【空间通信系统原理与技术】15 现代信道编码技术：从Turbo码到LDPC码的逼近香农限之路

现代信道编码技术：从Turbo码到LDPC码的逼近香农限之路

1. 引言

1.1 现代信道编码的演进脉络

自1948年香农（Shannon）建立信息论以来，信道编码理论的核心使命始终未变：在有限的功率与带宽约束下，实现尽可能可靠的数据传输。早期以汉明码、里德-所罗门（Reed-Solomon, RS）码和卷积码为代表的经典编码方案，为深空通信与卫星广播奠定了工程基础。然而，这些传统码型距离香农理论极限（Shannon Limit）仍存在显著差距。直至二十世纪九十年代，Turbo码与低密度奇偶校验（Low-Density Parity-Check, LDPC）码的相继诞生，首次在可实现的复杂度内将通信系统推向了距离香农限仅几分之一分贝的区间，开启了现代编码理论的新纪元。

1.2 逼近香农限的理论框架

香农限给出了加性高斯白噪声（AWGN）信道下可靠通信所需的最小信噪比阈值，其理论值为

$$\frac{E_b}{N_0}{|}_{\text{Shannon}}=\ln 2\approx -1.59\text{ dB}$$

其中 $E_b$ 为每比特能量，$N_0$ 为噪声功率谱密度。对于码率 $R$ 的实际系统，所需信噪比随 $R$ 趋近于信道容量 $C$ 而逼近该极限。现代逼近香农限的编码技术普遍依赖两大核心思想：随机编码思想（通过交织或稀疏图实现伪随机性）与迭代译码思想（通过软信息交换逐步消除不确定性）。本文将系统阐述Turbo码、LDPC码、网格编码调制（Trellis-Coded Modulation, TCM）及级联系统的工程原理与标准应用。

---

2. Turbo码原理与迭代译码架构

2.1 并行级联卷积码的编码结构

Turbo码，正式名称为并行级联卷积码（Parallel Concatenated Convolutional Codes, PCCCs），其核心创新在于编码端的并行级联与译码端的迭代反馈。编码器由两个或多个分量卷积编码器（Component Encoders）通过交织器（Interleaver）并行连接构成。

设信息比特序列为 $\mathbf{u}=[u_1,u_2,\dots ,u_K]$，其中 $K$ 为分组长度。第一个分量编码器 ${\text{CE}}_1$ 直接对 $\mathbf{u}$ 进行系统递归卷积编码，生成校验序列 ${\mathbf{v}}_1$；第二个分量编码器 ${\text{CE}}_2$ 则对经过交织器 $\Pi$ 置换后的序列 ${\mathbf{u}}^{\prime }=\Pi (\mathbf{u})$ 进行编码，生成校验序列 ${\mathbf{v}}_2$。最终输出为系统比特与两份校验比特的复用：

$$\mathbf{c}=[\mathbf{u}\mid {\mathbf{v}}_1\mid {\mathbf{v}}_2]$$

未经删余（Puncturing）时，码率 $R$ 为

$$R=\frac{K}{K+2(K+\nu )}\approx \frac{1}{3}$$

其中 $\nu$ 为卷积编码器的约束长度。通过选择性删余，可灵活提升码率至 $1/2$ 或更高，以适应不同频谱效率需求。

2.2 交织器的抗突发错误机理

交织器在Turbo码中绝非简单的位置置换工具，而是实现伪随机编码与抗突发错误双重功能的关键模块。其物理本质在于：将信道中的突发错误（Burst Errors）在解交织后均匀分散为随机错误，使得两个分量译码器面对的差错模式具有统计独立性。

设信道引入的突发错误长度为 $L$，交织深度为 $N$。通过伪随机交织映射 $\pi :i\mapsto \pi (i)$，相邻比特在交织后的距离被扩展至 $O(N)$ 量级。当 $N\gg L$ 时，同一突发错误在解交织后被拆分为若干孤立的单比特错误，显著降低了分量译码器的输入差错密度。这种差错均匀化机制是Turbo码在衰落信道与卫星链路中表现卓越的根本原因。

2.3 软输入软输出迭代译码原理

Turbo译码器采用两个软输入软输出（Soft-Input Soft-Output, SISO）分量译码器通过交织器与解交织器闭环连接，构成迭代反馈架构。该架构的灵感源于涡轮机械中的能量循环利用——将一次译码产生的“余热”（外信息）回收并注入下一次译码过程，故得名“Turbo”。

