Полярные коды: изучаем код (8, 4) на бумаге и в несколько строк C++

Кодирование, SC-декодирование и немного симуляции

Тема данной статьи относится к помехоустойчивому кодированию в системах передачи информации, и предполагает знакомство с базовыми понятиями общей теории связи.

Целью статьи является подробный разбор полярного кодирования и SC-декодирования.

Полярные коды придумал Эрдал Арикан в 2008 году, и это, пожалуй, редкий случай, когда код с математическим доказательством достижимости пропускной способности канала доехал до стандарта связи 5G NR (3GPP TS 38.212).

Теории по полярным кодам много, и она сравнительно тяжёлая: мартингалы, эволюция плотностей, теорема о поляризации. Но устроены полярные коды на удивление просто — настолько, что полный рабочий код (кодер + декодер + симуляция канала) укладывается в сотню строк без единой внешней библиотеки.

Эта статья — про механику. Мы возьмём достаточно короткий полярный код (8, 4), и, условно говоря, потрогаем его руками: разберем маску, процедуру кодирования, два сценария SC-декодирования (в одном ошибка исправляется, в другом — нет), а потом сверимся с симуляцией. Все числа в таблицах декодирования целые — их можно посчитать в уме.

Статья опирается на авторский учебный материал по алгебре LLR, где разобрана база мягкого приёма (то, откуда происходит Log-Likelihood-Ratio, LLR), модуляция КАМ-16, коды Рида-Маллера, полярные коды и методика расчёта полярной последовательности. Здесь мы сосредоточимся на логике кодера и SC-декодера, принимая формулы для LLR как данность.

1. Поляризация в миниатюре: бабочка из двух бит

Пусть у нас есть результат мягкого приёма двух битов в виде двух LLR, и , соответственно. Напомним: если 0″ alt=»L>0″ src=»https://habrastorage.org/getpro/habr/formulas/1/1f/1f0/1f060825ab4836bc9fcf50cf260d201a.svg» width=»46″ height=»13″ data-width=»5.689″ data-height=»1.636″ data-vertical-align=»-0.09″ style=»width: 5.689ex; height: 1.636ex; vertical-align: -0.09ex» sizes=»(max-width: 780px) 100vw, 50vw» srcset=»https://habrastorage.org/getpro/habr/formulas/1/1f/1f0/1f060825ab4836bc9fcf50cf260d201a.svg 780w, https://habrastorage.org/getpro/habr/formulas/1/1f/1f0/1f060825ab4836bc9fcf50cf260d201a.svg 781w» loading=»lazy» decode=»async»> — скорее был передан бит ноль, если <img class="formula inline" source="L<0" alt="L — скорее был передан бит единица, — степень уверенности приемника. Величина вычисляется в процессе оптимальной обработки принятого сигнала, и, можно сказать, прямо пропорциональна коэффициенту корреляции между принятым импульсом и переданным.

Пусть исходные биты были переданы не напрямую, а с помощью кодирования, которое называют «бабочкой»:

Декодирование таких битов происходит в два этапа: сначала оценивается первый бит, затем — второй:

Шаг 1. Из-за кодирования информация о декодируемом бите содержится в обоих принятых битах, потому что верно равенство: . Известно, что метрика (т.е. LLR) декодируемого таким способом бита — это «мягкая сумма» (она же box-plus, равенство ниже является строгим):

$L(u_1) = operatorname{boxplus}(L_1, L_2) = 2operatorname{artanh}!big(tanh tfrac{L_1}{2}tanh tfrac{L_2}{2}big).$

Шаг 2. Пусть бит уже декодирован (т.е. по вычисленной LLR принято решение ). Тогда, с одной стороны, , а с другой — , то есть наблюдение (приём) также как и наблюдение несёт информацию о бите , но правда с условием, зависящим от принятого решения :

Записанная выше сумма и есть «исключение» (cancellation): мы исключили из метрики правого бита уже принятое решение по левому. Отсюда и название алгоритма декодирования — Successive Cancellation, SC. Однако, арифметически же здесь будет сложение: либо двух положительных чисел, либо двух отрицательных, причем знак суммы будет зависеть от знака . То есть по модулю сумма будет больше модулей входящих в нее слагаемых. Именно поэтому в таблице ниже для наглядности берутся только положительные LLR, и для правого канала они только складываются — это необходимо и достаточно, чтобы проанализировать надёжности подканалов.

