> 你有没有想过一个问题：基站把一串"0"和"1"变成电磁波发射出去，穿过雨雪、楼宇反射、邻区干扰，到达你手机天线时已经面目全非——可你刷视频、打游戏，几乎从不丢包。是谁在噪声的洪流里，把这些濒临湮灭的比特一个不差地捞回来？ 答案就藏在物理层一个低调却极其强大的模块里：**信道编码（Channel Coding）**。而 5G 数据信道用的，是一种叫做 **LDPC（Low-Density Parity-Check，低密度奇偶校验码）** 的编码方案。它和上行的 SC-FDMA、底层的 OFDM 一起，撑起了 5G 物理层"高速率、低时延"的承诺。 今天这篇，我们不讲规范条文，只讲一件事：**LDPC 到底凭什么能逼近香农极限？它的"迭代译码"为什么像一群人在黑屋子里互相传话，最后竟然猜对了所有答案？** --- ## 一、先搞懂要解决什么问题：噪声世界里的比特保卫战 把一次无线传输想象成这样一个流水线： ```mermaid flowchart LR A["原始信息比特
(你发的微信)"] --> B["信道编码器
(加冗余)"] B --> C["调制
(QAM 星星座)"] C --> D["无线信道
(噪声/干扰/衰落)"] D --> E["解调"] E --> F["信道译码器
(纠错)"] F --> G["恢复比特"] style B fill:#bfe3ff style F fill:#bfe3ff ``` 中间那个"无线信道"是真正的绞肉机。热噪声、多径衰落、邻区干扰会随机地把"0"翻成"1"、把"1"翻成"0"。如果直接发原始比特，错一个就是一个，没法补救。 **信道编码的思路简单粗暴却有效：发之前，往原始比特里"掺水"——加入一些按照特定规则计算出来的冗余比特（校验位）。** 收到之后，用这些冗余比特反推哪些地方被翻错了，再纠正回来。 这就好比你寄快递时，给每个包裹都贴一张清单，写着"本箱共 100 件，重量应为 5kg"。收货时一称，4.8kg——少了，赶紧查。冗余比特就是那张"清单"，它本身不携带你要的信息，但携带了"信息应该长什么样"的约束。 **这里有个根本的矛盾：冗余加得越多，越能纠错，但有效信息占比（码率 R）就越低，速率上不去。** 那么到底能加多少的冗余、用多高的码率，还能保证可靠传输？这个问题，被一个人在 1948 年给出了理论上的天花板。 --- ## 二、香农极限：那堵推不倒的墙 贝尔实验室的 **克劳德·香农（Claude Shannon）** 在 1948 年证明了一个惊人的结论：只要传输速率 R 不超过一个叫"信道容量 C"的阈值，就**一定存在**某种编码方式，能让错误概率任意小。 对于加性高斯白噪声（AWGN）信道，信道容量为： $$C = B \cdot \log_2(1 + \mathrm{SNR})$$ 其中 B 是带宽，SNR 是信噪比。这就是著名的**香农定理**。 它的潜台词震撼了整个通信界：**可靠通信不是靠"喊得更响"（提高功率），而是靠"更聪明的编码"。** 只要你编码够好，你就能以速率 C 逼近"零错误"——这个理论极限，后人称为**香农极限（Shannon Limit）**。 于是，一场长达 70 多年的"寻码之旅"开始了：全世界的编码学家都在找那种**既能逼近香农极限、又能实际工程实现**的好码。LDPC，就是这条路上最成功的选手之一。 | 编码方案 | 提出时间 | 距香农极限 | 典型应用 | |---------|---------|-----------|---------| | 汉明码 | 1950 | 很远 | 早期内存纠错 | | RS 码 | 1960 | 中等 | 光盘、DVB | | Turbo 码 | 1993 | 约 0.5–1 dB | 3G/4G LTE | | **LDPC 码** | 1960 / 1996 重现 | **约 0.1–0.3 dB** | 5G NR、Wi-Fi 6/7、DVB-S2 | | Polar 码 | 2009 | 渐近逼近 | 5G 控制信道 | 注意 LDPC 那行——它距离香农极限只有 0.1~0.3 dB，几乎是"贴着天花板飞行"。它是怎么做到的？故事得从一个被埋没了 35 年的天才说起。 --- ## 三、LDPC 的身世：被时代埋没 35 年的天才 1960 年，麻省理工的 **罗伯特·加拉格尔（Robert Gallager）** 在博士论文里提出了 LDPC 码。他在数学上证明了：只要校验矩阵足够"稀疏"、码长足够长，这种码就能逼近香农极限。 