记接收序列为 $\mathbf{y}=[{\mathbf{y}}_u\mid {\mathbf{y}}_{v_1}\mid {\mathbf{y}}_{v_2}]$。第 $m$ 次迭代中，分量译码器 ${\text{DEC}}_1$ 利用系统信息 ${\mathbf{y}}_u$、校验信息 ${\mathbf{y}}_{v_1}$ 及先验信息 ${\mathbf{L}}_a^{(m)}$ 计算后验对数似然比（Log-Likelihood Ratio, LLR）：

$$L_1^{(m)}(u_k)=\ln \frac{P(u_k=1\mid {\mathbf{y}}_u,{\mathbf{y}}_{v_1},{\mathbf{L}}_a^{(m)})}{P(u_k=0\mid {\mathbf{y}}_u,{\mathbf{y}}_{v_1},{\mathbf{L}}_a^{(m)})}$$

外信息（Extrinsic Information）通过剥离当前输入的先验分量获得：

$$L_{e_1}^{(m)}(u_k)=L_1^{(m)}(u_k)-L_a^{(m)}(u_k)-\frac{2y_{u_k}}{{\sigma }^2}$$

其中 ${\sigma }^2$ 为信道噪声方差。外信息经交织后作为 ${\text{DEC}}_2$ 的先验输入 ${\mathbf{L}}_a^{(m)}$，完成一次完整的迭代闭环。随着迭代次数 $M$ 增加，两个译码器通过注意力机制（Attention Mechanism）般的聚焦过程，逐步将置信度高的比特信息扩散至全局，最终收敛到最大后验概率（MAP）估计。

2.4 误码性能与迭代增益分析

Turbo码的误比特率（Bit Error Rate, BER）性能呈现显著的瀑布区（Waterfall Region）特性：当信噪比 $E_b/N_0$ 超过某一阈值（约 $2$ dB 附近，视具体码型而定），BER 随迭代次数增加而急剧下降。迭代增益（Iterative Gain）定义为在固定BER下，增加一次迭代所带来的等效信噪比改善。实验表明，从 $1$ 次迭代增至 $8$ 次迭代，性能曲线可逼近香农限至 $0.5$ dB 以内。

然而，迭代增益存在边际递减效应。当 $M>10$ 时，外信息的互信息（Mutual Information）趋于饱和，继续增加迭代次数的性价比迅速降低。工程实现中，通常设置最大迭代次数 $M_{\text{max}}=6\sim 8$，并辅以 early stopping 准则以控制译码时延。

---

3. LDPC码的稀疏图模型与置信传播译码

3.1 稀疏校验矩阵与Tanner图表示

LDPC码由稀疏校验矩阵 H∈{0,1}M×N\mathbf{H} \in \{0,1\}^{M \times N}H∈{0,1}M×N 定义，其中 $M$ 为校验节点数，$N$ 为变量节点数，码率 $R=1-M/N$。矩阵的稀疏性体现在每行与每列的非零元（即 $1$）数量极少（通常小于 $10$），分别记为行重 $w_r$ 与列重 $w_c$。这种稀疏结构使得基于图的迭代译码成为可能。

Tanner图是LDPC码的二分图（Bipartite Graph）表示，包含两类节点：

• 变量节点（Variable Nodes, VN）：对应码字比特 $x_1,x_2,\dots ,x_N$；
• 校验节点（Check Nodes, CN）：对应校验方程 ${\sum }_{j\in \mathcal{N}(i)}{x}_j\equiv 0(\mathrm{mod}2)$。

边集由 $\mathbf{H}$ 的非零元位置决定。稀疏性保证了图的围长（Girth）较大，从而减少了迭代译码中的短环（Short Cycles）干扰，提升了置信传播（Belief Propagation, BP）算法的收敛性。

3.2 和积算法与置信传播译码

LDPC译码的核心算法为和积算法（Sum-Product Algorithm, SPA），亦称置信传播算法。该算法在Tanner图上交替传递概率消息，物理上可理解为变量节点与校验节点之间就“该比特是否为1”进行多轮协商。