Посчитаем. Пусть для простоты :

Подканал

Метрика

Значение

Что это значит

(левый, )

1.33

хуже исходного

(правый, )

4.00

лучше исходного

За счёт кодирования каналы поляризовались: левый стал хуже, правый — лучше.

Чтобы сконструировать более длинные коды, к вышеописанной процедуре кодирования применяется рекурсия. Для получения подканалов, кодирующую «бабочку» применяют не к двум битам, а в общем случае к двум половинам некоторого вектора: складывают их поэлементно, результат пишут в левую половину (правую при этом не трогают), после чего «бабочку» независимо повторяют внутри каждой половины — и так пока не дойдут до одного элемента.

Описанной выше рекурсивной процедуре можно сопоставить m-уровневое дерево, причем на каждом уровне выполняется сложений XOR, т.е. в итоге операций XOR. Доказано, что при больших длинах кода часть подканалов (после всех трансформаций) окажется очень плохой, часть — очень хорошей. В плохие позиции пишутся замороженные биты (нули, известные декодеру), в хорошие — информационные биты. Отсюда и происходит полярный код: он построен на факте поляризации каналов, а не на геометрии кодовых расстояний, как, например, коды Рида-Маллера или Хэмминга.

Кстати, полярный код является близким родственником кода Рида-Маллера: у них одна и та же рекурсивная конструкция (конструкция Плоткина — способ гарантированного наращивания кодового расстояния), только базовая матрица ( размером 2×2, смотри ниже) транспонирована, а строки для порождающей матрицы отбираются по-разному: у кода Рида-Маллера — по весу Хемминга, у полярного кода — по надёжности подканала.

2. Матрица Арикана и рекурсивный кодер

Всё полярное кодирование — это по сути умножение на базовую матрицу

$F = begin{pmatrix} 1 & 0 \ 1 & 1 end{pmatrix}, qquad G = F^{otimes m},$

где — кронекерово произведение, . Для имеем — порождающая матрица размером 8×8, у которой строки весят как , соответственно. Правило такое: вес строки с индексом равен $2^{wt(i)}$ , где — число единиц в двоичной записи (скажем, — это две единицы, значит вес строки равен 4). Причина удвоения в том, что строка порождающей матрицы кода — тензорное произведение строк , отобранных битами : у базовой матрицы строк две и весят они по 1 и 2, а вес при тензорном произведении перемножается.

Строки с малым весом как правило попадают в «плохие» подканалы, и замораживаются именно они. Но это всего лишь ориентир, а не правило, потому что вес Хэмминга одинаков у всех строк с равным числом единиц, а надёжность внутри такой группы строк различается на порядки. Это видно в таблице раздела 3. Поэтому маску кода формируют по надёжности, и именно поэтому нужны специальные методы её расчёта. Для кода с параметрами и так получилось, что четыре самые «тяжёлые» строки и есть четыре самых надёжных.

У рассматриваемой матрицы есть замечательное свойство над полем GF(2): матрица обратна самой себе. Это значит, что в отсутствии шума процесс декодирования заключается в умножении принятого вектора на . Вся сложность декодирования появляется только из-за наличия шума, и решается она не только алгеброй, но и мягкими метриками (т.е. LLR).

За кронекеровым произведением на самом деле стоит рекурсия по половинам:

$G_n = begin{pmatrix} G_{n/2} & 0 \ G_{n/2} & G_{n/2} end{pmatrix}, qquad G_1 = (1).$

Если умножить вектор типа $a = ({a}_text{left}, {a}_text{right})$ на такую матрицу слева, то окажется, что левая половина этого вектора складывается с правой, правая не трогается. Обозначим такую операцию как . Затем операция независимо применяется к каждой половине вектора, и т. д.

В таблице ниже показана схема так называемых соединений: в предпоследней колонке перечислены номера позиций (какие два бита складываются), в последней — что при этом получается из вектора u = 0001 0011 (здесь рассмотрен тот же вектор, что и в разделе 4):

Уровень

Бабочек

Длина блока

Складываем позиции

Вектор после уровня

(0,4) (1,5) (2,6) (3,7)

0001 0011 → 0010 0011

(0,2) (1,3) и (4,6) (5,7)

0010 0011 → 1010 1111

(0,1) (2,3) (4,5) (6,7)

1010 1111 → 1010 0101

Читается так: на уровне 0 позиция 0 складывается с позицией 4, позиция 1 — с позицией 5, и так далее; левая половина превращается в 0010, а правая 0011 не меняется. Уровней , на каждом ровно сложений — итого операций XOR.