这个想法太超前了。1960 年的计算机连一个 1000 位的矩阵都算得费劲，更别提 Gallager 设想的、动辄上万位的超长码。**算力跟不上理论**——于是 LDPC 被束之高阁，沉睡了 35 年。 直到 1996 年，David MacKay 等人重新发现了它。这时算力早已翻天覆地，人们惊讶地发现：**这个 30 多年前提出的码，性能竟然和当时最火的 Turbo 码不相上下，甚至在很多场景下更好。** LDPC 的核心特征，就藏在它的名字里——**"低密度（Low-Density）"**。 --- ## 四、核心原理一：稀疏的校验矩阵 H LDPC 是一种**线性分组码**。它的全部规则，浓缩在一个校验矩阵 **H** 里。规则只有一条：**合法的码字 c，必须满足** $$H \cdot c^T = 0$$ 意思是，码字的每一位组合起来，都要让所有校验方程"成立"（模 2 加等于 0）。举个微型例子，假设 H 是这样： $$ H = \begin{bmatrix} 1 & 1 & 0 & 1 & 0 & 0 \\ 0 & 1 & 1 & 0 & 1 & 0 \\ 1 & 0 & 1 & 0 & 0 & 1 \end{bmatrix} $$ 它定义了 3 个校验方程（每一行一个），监督着 6 个码字位。"低密度"的意思是：**这个矩阵里绝大多数是 0，只有少量是 1。** 每一行只有几个 1（行重小），每一列也只有几个 1（列重小）。 **为什么"稀疏"如此关键？** 因为稀疏意味着：每个校验方程只管少数几个比特，每个比特只被少数几个方程监督。这种"局部约束、整体稀疏"的结构，让两个东西成为可能： 1. **译码可以并行、迭代地做**（后面详述）； 2. **存储和计算量正比于码长的线性级别**，而不是平方级别——这正是 5G 动辄 8448 位码块能实时算出来的根本原因。 如果矩阵是"稠密"的，每个比特和所有方程纠缠在一起，那就没法局部推断，译码复杂度爆炸。**稀疏，是 LDPC 一切的基石。** --- ## 五、核心原理二：Tanner 图——把矩阵"画"成图 光看矩阵不够直观。1981 年，Michael Tanner 提出用一张**二分图（Bipartite Graph）**来表示校验矩阵，这就是著名的 **Tanner 图**。它把抽象的矩阵，变成了可以"看"的网络： ```mermaid graph LR subgraph VN["变量节点 (Variable Nodes) = 码字比特"] v1((c1)) v2((c2)) v3((c3)) v4((c4)) v5((c5)) v6((c6)) end subgraph CN["校验节点 (Check Nodes) = 校验方程"] c1((f1)) c2((f2)) c3((f3)) end c1 --- v1 c1 --- v2 c1 --- v4 c2 --- v2 c2 --- v3 c2 --- v5 c3 --- v1 c3 --- v3 c3 --- v6 style VN fill:#e8f5e9 style CN fill:#fff3e0 ``` 这张图分两类节点： - **变量节点（Variable Node, VN）**：对应码字的每一位比特，"它到底是 0 还是 1？" - **校验节点（Check Node, CN）**：对应每一个校验方程，"我负责的那几个比特，奇偶必须对得上。" 矩阵 H 里第 i 行第 j 列如果是 1，就在校验节点 i 和变量节点 j 之间连一条边。**稀疏矩阵 = 稀疏的图，每个节点只连少数几条边。** Tanner 图的伟大之处在于：它把"译码"这个数学问题，变成了**图上的消息传递（Message Passing）**。这正是 LDPC 译码的核心机制——置信传播算法（Belief Propagation）。 --- ## 六、核心原理三：迭代译码——黑屋子里的传话游戏 现在想象一个绝妙的场景，这是理解 LDPC 译码最直观的类比： > 一群人（变量节点）被关在黑屋子里，每个人手里攥着一个数字（0 或 1），但看不太清。屋子里还有几个"监工"（校验节点），每个监工盯着几个人，规则是：**你们几个的数异或起来必须等于 0。** > > 第一轮：每个人根据自己模糊的观察，悄悄告诉监工"我觉得我大概是 0，置信度 70%"。 > > 监工综合自己盯着的所有人的报告，发现"嗯，如果老三是 1，其他人就都对上了"，于是反过来告诉老三"我觉得你更可能是 1 哦"。 > > 第二轮：每个人综合了监工的反馈，更新了自己的判断，再告诉监工…… > > 如此往复。几轮之后，所有人达成一致，且满足所有监工的规则——译码成功。 这就是**置信传播（Belief Propagation，又称和积算法 Sum-Product）**。每一轮迭代分两步： ```mermaid flowchart TD Start(["初始化: 信道给每个比特
