

With Breeze

关注

35
点赞
踩
14

收藏

觉得还不错? 一键收藏
0
评论
信道编码——极化码Matlab编译码实现与性能分析及信道极化现象仿真

极化码最早在2009年由土耳其教授在其论文中提出，被证明达到了，在3GPP会议上被规定和LDPC码共同作为5G编码技术的标准，这或许是21世纪信息论最大的发展之一。此前逼近香农极限的两个编码分别是LDPC码和Turbo码，有关Turbo码已经在上一篇博客中做了介绍，。这篇大作的原文链接如下，值得拜读。但是这篇论文比较理论，证明过程也较多。为了深入浅出地理解极化码原理，我参考了B站UP的硬核科普视频。
复制链接

扫一扫