Полярное кодирование просто реализуется через рекурсию (in-place), без расхода лишней памяти:

// Рекурсивное ядро: левая половина = u1 ^ u2, правая = u2, затем рекурсия.void polar_encode_core(std::span x) { const std::size_t n = x.size(); if (n <= 1) return; const std::size_t h = n / 2; for (std::size_t i = 0; i < h; ++i) x[i] ^= x[h + i]; polar_encode_core(x.subspan(0, h)); polar_encode_core(x.subspan(h, h));}Bits polar_encode(const Bits& info, const Bits& mask) { Bits u(mask.size(), 0); // замороженные позиции = 0 for (std::size_t i = 0, j = 0; i < mask.size(); ++i) if (mask[i]) u[i] = info[j++]; polar_encode_core(u); return u;}

Полтора десятка строк и кодер готов. Сложность , и она не зависит от того, сколько битов заморожено (т.е. от скорости кода): вычисляется всегда полная «бабочка». Заметим: в отличие от рекурсивного кодера Рида-Маллера (смотри пособие Алгебра LLR), полярный кодер не подрезает ветви дерева по параметру — ему это не нужно, маска уже всё определила.

3. Откуда берётся маска

Маска, которая следует из полярной последовательности, — это ответ на вопрос «какие позиции надёжнее». В стандарте 5G NR (TS 38.212, Table 5.3.1.2-1) задана универсальная последовательность индексов (1024 индекса), упорядоченная по надёжности. Её начало:

 0, 1, 2, 4, 8, 16, 32, 3, 5, 64, 9, 6, 17, 10, 18, 128, …

Первый индекс — самый ненадёжный, последний — самый надёжный. Для берём только индексы , сохраняя порядок: 0, 1, 2, 4, 3, 5, 6, 7. Четыре лучших позиции — это , значит маска:

 позиция: 0 1 2 3 4 5 6 7 маска: 0 0 0 1 0 1 1 1 -> "00010111"

Маска — это единиц (информационные биты) в позициях; скорость кода .

Откуда берутся сами числа? В стандарте последовательность задана не расчётом «в лоб», а эмпирической формулой для так называемого веса:

$w_i=sum_{j=0}^{m-1} i_j,beta^{j}$ ,

где , $beta = 2^{1/4}$ , а — это -й бит двоичной записи индекса , считая от младшего: даёт младший бит (вес ), — старший. Индексы сортируются по возрастанию : чем больше вес, тем надёжнее подканал. Метод называется Polarization Weight, PW.

Для получается:
, , , , , , , —

порядок в точности как в таблице выше.

Константу подбирали по расчётам надёжности: $2^{1/4}$ — компромисс, при котором порядок ближе всего к точному расчёту — Density Evolution (DE, «эволюция плотностей») — и к его упрощению, гауссовской аппроксимации (Gaussian Approximation, GA), сразу для всех длин и скоростей. В учебном пособии Алгебра LLR разобран метод GA.

Строго говоря, таблица 5G — не дословный результат формулы: окончательный порядок доводили моделированием, с учётом кодового расстояния и списочного декодирования (SCL), и от чистой сортировки по он отличается примерно в 1% пар индексов. Вложенность при этом сохраняется точно.

Что такое вложенность

Вложенность (nested property) таблицы из 1024 индексов в 5G — это свойство универсальной последовательности надежности полярных кодов (Polar Sequence) в стандарте 3GPP 5G NR (спецификация TS 38.212), которое позволяет использовать одну и ту же таблицу для построения полярных кодов любой меньшей длины (N = 32, 64, 128, 256, 512) без необходимости хранить в памяти устройства отдельные таблицы для каждого размера блока.

Вот, например, что выдаёт расчёт надёжностей методом GA для , , проектный SNR 2 дБ (значения в таблице — десятичный логарифм вероятности ошибки в подканале, взятый со знаком минус; чем показатель больше, тем лучше):

Канал

$-log_{10}P_e$

0.49

0.87

0.99

1.91

1.14

2.23

2.47

4.76

Канал

$-log_{10}P_e$

1.35

2.63

2.86

5.52

3.13

6.04

6.62

12.27

Жирным отмечены информационные позиции. Видно, что поляризация — это не «на пару процентов лучше», а разброс на много порядков по вероятности ошибки: канал 0 имеет , а канал 15 — $5cdot10^{-13}$ . Ровно на этом эффекте и строится выигрыш длинных полярных кодов.

Для из этой же таблицы (ограничившись каналами 0…7) получаем те же четыре лучших позиции , что и по стандартной 5G-последовательности.