一个 LLR (软信息)"]) --> V2C V2C["① 变量节点 → 校验节点
(V2C 消息)
综合信道信息 + 邻居反馈"] --> C2V C2V["② 校验节点 → 变量节点
(C2V 消息)
基于校验约束计算外信息"] --> Hard Hard{"③ 硬判决 + 校验
H·c=0 成立?"} Hard -- "成立" --> Done(["✅ 译码成功, 提前退出"]) Hard -- "不成立" --> Check2{"达到最大迭代次数?"} Check2 -- "否" --> V2C Check2 -- "是" --> Fail(["❌ 译码失败
触发 HARQ 重传"]) style Done fill:#c8e6c9 style Fail fill:#ffcdd2 ``` 它的精妙之处有三点： **第一，软信息（Soft Information）而非硬判决。** 译码器不是一开始就拍板"这是 0 还是 1"，而是保留"它是 0 的概率有多大"这种连续的置信度。信息越"软"，能传递的内容越丰富，纠错能力越强。这和 HARQ、链路自适应里强调的"用 BLER 而非 BER 评估"是同一个哲学：**保留不确定性，比过早下结论更有价值。** **第二，外信息（Extrinsic Information）。** 每个节点传给邻居的，只是"别人告诉我的"，绝不把自己刚收到的回传——否则就是"自己骗自己"，形成信息正反馈死循环。这是保证算法收敛的关键纪律。 **第三，并行性。** 因为图是稀疏的，所有变量节点可以**同时**更新，所有校验节点也可以**同时**更新。一轮迭代就是一次大规模并行计算。这就是 LDPC 能支撑 5G 几十 Gbps 吞吐的根本原因——**它的并行度天然就高，不像 Turbo 码那样依赖串行的两个分量译码器来回递归。** --- ## 七、LLR 与 Min-Sum：让数学落进芯片 工程实现里，"概率"会被换成 **对数似然比（LLR, Log-Likelihood Ratio）** 来算，因为概率连乘会数值下溢，而 LLR 是加减法，硬件友好： $$L(c_i) = \ln \frac{P(c_i=0)}{P(c_i=1)}$$ LLR 为正，倾向于判 0；为负，倾向于判 1；绝对值越大，越确定。信道给的初始 LLR 来自解调器的软输出。 校验节点的更新（和积算法）本意是算一个复杂的非线性函数（tanh 之积）。但实际芯片几乎都用它的近似版——**Min-Sum（最小和）算法**： $$L_{C2V} \approx \left(\prod \text{sign}\right) \cdot \min_{j' \neq j} |L_{V2C,j'}|$$ 也就是：**符号取所有邻居符号的乘积，幅度取其他邻居中最小的那个。** 用一个"取最小值"操作，代替了昂贵的 tanh 运算。代价是约 0.1~0.2 dB 的性能损失，换来的是**译码器面积和功耗大幅下降**——这在手机这种功耗敏感的设备上，是值得的交易。这也是为什么 5G 终端芯片几乎清一色用 Min-Sum。 > **小贴士**：调试时如果发现实测 BLER 比仿真高 0.2 dB 左右，先别怀疑链路 bug，很可能是芯片用了 Min-Sum 而仿真用了精确的和积算法——这是"算法-硬件折中"的固有代价。 --- ## 八、5G LDPC 的工程构造：QC-LDPC、双基图与提升大小 讲到这里，你也许会问：上面那张 H 矩阵是随便画的，5G 里几十万个比特，H 矩阵得有多大？怎么存？ 5G 用了一个聪明的工程化构造——**准循环 LDPC（QC-LDPC）**。它的思路是：**不再存储一个巨大的稠密定义，而是用一个很小的"基矩阵（Base Graph）"加上一个"提升因子（Lifting Size Z）"来"放大"生成真正的 H。** 具体说，基矩阵里每个元素是一个小方块的"种子"（一个移位值）。把这个种子替换成一个 Z×Z 的**循环置换矩阵**（单位阵循环移位 k 位），就把小基矩阵"放大"了 Z 倍。于是： $$\text{真正的 } H = \text{基矩阵的每一个元素} \otimes I(k_i)$$ 这么做的好处是压倒性的： - **存储极省**：只需存小基矩阵 + 每个元素的移位值，不需要存整个大矩阵； - **硬件极其规整**：译码器全是 Z×Z 的循环移位寄存器，可以用高效的移位网络（Shuffle Network）实现，这正是高通等厂商芯片能跑到几十 Gbps 的秘密。 5G 定义了**两张基图（Base Graph）**，根据业务特点二选一： ```mermaid flowchart TD Input(["传输块 TB 经过
