📚 课程目录第3章 FEC编码基础

3. FEC编码基础：线性分组码、卷积码与Turbo码

说到FEC，咱们得先聊聊编码的基础。我刚开始搞通信那几年，总觉得编码就是个数学游戏，矩阵乘来乘去，多项式除来除去。直到有一次现场定位误码，折腾了三天没头绪，最后发现是编码器参数配错了——从那以后，我对每种编码的结构烂熟于心。

这一节，我们只讲四种最核心的编码：汉明码、循环码、卷积码和Turbo码。它们代表了FEC编码演进的主线。

汉明码是最早的纠错码之一，结构特别清晰。

举个例子：对于(7,4)汉明码，信息比特为 d1 d2 d3 d4，校验位 p1 p2 p3 由下面的线性方程组给出：

p1 = d1 ⊕ d2 ⊕ d4
p2 = d1 ⊕ d3 ⊕ d4
p3 = d2 ⊕ d3 ⊕ d4

编码后的7位码字为 d1 d2 d3 d4 p1 p2 p3。

我的一点经验：汉明码的校验矩阵H特别有用。用H乘以接收向量，得到"伴随式"，伴随式直接告诉你错误位置。我在调试同步头检错时，就用这个原理快速定位了单比特反转。

循环码是汉明码的升级版，引入了一个重要特性——循环移位。任何码字循环移位后，仍然是合法码字。

循环码的精髓在于用生成多项式描述编码过程。假设生成多项式为 g(x)，信息多项式为 u(x)，则：

c(x) = u(x) · g(x)

这种结构非常适合用线性反馈移位寄存器（LFSR）来实现，硬件成本低，速度快。

编码名称	生成多项式（示例）	纠错能力	典型用途
CRC-16	x¹⁶ + x¹⁵ + x² + 1	检错	数据链路层校验
BCH(63,51)	由多个最小多项式构成	纠正2个错误	闪存纠错
RS(255,239)	基于有限域GF(2⁸)	纠正8个符号	CD/DVD、QR码

我曾经踩过的坑：循环码的生成多项式必须经过本原多项式验证。有一次我直接拿网上摘的生成多项式搭LFSR，结果编码出来的码字距离分布不对，纠错能力直接降了一半。记住：不是所有多项式都能当生成多项式，必须满足循环码的代数约束。

卷积码跟分组码完全不同。分组码是block by block，卷积码则是流式处理，编码输出不仅取决于当前输入，还依赖之前若干个输入。

卷积码的三个关键参数：(n, k, K)

我习惯用网格图(Trellis)来理解卷积码。每个时刻状态转移，路径上标签表示输出。

举个例子：一个经典(2,1,3)卷积码，生成多项式为 g0 = 7（八进制）, g1 = 5（八进制）。

状态 = 前两个输入比特（共4种状态）
每个状态输入0或1，产生两条分支输出

译码时，维特比算法在网格图上找最小汉明距离路径，这就是最大似然序列估计。

核心记忆点：卷积码的纠错能力与自由距离d_free直接相关。自由距离越大，纠错能力越强。但约束长度K不能太大，否则维特比译码器复杂度呈指数增长。

Turbo码的出现，是编码理论的一次革命。我第一次看到Turbo码结构时，觉得这设计太聪明了——它并联了两个卷积码，中间用一个交织器隔开。

Turbo码的基本结构：

信息序列 → ┌──────┐
          │ RSC1 │ → 校验序列1
          └──────┘
          ↓ 交织器
          ┌──────┐
          │ RSC2 │ → 校验序列2
          └──────┘

其中RSC是递归系统卷积码（Recursive Systematic Convolutional Code），交织器让两个编码器看到的数据顺序不同。

Turbo码的译码是迭代的：两个软输入软输出（SISO）译码器互相交换外信息，经过多次迭代逼近最优译码。

实际工程中的取舍：Turbo码在3G/4G移动通信里用得非常多。但在极低延迟场景（比如自动驾驶的V2X），Turbo码就不太合适了——你想想看，8次迭代加上深度交织，延迟轻松上毫秒级。这时候LDPC码更受欢迎。

编码类型	核心机制	译码方法	典型码率	延迟敏感度
汉明码	线性校验方程	伴随式查表	4/7 ~ 0.57	低
循环码	生成多项式 + LFSR	除法器 + 错误图样	可变	低
卷积码	网格状态转移	维特比译码	1/n 或 k/n	中（随K增长）
Turbo码	并行RSC + 交织	迭代MAP译码	1/3 ~ 1/2	高

嗯，这里要注意：选择哪种编码，不只看纠错能力，还得看你的系统对延迟和复杂度的容忍度。我曾经在一个卫星通信项目里，想用Turbo码追求极致性能，结果地面终端处理器跑不动迭代译码，最后换回了卷积码加软判决RS码——效果也不错。