4. Кодирование (8, 4) по шагам

Возьмём информационные биты 1011 и расположим их в соответствии с уже известной маской:

 маска: 0 0 0 1 0 1 1 1 u : 0 0 0 1 0 0 1 1 <- 1011 попало в позиции 3, 5, 6, 7

Теперь прогоняем рекурсию:

левая половина = левая половина правая,
правая не меняется,
рекурсия в обе половины.

Уровень

Вектор до

Что делаем

Вектор после

0 (n=8)

0001 0011

0001 ⊕ 0011 = 0010

0010 0011

1A (n=4)

0010

00 ⊕ 10 = 10

10 10

2A (n=2)

10

1 ⊕ 0 = 1

10

1B (n=4)

0011

00 ⊕ 11 = 11

11 11

2B (n=2)

11

1 ⊕ 1 = 0

01

Кодовое слово: x = 1 0 1 0 0 1 0 1.

Проверка на прочность: у этого кода $d_{min} = 4$ (перебраны все 16 кодовых слов: 14 слов веса 4 и одно веса 8). Это в точности спектр расширенного кода Хэмминга — он же самодвойственный Рида-Маллера RM(1, 3). Приятный факт: для , полярный код совпал с классикой, и это лучшее, что вообще можно сделать при таких параметрах.

5. SC-декодер: две функции и одна маска

Декодер идёт по тому же кодовому дереву, что и кодер, но помимо битовых XOR выполняются «мягкие» операции:

f-функция («мягкая» сумма, для левого поддерева) — точный box-plus и его практичная аппроксимация min-sum:

$f(L_1,L_2) = 2operatorname{artanh}Big(tanhtfrac{L_1}{2}tanhtfrac{L_2}{2}Big) ;approx; operatorname{sign}L_1cdotoperatorname{sign}L_2cdotmin(|L_1|,|L_2|).$

Min-sum теряет по итогу 0.1–0.2 дБ, но считается на целочисленной арифметике и без трансцендентных функций — на практике в железе и в симуляционном коде ниже используется именно он. Точное значение при , как мы помним, 1.33, а min-sum даст 2.0 — видно, что приближение «оптимистично».

g-функция (cancellation, для правого поддерева), где буквой обозначен уже принятый бит в формате знака (биту 0 соответствует, биту 1 соответствует):

Лист дерева. Если позиция заморожена, то пишем 0 и не смотрим на LLR вообще (это эквивалентно подстановке — идеальной априорной информации); если позиция информационная, то принимаем жёсткое решение по знаку текущего LLR:

// f (мягкая сумма, min-sum): знак = произведение знаков, модуль = минимум.static double f_llr(double a, double b) { const double s = ((a >= 0.0) == (b >= 0.0)) ? 1.0 : -1.0; return s * std::min(std::abs(a), std::abs(b));}// g (cancellation): beta -- уже принятый бит ±1 (beta = +1 для нуля).static double g_llr(double a, double b, double beta) { return b + beta * a; }// beta -- кодовое слово (partial sums) поддерева, в формате ±1.void sc_core(const double* l, std::size_t n, const Bits& mask, std::size_t off, Bits& u, double* beta) { if (n == 1) { // достигли листа: инф. бит -> решение; замороженный бит -> 0. const int bit = mask[off] ? (l[0] >= 0.0 ? 0 : 1) : 0; u[off] = bit; beta[0] = bit ? -1.0 : 1.0; return; } const std::size_t h = n / 2; Vec lu1(h), lu2(h); for (std::size_t i = 0; i < h; ++i) lu1[i] = f_llr(l[i], l[h + i]); sc_core(lu1.data(), h, mask, off, u, beta); // левая половина for (std::size_t i = 0; i < h; ++i) lu2[i] = g_llr(l[i], l[h + i], beta[i]); sc_core(lu2.data(), h, mask, off + h, u, beta + h); // правая половина for (std::size_t i = 0; i < h; ++i) beta[i] *= beta[h + i]; // Восстанавливающий XOR}

Двадцать с лишним строк — и декодер готов. Обратите внимание на тонкость, на которой легко споткнуться: в -функцию подставляется не декодированный информационный бит левого поддерева, а его кодовое слово (partial sums), восстановленное по этому поддереву. Именно поэтому в конце каждого узла считается beta[i] *= beta[h+i] — это XOR половин в формате ±1, то есть обратное преобразование Арикана для уже принятых битов.

Сложность та же, что у кодера: , памяти на рекурсию.