码块分段"]) --> Decide{"选择基图"} Decide -- "码块较大 或
初始码率 > 1/4" --> BG1["基图 BG1
最大信息位 8448
码率 1/3 ~ 8/9
高吞吐场景"] Decide -- "码块较小 且
初始码率 ≤ 1/4" --> BG2["基图 BG2
最大信息位 3840
码率 1/5 ~ 2/3
低码率/小包场景"] BG1 --> Enc["QC-LDPC 编码"] BG2 --> Enc style BG1 fill:#e3f2fd style BG2 fill:#fce4ec ``` | 参数 | 基图 BG1 | 基图 BG2 | |------|---------|---------| | 最大信息比特数 | 8448 | 3840 | | 支持码率范围 | 1/3 ~ 8/9 | 1/5 ~ 2/3 | | 设计目标 | 大包、高速率、eMBB | 小包、低码率、覆盖受限 | | 提升因子 Z | 8 种索引集合，覆盖 2~384 | 同 BG1 的提升表 | | 典型场景 | 视频下载、宽带业务 | IoT、小区边缘、VoNR 小包 | 提升因子 Z 有 8 个集合（每个集合对应不同的 Z 值，从 2 到 384），用来精确匹配不同的传输块大小，让码块恰好填满而不浪费。 **为什么要两张图而不是一张？** 因为没有一张图能同时在大包/高码率和小包/低码率下都做到最优。BG1 为高速率优化，BG2 为低码率优化。**双基图，是 5G 在"性能覆盖范围"和"实现复杂度"之间的精妙折中。** --- ## 九、编码流程与 IR-HARQ 的天然契合 有了 H 矩阵，编码就是解方程：给定信息位，算出校验位，拼成完整码字。由于 5G 的 H 矩阵被设计成"近似下三角"结构，校验位可以**边算边生成（编码复杂度线性）**，不需要对整个矩阵求逆——这又是一个为硬件优化的设计。 LDPC 还有一个被 5G 相中的特质：**它对增量冗余 HARQ（IR-HARQ）的支持天然友好。** 5G 的码字不是一次性全发出去的。第一次发一部分（高码率），如果收端译码失败（CRC 不过），**不需要重发整个码字，只要再补发一部分校验位**，收端把它和之前收到的"拼"起来，等效码率就降低了，纠错能力增强。LDPC 的矩阵结构允许这种"按需扩展"——每次重传发不同的冗余版本（RV0/RV1/RV2/RV3），收端在码字缓冲区里合并后再译码。 这和 5G 省电机制、链路自适应形成完美闭环：**第一次发少点冗余省功耗；译码失败再补冗余保可靠。** LDPC 的"率兼容"结构，让这个闭环丝滑运转。 --- ## 十、为什么 5G 抛弃 Turbo 码而选 LDPC？ 这是 2016 年 3GPP 一场著名的"编码大战"。4G LTE 用的 Turbo 码服役多年，为什么 5G 数据信道毅然换将？核心是三个硬指标压不过去： | 维度 | Turbo 码（LTE） | LDPC 码（5G NR） | 5G 的诉求 | |------|----------------|------------------|----------| | **峰值吞吐** | 译码串行，难并行 | 图结构天然并行 | 20 Gbps（DL）/10 Gbps（UL） | | **高速率性能** | 高码率下错误地板明显 | 高码率贴近香农极限 | 大包高速率传输 | | **错误地板** | 中高 SNR 出现地板 | 几乎无地板 | 低 BLER（如 URLLC 1e-5） | | **IR-HARQ 灵活度** | 较粗 | 码率细粒度可调 | 精细链路自适应 | | **每比特能耗(高吞吐)** | 较高 | 较低 | 终端省电 | 一句话总结：**Turbo 码是"够用的好码"，而 5G 要的是"在极限性能区依然顶得住的码"。