极化码 SC 译码算法原理、MATLAB 实现与优化策略

1. SC 译码算法原理与核心流程

串行抵消（Successive Cancellation, SC）译码是极化码的基础解码方案。其核心逻辑在于利用已判决比特的信息，递归消除对后续比特推断的干扰，从而实现逐位恢复。

整个流程可以概括为四个关键步骤：

1. 初始化：根据接收到的信号计算初始似然比（LLR），这是后续计算的基石。
2. 递归译码：从最可靠的子信道开始，自底向上逐层计算左右子节点的 LLR 值。
3. 硬判决：依据当前节点的 LLR 正负性确定比特值（0 或 1）。
4. 路径更新：将已判决的结果反馈回去，用于更新后续未判决节点的 LLR。

其中，蝶形结构是 SC 译码中最核心的计算单元，它定义了节点间的数据流转关系。递推公式如下所示：

2. MATLAB 实现 SC 译码

2.1 基础代码解析

在 MATLAB 中实现 SC 译码，关键在于构建 LLR 矩阵并模拟递归过程。下面这段代码展示了如何从接收信号还原信息比特。

function decoded_bits = sc_decode(received_llr, frozen_bits)
    N = length(received_llr);
    n = log2(N);
    decoded_bits = zeros(1, N); % 初始化输出向量
    
    % 初始化 LLR 矩阵（模拟蝶形结构层级）
    llr = zeros(N, n+1);
    llr(:, n+1) = received_llr; % 最后一层填充初始 LLR
    
    % 从倒数第二层向上递归计算
    for l = n:-1:1
        block_size = 2^l;
        for k = 1:block_size/2
            % 左上节点（奇数索引）
            idx = (2*k-1);
            % 注意：atanh 和 tanh 运算需处理数值溢出风险
            llr(idx, l) = 2 * atanh(prod(tanh(llr(2*k-1:block_size, l+1)/2)));
            
            % 左下节点（偶数索引）
            idx = 2*k;
            sign_prod = prod(sign(llr(2*k-1:block_size, l+1)));
            llr(idx, l) = llr(k, l) + sum(sign_prod .* llr(2*k:block_size, l+1));
        end
    end
    
    % 硬判决阶段
    for k = 1:N
        if ismember(k, frozen_bits)
            decoded_bits(k) = 0; % 冻结位强制设为 0
        else
            % MATLAB 中逻辑判断直接转为 double
            decoded_bits(k) = double(llr(k, 1) < 0);
        end
    end
end

2.2 仿真测试环境

为了验证上述函数的有效性，我们需要构建一个包含编码、加噪和解码的完整链路。这里假设存在 polar_encode 函数用于生成码字。

% 参数设置
N = 1024;      % 码长
K = 512;       % 信息位长度
frozen_bits = 1:N; % 示例：全冻结（实际应用中需根据可靠性排序选择）
snr = 2;       % 信噪比 (dB)

% 生成极化码
info_bits = randi([0, 1], 1, K);
codeword = polar_encode(info_bits, N); % 需自行实现或调用工具箱

% 添加高斯噪声
received_bits = awgn(2*codeword - 1, snr, 'measured');
received_llr = 2 * received_bits ./ (10^(-snr/10));

% 执行解码
decoded_bits = sc_decode(received_llr, frozen_bits);
ber = sum(decoded_bits ~= info_bits) / K;
disp(['BER: ', num2str(ber)]);

3. 性能优化策略