6. Сценарий декодирования: одна ошибка в канале

Пусть передали уже рассмотренный ранее вектор x = 10100101, а приняли следующие LLR (рассматриваем ФМн-2 в АБГШ, где , знак: плюс — бит ноль, минус — бит единица):

 x : 1 0 1 0 0 1 0 1 LLR : -2 4 -3 2 2 5 6 -3

Смотрите на позицию по индексу 5: передавали единицу, а LLR положительный — в канале произошла ошибка. Посмотрим, что сделает декодер (все числа для взяты целыми, что удобно для алгоритма «min-sum»).

Столбец «Узел» в таблице ниже содержит адрес узла в дереве рекурсии (том же дереве, что и у кодера). Строка из нулей и единиц — маршрут от корня: 0 — ушли в левую половину, 1 — в правую; число в скобках — длина блока, который в этом узле обрабатывается. Скажем, «01 (2)» читается так: корень → налево (блок 0…3) → направо, то есть пара позиций 2–3. У корня маршрут пустой, поэтому он так и подписан — «корень (8)». Биты в этом столбце — не декодированные данные, а именно маршрут; информационные биты появляются только в листьях, в колонке «Результат». Дерево то же, что в разделе 4, только там узлы подписаны по уровням (1A, 2B), а здесь — маршрутом от корня.

Обратите внимание, что один и тот же узел встречается дважды — это не дубль, а два разных захода: сначала декодер входит в узел и считает для левого ребёнка, а второй раз — вернувшись из левого поддерева — считает для правого (узел «0 (4)» — строки 2 и 5, и узел «00 (2)» — строки 3 и 4). Номера в первом столбце — просто порядок операций.

Узел

Вход a

Вход b

Операция

Результат

корень (8)

−2, 4, −3, 2

2, 5, 6, −3

−2, 4, −3, −2

0 (4)

−2, 4

−3, −2

2, −2

00 (2)

−2

−2 → лист : заморожен → 0

00 (2)

−2

0 → лист : заморожен → 0

0 (4)

−2, 4

−3, −2

−5, 2

01 (2)

−5

−2 → лист : заморожен → 0

01 (2)

−5

−3 → лист : инф. → 1

корень (8)

−2, 4, −3, 2

2, 5, 6, −3

4, 1, 9, −5

1 (4)

4, 1

9, −5

4, −1

10 (2)

−1

−1 → лист : заморожен → 0

10 (2)

−1

3 → лист : инф. → 0

1 (4)

4, 1

9, −5

13, −4

11 (2)

−4

−4 → лист : инф. → 1

11 (2)

−4

−17 → лист : инф. → 1

Получили , считываем информационные позиции : 1011. Ошибка канала исправлена.

Обратите внимание на два места.

Строка 10. LLR на листе равен −1, то есть канал «говорит» единицу. Но позиция 4 заморожена, декодер ставит 0 и не спорит. Это и есть та самая подстановка : замороженный бит — гарантированная опора, которая «чистит» метрики справа от себя.

Строка 11. Здесь ошибка и была (позиция 5). Сырой LLR +5 после -функции превратился в +3: правый подканал «сложил» два независимых свидетельства и уверенно дал 0.

Откуда в строке 8 четыре . Это кодовое слово (частичная сумма, partial sum) левой половины, восстановленное из уже принятых битов . Внутри узла 0 дважды сработало beta[i] *= beta[h+i]: узел 00 (биты 0, 0) дал кодовое слово 00, узел 01 (биты 0, 1) — кодовое слово 11. После XOR половин в узле 0 получаем 1111, то есть . Тот же результат даёт прогон 0001 через кодер из раздела 2 — можете проверить на бумаге. Отсюда и арифметика строки 8: , , , .

7. Когда шума больше, чем кода

Испортим ещё один бит: пусть канал сломал и позицию 1 (там заморозка), и позицию 5:

 LLR : -2 -4 -3 2 2 5 6 -3

Прогон по тому же дереву даёт:

Узел

Операция

Результат

корень (8)

−2, −4, −3, −2

0 (4)

2, 2 (было 2, −2)

0 (4)

−5, −6 (было −5, 2)

01 (2)

5 (было −2)

01 (2)

−11 → ✓ (угадали)

корень (8)

4, 9, 9, −5

1 (4)

4, −5

10 (2)

−4 → : заморожен → 0 ✓

10 (2)

−1 → : инф. → 1 ✗

Декодировали , информация — 1111 вместо 1011. Ошибка в одном бите.