** LDPC 在高速率、大码块、可并行、低错误地板这几个维度全面占优，Turbo 码在 LTE 那个量级是优秀的，但顶不住 5G 把速率推到 Gbps 级后的吞吐和时延要求。 > 注意区分：5G 控制信道用的是 **Polar 码**，不是 LDPC。原因在于控制信道 payload 小（几十到上百 bit）、对译码时延敏感，Polar 在短码长下性能更优；而数据信道 payload 大、追求吞吐，LDPC 更合适。两者分工，各司其职。 --- ## 十一、实战连接：这些原理在调试时哪里用得上？ 讲了一堆原理，落到工程师的日常工作里，LDPC 知识在哪些地方会"现身"？ **1. 看码块与码率。** 调度日志里你会看到 `TBS`（传输块大小）、`CB`（码块数量）、`code rate`。理解了 BG1/BG2 的选择逻辑，就能预判当前用的是哪张基图、Z 是多少。当一个 8440 bit 的大包被分成单码块用 BG1 编码，而一个 200 bit 的小包用 BG2 编码时，你应该一眼看懂"为什么"。 **2. 解读 BLER。** 物理层评估用 **BLER（Block Error Rate，码块错误率）** 而非 BER。一个码块译码要么成功（CRC 过），要么失败（CRC 不过触发 HARQ），没有"半对"。理解了 LDPC 的迭代译码有"成功/失败"二态收敛特性，就明白为什么 BLER 是比 BER 更贴合实际的指标。5G 通常工作在 **初始 BLER 约 0%~10%、残余 BLER 约 1e-5** 的区间——这是链路自适应调功率/调 MCS 的目标。 **3. 看 Iteration 数。** 一些芯片/测试仪会暴露译码迭代次数。如果某个码块译码成功但耗了 20 多次迭代，说明这次传输"擦边过"，链路质量临界——配合 IR-HARQ 的重传统计，能精确定位覆盖瓶颈区域。 **4. Coding Gain 的直觉。** 用了 LDPC，相比不编码，达到同样 BLER 需要的 SNR 可以低好几分贝——这就是 **编码增益（Coding Gain）**。在边缘覆盖规划时，这几 dB 意味着基站能省下可观的发射功率，或扩大覆盖半径。理解这一点，做链路预算时就不会只盯 SNR 门限，而会把编码增益算进去。 --- ## 十二、调试陷阱：三个常见误解 **陷阱一："迭代次数越多越好"。** 错。迭代到一定次数后，性能不再提升（收敛了），白费功耗。实际芯片会设最大迭代数（典型 8~20 次），并设"早停"机制——一旦 CRC 通过立刻退出。盲目调大最大迭代数，只增加功耗和时延，不增收益。 **陷阱二：把 LDPC 失败全怪成"信号差"。** 译码失败不一定只是 SNR 低。Tanner 图里如果存在**短环（Short Cycle，尤其长度为 4 的环）**，会让置信传播在局部来回"自激"，破坏收敛。5G 标准化时专门做了"大围长（Large Girth）"设计避免短环。如果你在自己仿真里发现性能远差于文献，先查你构造的 H 矩阵有没有短环。 **陷阱三：混淆"码率"和"MCS"。** MCS（调制编码策略）是个组合索引，它同时决定了调制阶数（QPSK/16QAM/...）和目标码率。有人误以为 MCS 越高码率越高（对），却忽略了码率提升意味着冗余减少、对 SNR 要求更高——在弱信号区强行用高 MCS，会导致 BLER 飙升、HARQ 重传风暴，实际吞吐反而暴跌。**链路自适应的本质，就是动态找到"当前 SNR 下吞吐最大的那个 MCS"。** --- ## 十三、把整条链路串起来 回到开头那个问题：噪声洪流里，比特是怎么被捞回来的？现在你能回答了： 1. 基站把信息比特喂给 **LDPC 编码器**，按 BG1/BG2 和提升因子 Z，掺入精心设计的稀疏校验位； 2. 调制、过信道、被噪声蹂躏； 3. 手机端的 **LDPC 译码器**在 Tanner 图上启动**置信传播**：变量节点和校验节点用 LLR 互相传话、迭代更新； 4. 几轮之后，要么收敛（CRC 过，译码成功），要么触发 **IR-HARQ** 补发冗余再来一轮。 整套机制，靠的是**稀疏矩阵的并行性、软信息的迭代传播、率兼容的 HARQ 支持**三件法宝，把性能一路推到距离香农极限 0.1~0.3 dB 的位置。这就是 5G 敢承诺 Gbps 级速率和 URLLC 级可靠性的底层底气之一。 理解了 LDPC，你也就理解了现代通信物理层的一个核心哲学：**与其对抗噪声，不如用数学结构驯服噪声。** --- ## 常见问题 **Q1：LDPC 和 Polar 码到底什么区别，5G 为什么两个都用？