设信道输出为 $y_k$，变量节点 $V_k$ 向校验节点 $C_i$ 传递的消息为 $q_{ki}$，校验节点 $C_i$ 向变量节点 $V_k$ 传递的消息为 $r_{ik}$。在LLR域实现中，变量节点更新规则为：

$$L(q_{ki})=L_{ch}(x_k)+\sum _{j\in \mathcal{N}(k)\setminus i}L(r_{jk})$$

其中 $L_{ch}(x_k)=2y_k/{\sigma }^2$ 为信道LLR。校验节点更新涉及双曲正切函数：

$$L(r_{ik})=2{\tanh }^{-1}\left(\prod _{j\in \mathcal{N}(i)\setminus k}\tanh \frac{L(q_{ji})}{2}\right)$$

其物理意义在于：校验节点根据所有其他相连变量节点的置信度，计算当前比特满足校验方程的概率。由于校验方程为模2和，该更新天然具有奇偶校验的非线性特征。迭代进行直至所有校验方程满足或达到最大迭代次数。

3.3 与Turbo码的性能-复杂度权衡

LDPC码与Turbo码同属迭代译码码族，但二者在实现特性上存在系统性差异：

维度	Turbo码	LDPC码
编码复杂度	线性，需交织器	线性，可并行化
译码并行度	低（串行迭代）	高（节点级并行）
错误平层	较高（受限于交织器）	较低（围长可控）
高码率优化	性能下降明显	保持良好

在极低信噪比区（$E_b/N_0\approx 0$ dB），Turbo码凭借分量码的强约束特性可能略有优势；但在绝大多数卫星广播与无线通信场景中，LDPC码以其更低的译码复杂度、更高的吞吐率和更优的误码平层（Error Floor）表现，成为更普适的工程选择。

3.4 DVB-S2标准中的LDPC应用

第二代数字视频广播卫星标准（DVB-S2）在FEC层采用LDPC码作为内码，BCH码作为外码，彻底替代了DVB-S中的卷积码+RS码级联方案。DVB-S2支持多种码率（从 $1/4$ 到 $9/10$）与帧长（$64800$ 或 $16200$ 比特），其LDPC码采用结构化IRA（Irregular Repeat-Accumulate）构造，兼容准循环移位寄存器实现，极大降低了编码器存储需求。

在DVB-S2中，LDPC码可在载噪比（Carrier-to-Noise Ratio, CNR）低至 $0$ dB 时仍维持可接受的误码性能，此时距离香农限仅约 $1.6$ dB，标志着卫星广播链路已迈入逼近理论极限的时代。

---

4. 网格编码调制：编码与调制的联合优化

4.1 欧氏距离最大化准则

传统通信系统将编码与调制视为独立模块：编码提供汉明距离（Hamming Distance）以对抗随机错误，调制提供星座点以承载比特。然而，在带宽受限信道中，真正决定检测错误概率的是星座点之间的欧氏距离（Euclidean Distance），而非汉明距离。网格编码调制（TCM）的核心思想正是打破编码与调制的割裂，通过状态机约束将冗余比特嵌入高阶调制星座的扩展符号中，直接最大化最小欧氏距离 $d_{\text{min}}$。

对于AWGN信道，成对错误概率近似为

$$P_e\approx Q\left(\frac{d_{\text{min}}}{2\sigma }\right)$$

其中 $Q(\cdot )$ 为Q函数。TCM通过引入编码记忆，使得合法信号序列在多维空间中形成特定的“轨道”，非法序列因偏离轨道而具有更大的欧氏距离，从而获得编码增益（Coding Gain）。

4.2 集分割映射与状态转移网格

Ungerboeck提出的集分割（Set Partitioning）原理是TCM设计的基石。其将高阶星座递归二分，确保同一子集内星座点的最小距离随分割层级递增。以 $8$PSK 为例，星座被逐层分割为 $2$ 个子集、$4$ 个子集，直至 $8$ 个单点，每步分割使子集内距离扩大 $\sqrt{2}$ 倍。

编码器通常采用卷积码结构，其状态转移与集分割层级绑定：

• 未编码比特直接选择子集内的具体星座点；
• 编码比特决定子集的选择及状态转移路径。

这种映射保证了并行转移路径（同一状态转移下的多个分支）具有最大欧氏距离，从而将最可能的差错事件推向距离更远的多路径事件。

4.3 8PSK与16QAM下的TCM实现

在 $8$PSK TCM系统中，每符号传输 $2$ 个信息比特（另 $1$ 比特为编码冗余），等效频谱效率为 $2$ bps/Hz，与未编码QPSK相同，但可获得 $3\sim 6$ dB 的编码增益。状态数通常为 $4$、$8$ 或 $16$，状态数越多，自由距离越大，但译码复杂度（以Viterbi算法状态数衡量）呈指数增长。