Что произошло: замороженный бит ошибку «съел» (он всё равно ноль по построению кода), но его мягкая метрика протекла в правую ветвь: на листе было +3, стало −1. Порог пересечён — и всё, что декодировалось после, уже строилось на неверном решении. Здесь мы наблюдаем размножение ошибок (error propagation), принципиальное свойство SC-декодера: алгоритм последовательного исключения жаден, он никогда не возвращается назад и не пересматривает решения.

Отсюда два практических следствия:

Замороженные биты надо ставить так, чтобы они образовывали сплошные блоки в начале (слева) — там, где подканалы хуже всего. Тогда к моменту первого информационного бита метрики уже «накачаны» суммированием, и вероятность «свалиться» меньше.
«Ванильный» SC — не предел. Основные улучшения: SCL (списочный декодер, хранит гипотез и выбирает лучшую), CRC-aided SCL (CRC-11 как внешний отбор гипотез — именно это в 5G для данных), Fast-SSC (терминальные узлы Rate-0, Rate-1, Rep, SPC, чтобы не спускаться до отдельных битов), SCAN (итеративное распространение доверия, ближе к LDPC по духу).

Отдельно стоит упомянуть PAC-коды (Polarization-Adjusted Convolutional, Арикан, 2019, arXiv:1908.09594): перед полярным преобразованием в них стоит rate-1 свёрточное, а декодируют их последовательным декодером Фано. На коротких блоках они почти достигают дисперсионной границы (что это такое смотри в выводах в конце статьи).

8. Симуляция: что это даёт в децибелах

Соберём код (он в конце статьи) и прогоним 200 000 блоков по каналу АБГШ с ФМн-2, = 0…6 дБ. Скорость кода , так что энергия на символ .

Сравнивать по BER неудобно: BER — промежуточная величина, которая зависит от того, сколько бит испорчено внутри неудачного блока, а системе связи важен сам факт срыва блока — именно по этому факту запрашивают повторную передачу. Поэтому фиксируем Block Error Rate, BLER — долю блоков, где испорчен хотя бы один бит (или Frame Error Rate, FER), — и смотрим, при каком он достигается с кодом и без.

Сравнение делается при равной средней энергии на один информационный бит. Без кода 4 бита занимают 4 такта (скорость 1, ), с кодом — 8 тактов (скорость 1/2, ): код платит скоростью передачи — в том же диапазоне частот он отдаёт вдвое меньше битов в единицу времени. Всё, что мы дальше называем выигрышем, — это уже после такой платы.

Вероятность ошибки на бит без кода $p_b = Q(sqrt{2E_b/N_0}) = tfrac12operatorname{erfc}sqrt{E_b/N_0}$ , поэтому блок из 4 бит срывается с вероятностью

, дБ

BLER с кодом (8, 4)

BLER без кода (4 бита)

BER (8, 4) — справочно

1.74e-1

2.79e-1

9.66e-2

1.10e-1

2.07e-1

6.12e-2

5.93e-2

1.42e-1

3.30e-2

2.69e-2

8.84e-2

1.50e-2

1.02e-2

4.91e-2

5.71e-3

2.77e-3

2.36e-2

1.57e-3

5.25e-4

9.52e-3

2.95e-4

Колонку BER оставили только для справки — по ней мы ничего не сравниваем. А по BLER видно главное: код выигрывает уже при 0 дБ (0.174 против 0.279), и с ростом ОСШ разрыв растёт — при 4 дБ это 1.02e-2 против 4.91e-2, при 6 дБ — 5.25e-4 против 9.52e-3.

Пересчитаем, используя интерполяцию, разницу BLER в энергетический выигрыш при фиксированном BLER:

Целевой BLER

с кодом, дБ

без кода, дБ

Выигрыш, дБ

1e-1

1.15

2.76

1.6

1e-2

4.02

5.95

1.9

1e-3

5.61

7.82

2.2

Точность здесь — десятые доли дБ: на 200 000 блоков относительная погрешность BLER около 10%, а это примерно ±0.1 дБ по ОСШ.

Выигрыш растёт по мере ужесточения требования: 1.6 → 1.9 → 2.2 дБ. Потолок для такого кода — асимптотический выигрыш $10lg(R,d_{min}) = 10lg 2 approx 3$ дБ; 2.2 дБ при BLER $10^{-3}$ — это то, что остаётся после потерь min-sum и того, что SC в принципе не оптимален. Никакого чуда: полярный код длины 8 — это фактически расширенный Хэмминг, который гарантированно исправляет одну ошибку.