** A：两者都是逼近香农极限的好码，但适用场景不同。**LDPC 是分组码**，长码长、高吞吐下性能优异、可高度并行，适合数据信道（PDSCH/PUSCH）这种大 payload、追求速率的场景；**Polar 码**在短码长下性能更优、译码时延低，适合控制信道（PDCCH/UCI）这种几十到几百 bit 的小 payload、追求时延的场景。5G 让它们各管一摊，是用其所长。 **Q2：译码为什么用 Min-Sum 而不用更精确的和积算法？** A：和积算法（Sum-Product）的校验节点更新需要计算 tanh 之积，硬件实现昂贵（除法、查表、面积大）。Min-Sum 用"取最小值"近似它，性能只损失 0.1~0.2 dB，但面积和功耗大幅下降。对于手机这种功耗敏感设备，这点性能损失换来的省电和省面积，绝对划算。实际芯片还会用归一化 Min-Sum 等改进版把损失再压低。 **Q3：BLER 多少算正常？为什么不用 BER？** A：5G 数据信道通常把**初始传输目标 BLER 设在 0%~10%**（常见 10% 或更低），靠 HARQ 重传把**残余 BLER 压到 1e-5 以下**给上层。用 BLER 而非 BER，是因为 LDPC 译码是"码块级"二态收敛（整个码块要么对要么错），码块是 HARQ 和上层重传的基本单位，BLER 直接对应系统行为；而 BER 是逐 bit 的统计，和实际协议处理单元脱节。 **Q4：码率越高越好吗？** A：不是。码率高 = 冗余少 = 单位时间传的有效信息多，但抗噪声能力弱，对 SNR 要求高。弱信号区用高码率会 BLER 飙升、重传连连，净吞吐反而低。**最优码率随 SNR 动态变化**，这正是链路自适应（AMC）不断调 MCS 的原因——它的目标是在每个瞬间，找到让"有效吞吐 = 信息位 × (1 - BLER)"最大的那个码率点。 **Q5：LDPC 译码失败就一定丢数据吗？** A：不一定。译码失败（CRC 不过）首先触发 **HARQ 重传**——基站补发冗余版本，手机在码字缓冲区里软合并后重新译码，往往第二次就成功了，用户感知不到。只有当达到最大 HARQ 进程数仍失败，才会上抛给 RLC/高层重传。所以一次物理层译码失败远不等于丢包，它是被设计进系统的"正常容错环节"。 --- ## 参考来源 1. [LDPC Coding in 5G NR Explained — Cafetele](https://www.cafetele.com/5g-ldpc-coding/) — 5G LDPC 双基图 BG1/BG2、提升因子、Tanner 图与编码流程的完整图解教程。 2. [5G NR LDPC — 3GLTEInfo](https://www.3glteinfo.com/5g/protocols/phy/ldpc/) — 基于 Release 规范的 5G NR LDPC 基图、码块分段、码率匹配参考。 3. [5G LDPC — ShareTechnote](https://www.sharetechnote.com/html/5G/5G_LDPC.html) — QC-LDPC 准循环结构、基图与移位值的通俗可视化讲解。 4. [LDPC编译码中的Tanner图详解与MATLAB仿真 — CSDN](https://blog.csdn.net/ccsss22/article/details/148480503) — Tanner 二分图、变量/校验节点、迭代译码的中文图解与仿真。 5. [Background: Low-density Parity-check Codes — NVIDIA Sionna](https://nvlabs.github.io/sionna/rk/tutorials/ldpc_cuda/LDPC_background.html) — 基图选择、protograph 构造与 GPU 加速译码的技术背景，含 8 个提升索引集合说明。 6. [5G LDPC Codes — University of Stuttgart Webdemo](https://webdemo.inue.uni-stuttgart.de/webdemos/08_research/5G_LDPC_Codes/index.php?id=1) — 斯图加特大学通信研究所提供的 5G LDPC 在线交互式演示与 protograph 定义。 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。