对于 $16$QAM TCM，集分割映射扩展至二维矩形星座。编码器输出的高比特选择 $16$QAM的子集（如 $4$ 个象限之一），低比特在子集内选择具体星座点。接收端采用软判决Viterbi译码，将解调后的欧氏距离度量直接作为分支度量（Branch Metric），避免了硬判决带来的量化损失。

TCM的局限在于其针对特定调制阶数与信道条件优化，灵活性不如Bit-Interleaved Coded Modulation（BICM）。然而，在信道状态信息（CSI）稳定、调制阶数固定的卫星与微波回传链路中，TCM仍以其无缝的编码-调制一体化设计占据一席之地。

---

5. 级联编码系统与深空通信标准

5.1 串行级联与交织级联的架构设计

单一编码方案难以同时应对随机错误与突发错误。级联编码（Concatenated Coding）通过将两种或多种编码串联或并联使用，实现优势互补。典型结构为串行级联：外码（Outer Code）选用擅长纠正突发错误的代数码（如RS码或BCH码），内码（Inner Code）选用擅长纠正随机错误的概率码（如卷积码或LDPC码），二者之间插入块交织器（Block Interleaver）或卷积交织器（Convolutional Interleaver），以打散突发错误并均衡两个译码器之间的差错分布。

设外码最小距离为 $D_{\text{out}}$，内码最小距离为 $D_{\text{in}}$，则级联码的整体最小距离可达 $D_{\text{out}}\cdot D_{\text{in}}$，呈现距离相乘效应。这种架构在二十世纪八十年代的深空通信（如旅行者号、伽利略号任务）中已被验证为极其稳健的方案。

5.2 DVB-S与DVB-S2标准中的FEC演进

5.2.1 DVB-S：RS与卷积码的级联结构

第一代卫星数字视频广播标准（DVB-S, EN 300 421）采用经典的RS(204,188)+卷积码级联方案。外码为 shortened RS 码，每 $188$ 字节MPEG传输流包附加 $16$ 字节RS校验，可纠正最多 $8$ 字节突发错误；内码为约束长度 $K=7$、生成多项式 $(171,133{)}_8$ 的卷积码，支持码率 $1/2$、$2/3$、$3/4$、$5/6$、$7/8$。两级之间配置卷积交织器（深度 $I=12$），有效对抗卫星信道中的脉冲干扰与衰落。

该方案在 $1990$ 年代实现了卫星广播的商业化普及，但其性能距香农限仍有 $3\sim 5$ dB 差距，且在高码率（$5/6$、$7/8$）下卷积码的渐近增益急剧恶化。

5.2.2 DVB-S2：BCH与LDPC的级联结构

DVB-S2标准（EN 302 307）代表了卫星FEC架构的代际跃迁。其级联结构更新为：

• 外码：BCH码，用于消除LDPC译码后残留的少量错误（通常称为“错误平层清洁器”）；
• 内码：LDPC码，承担绝大部分纠错负荷；
• 调制：支持QPSK、$8$PSK、$16$APSK、$32$APSK，并引入自适应编码调制（ACM）以匹配信道条件。

BCH码的选择基于其强大的代数纠错能力与低复杂度译码特性。LDPC+BCH级联后，系统在误包率（PER）$10^{-7}$ 处仍能保持极低的错误平层，满足高清电视与宽带数据广播的可靠性需求。

---

6. 结语

从Turbo码的迭代译码奇迹，到LDPC码的稀疏图逼近，再到TCM的编码调制一体化与级联系统的工程稳健性，现代信道编码技术已构建起一套逼近香农理论极限的完整方法论。这些技术并非孤立存在，而是在标准演进中持续融合：DVB-S2将LDPC与BCH级联，5G NR将LDPC与Polar码分场景部署，深空通信则将Turbo码与RS码推向更远距离。理解这些编码原理的物理本质与架构权衡，是设计下一代高可靠通信系统的基石。