Важно понимать, откуда берётся выигрыш у длинных кодов. Полярная последовательность — характеристика статистическая: она расставляет подканалы по надёжности, и с ростом длины кода разрыв между хорошими и плохими подканалами растёт экспоненциально (см. таблицу из раздела 3). Поэтому длинный полярный код выигрывает не за счёт $d_{min}$ , а за счёт того, что доля «почти идеальных» подканалов стремится к пропускной способности канала. Побочный эффект: у полярных кодов с SC-декодером бывает error floor из-за кодовых слов малого веса, и именно поэтому в 5G для данных применяют CRC-aided SCL, а не чистый SC.

9. Полный листинг

Всё вместе: кодер, SC-декодер и симуляция. Собирается одним g++ -std=c++20 -O2 polar.cpp -o polar, внешних зависимостей нет. Листинг ниже выдаёт ту самую таблицу из раздела 8:

Симуляция на С++

#include #include #include #include #include #include #include using Bits = std::vector;using Vec = std::vector;// ---------------------- Кодер ----------------------void polar_encode_core(std::span x) { const std::size_t n = x.size(); if (n <= 1) return; const std::size_t h = n / 2; for (std::size_t i = 0; i < h; ++i) x[i] ^= x[h + i]; polar_encode_core(x.subspan(0, h)); polar_encode_core(x.subspan(h, h));}Bits polar_encode(const Bits& info, const Bits& mask) { Bits u(mask.size(), 0); for (std::size_t i = 0, j = 0; i = 0.0) == (b >= 0.0)) ? 1.0 : -1.0; return s * std::min(std::abs(a), std::abs(b));}static double g_llr(double a, double b, double beta) { return b + beta * a; }void sc_core(const double* l, std::size_t n, const Bits& mask, std::size_t off, Bits& u, double* beta) { if (n == 1) { const int bit = mask[off] ? (l[0] >= 0.0 ? 0 : 1) : 0; u[off] = bit; beta[0] = bit ? -1.0 : 1.0; return; } const std::size_t h = n / 2; Vec lu1(h), lu2(h); for (std::size_t i = 0; i < h; ++i) lu1[i] = f_llr(l[i], l[h + i]); sc_core(lu1.data(), h, mask, off, u, beta); for (std::size_t i = 0; i < h; ++i) lu2[i] = g_llr(l[i], l[h + i], beta[i]); sc_core(lu2.data(), h, mask, off + h, u, beta + h); for (std::size_t i = 0; i < h; ++i) beta[i] *= beta[h + i];}Bits sc_decode(const Vec& llr, const Bits& mask) { Bits u(mask.size(), 0); Vec beta(mask.size(), 1.0); sc_core(llr.data(), llr.size(), mask, 0, u, beta.data()); return u;}// ---------------------- Симуляция ----------------------int main() { const int n = 8, k = 4; const Bits mask = {0, 0, 0, 1, 0, 1, 1, 1}; // (8,4), R = 1/2 const double rate = double(k) / n; const long blocks = 200000; std::mt19937 rng(12345); std::normal_distribution gauss(0.0, 1.0); std::uniform_int_distribution bit(0, 1); std::printf("n Eb/N0, dB FER BLER(без кода) BERn"); for (int ebn0 = 0; ebn0 <= 6; ++ebn0) { const double es_n0 = rate * std::pow(10.0, ebn0 / 10.0); const double sigma = std::sqrt(1.0 / (2.0 * es_n0)); const double scale = 2.0 / (sigma * sigma); long fe = 0, be = 0, tb = 0; for (long blk = 0; blk < blocks; ++blk) { Bits info(k); for (int i = 0; i < k; ++i) info[i] = bit(rng); const Bits cw = polar_encode(info, mask); Vec llr(n); for (int i = 0; i < n; ++i) llr[i] = scale * ((1 - 2 * cw[i]) + sigma * gauss(rng)); const Bits u = sc_decode(llr, mask); int e = 0; for (int i = 0, j = 0; i  0); be += e; tb += k; } const double eb = std::pow(10.0, ebn0 / 10.0); const double p = 0.5 * std::erfc(std::sqrt(eb)); // BER ФМн-2 без кода const double bler0 = 1.0 - std::pow(1.0 - p, k); // срыв блока из k бит std::printf(" %5d %8.2e %8.2e %8.2en", ebn0, double(fe) / blocks, bler0, double(be) / tb); } return 0;}

10. Итоги

Полярный код — это рекурсивная «бабочка» из операций XOR у кодера и такая же бабочка из мягких операций у декодера
Вся «полярность» — в маске: плохие подканалы замораживаются нулями, и эти нули работают как «бесплатная» априорная информация, подставляемая вместо канальных LLR
SC-декодер — это жадный обход дерева: (box-plus/min-sum) влево, (cancellation) вправо с подстановкой кодового слова левого поддерева. Ошибка в одном бите, в целом, ломает всё, что справа
Полярный код (8, 4) побитово совпадает с расширенным кодом Хэмминга. По BLER полярный код даёт энергетический выигрыш (по сравнению с некодированной ФМн-2) около 1.6 дБ при $10^{-1}$ , 1.9 дБ при $10^{-2}$ и 2.2 дБ при $10^{-3}$ — и это на блоке длиной всего 8 бит, где коду почти негде развернуться. Настоящая магия классических полярных кодов начинается с длин в тысячи бит и с использованием SCL/CRC — там они почти доезжают до предела Шеннона. А достаточно новые так называемые PAC-коды с декодером Фано вплотную подходят к дисперсионной границе (границе Полянского — Пур — Верду, PPV) уже на сотне-другой бит:
- Дело в том, что граница PPV более практична, потому что она уточняет классический предел Шеннона для кодов конечной длины . Максимально достижимая скорость передачи при целевой вероятности ошибки на блок оценивается примерно как:
  
  $R^*(n, epsilon) approx C - sqrt{frac{V}{n}} Q^{-1}(epsilon).$
  
  Если пропускная способность — это математическое ожидание взаимной информации (средняя «ёмкость» канала при ), то дисперсия канала — её статистический разброс, $Q^{-1}(epsilon)$ — обратная-функция (функция «хвоста» стандартного нормального распределения). Сама функция
  
  $Q(x) = frac{1}{sqrt{2pi}} int_x^infty e^{-t^2/2} dt$
  
  показывает вероятность того, что гауссовский шум превысит порог, а её обратное значение $Q^{-1}(epsilon)$ задаёт, на сколько стандартных отклонений нужно отступить от среднего, чтобы уложиться в заданную вероятность ошибки . Для коротких кодов случайные выбросы шума не успевают усредниться, и именно эта дисперсия накладывает неустранимый «штраф» пропорционально. Приближение к этой кривой означает, что PAC-код выжимает из короткого блока практически всё, что позволяют законы физики.
Интересно отметить, что ядро Арикана (базовая матрица) может быть использована для вероятностного формирования созвездия модуляции (Probabilistic Constellation Shaping, PCS), целью которого является более экономное расходование мощности передатчика при той же помехоустойчивости (это к теме разработки мобильной связи поколения 6G).
Помимо классического ядра Арикана, в исследованиях используют смешанные ядра: на некоторых уровнях используют матрицы размером 3×3 и 5×5 — это позволяет более гибко задавать длину кода наподобие , и дополнительно ускоряет поляризацию каналов (приближение к границе PPV будет лучше при фиксированной длине кода). Математика при этом усложняется не сильно (это также относится к разработке стандарта 6G, где данный подход конкурирует с PAC-кодами).

Полная версия (Fast-SSC, Рид-Маллер, КАМ-16, расчёт полярной последовательности методом GA) — в репозитории: https://github.com/nawww83/rm_soft. Там же и учебный материал по алгебре LLR, из которого выросла эта статья.

Источник: habr.com

0 0 голоса

Рейтинг новости

0 комментариев

Глеб Громов к записи ESTEO запустила программу поддержки для гибридных моделей: “вот это адекватный ход, не ждать возвращения субсидии, а дать клиентам свою скидку до 900 тысяч. уважаю такой подход”

Саня Фролов к записи Honor X9e Pro испытали на дне Баренцева моря: “Достойно, 15 метров уже можно реально назвать влагозащитой, супер. Ждём honor x9e pro теперь 👍”

Javid Gabibov к записи В России перестала открываться «Википедия»: “не не не.. 2 млрд не в Рувики инвестировали, а в БРЭ”

Валерий Чернов к записи «Сбер» запустил программу для разработчиков GenAI‑сервисов с призовым фондом 30 млн рублей: “Хороший пример того, как крупный банк может поддерживать не только собственные разработки, но и внешних создателей. Думаю, среди участников вполне…”

Дмитрий к записи Пользователям посоветовали применять генераторы паролей вместо чат-ботов: “А что так можно было? )”