变换与纠错：空口信号两大工序

你按下一张图片的发送键，几十万个比特要在几毫秒内穿过一条充满反射、绕射、多普勒频移的恶劣无线信道。它们凭什么能活着到达对面？答案藏在两道加工工序里：先变换，再纠错。变换工序（FFT/IFFT）解决“怎么把宽带信号塞进恶劣信道而不碎掉”；纠错工序（LDPC/Polar码）解决“碎了之后怎么把它拼回来”。这两道工序一个管“防碎”，一个管“拼接”，合起来构成了现代空口的骨架。本文把这两件事拆开讲透：为什么OFDM离不开FFT，为什么纠错码要在图上“开会”，以及5G为什么让LDPC和Polar各管一摊。

一、先问一个根本问题：为什么通信偏爱频域

先用一个日常类比。你在音乐厅听到一个和弦，耳朵接收到的是一条连续变化的声波（时域）；但钢琴师眼里看到的是几个琴键（频域）。同一段声音，两种视角：时域告诉你“空气压强随时间怎么变”，频域告诉你“这条波形由哪几个纯音、各占多少比例叠加而成”。傅里叶变换就是这两种视角之间的翻译官，而且翻译是无损的——任何一段波形都能唯一分解成一组正弦波，反过来也能完美合成。

无线通信为什么死磕频域视角？因为无线信道的破坏方式，用频域语言描述起来简单得多。

基站发出的信号会在楼宇、山体、车辆上反射，多条路径先后到达接收机，时域上表现为信号被“拖尾”——第0微秒发出的符号和第1微秒发出的符号在空中叠在一起，这叫码间串扰。在时域里修补它，需要一个抽头数量等于信道时延长度的复杂滤波器逐点卷积，运算量巨大且必须实时跟踪信道变化。

但傅里叶变换有一条神奇的性质：时域的卷积，等于频域的乘法。多径信道在时域里是一团乱麻的卷积，到了频域里就退化成“每个频率点上乘一个复数”。修补动作从“解一条微分方程”简化成“每个频点除以一个数”。通信系统工程师看到这个性质的心情，大概等于账房先生发现除法可以代替解方程——整套均衡理论瞬间从大学课程变成小学算术。

这个性质是第一道工序的出发点：把信号设计在频域，用变换把它送到时域发射，接收后再变换回频域做“逐点除法”式的轻量修补。

二、FFT：一个让OFDM从纸面走向现网的算法

正交频分复用的想法早在上世纪60年代就有人提出：把宽带信道切成几百上千个互相正交的窄子载波，每个子载波上衰落近似平坦，各自承载一个星座点。但这个想法当年根本没法商用，卡点不在理论，在算力。

把比特装上子载波，数学上就是离散傅里叶反变换（IDFT）。它的朴素算法长这样：

对N个点做一次变换，要进行约 $N^2$ 次复数乘法。问题在于宽带系统的N大得吓人：20MHz的LTE信号用2048点变换，100MHz的5G信号用4096点。按朴素算法，4096点要做约1677万次复数乘法——这还只是一个OFDM符号，每毫秒要处理十几个符号。用60年代的硬件，这等于宣判OFDM死刑。

转机来自一个看似纯数学的观察：$N^2$ 次乘法里有海量重复计算。傅里叶变换的核 $e^{-j2\pi kn/N}$ 具有周期性和对称性，把一个N点DFT按奇偶下标拆成两个N/2点DFT，算完再合并，总运算量会大幅下降；拆下去还可以继续拆，直到每个子问题只剩2个点。这就是快速傅里叶变换（FFT）的分治思想——注意它不是一种新变换，DFT和FFT算的是同一个东西，FFT只是算得更聪明。顺带一提，这套分治思路最早可追溯到1805年高斯的手稿，但真正改变世界是1965年Cooley和Tukey重新发表之后——他们的动机之一是处理地震监测信号，用于核查核试验。

变换点数 N	朴素DFT乘法次数（约N²）	FFT乘法次数（约N/2·log₂N）	节省倍数
64	4,096	192	21倍
1024	约105万	5,120	205倍
2048	约419万	11,264	372倍
4096	约1,677万	24,576	683倍

N越大，FFT的优势越夸张。正是这几百倍的节省，让1971年Weinstein和Ebert提出的“用DFT实现OFDM”从论文变成了产业：4G、5G、Wi-Fi、数字电视、ADSL，几乎所有宽带体制都踩在FFT肩膀上。可以说，没有FFT就没有OFDM的商用，没有OFDM就没有你手机上的满格信号。

flowchart TD
    A["信息比特"] --> B["信道编码 加冗余"]
    B --> C["QAM星座映射"]
    C --> D["串并转换 每符号一列"]
    D --> E["IFFT 频域搬上子载波"]
    E --> F["加循环前缀CP"]
    F --> G["数模变换 射频发射"]
    G --> H["多径无线信道"]
    H --> I["接收 去CP"]
    I --> J["FFT 时域还原频域"]
    J --> K["频域均衡 每载波一除"]
    K --> L["QAM软解调"]
    L --> M["迭代译码 还原比特"]

注意一个初学者常见困惑：发射端用IFFT、接收端用FFT，不是“发射端更高级”或“顺序反了”。原因纯粹是设计视角：我们天然知道“想让第37号子载波承载哪个星座点”（频域视角是设计图纸），IFFT负责按图纸合成出实际要发射的时域波形；接收机拿到被信道搅乱的波形，再用FFT还原回频域图纸。IFFT和FFT是同一套算法的正反两个方向，现代芯片里通常共用一套硬件单元，只是把旋转因子取共轭、输出序列换个方向。

三、循环前缀：FFT能省事的前提

上图里有个不起眼的步骤“加循环前缀CP”，它是频域均衡能退化成“逐点除法”的隐藏前提，值得单讲。

多径时延会把前一个符号的尾巴拖进后一个符号的头里。OFDM的对策很直白：把每个符号末尾的一段复制一份，贴到符号开头。只要这段复制的长度大于信道最大时延，那么就算多径把尾巴拖进来，拖进来的也只是本符号自己的复制体，不会污染下一个符号。代价是这段复制不传有效信息，纯开销——常规配置下CP约占符号时长的7%，相当于发100个比特的时间里有7个比特的时间在“复读”。

更妙的是，复制尾巴这个动作让发射信号在符号周期内呈现周期性，多径卷积从普通的线性卷积变成了循环卷积，而循环卷积在离散傅里叶变换下恰好严格对应频域逐点相乘。也就是说：没有CP，FFT乘法的优雅就不成立；有了CP，接收机FFT之后每个子载波只需除以一个复数。这7%的开销，买来的是均衡复杂度的断崖式下降，顺便还附赠了符号定时同步的参考信号，是通信史上性价比最高的一笔交易之一。

但正交性是脆弱的。子载波互相正交的前提，是每个子载波在符号周期内恰好包含整数个振荡周期。一旦收发两端存在载波频偏（多普勒或晶振偏差），这个整数关系被破坏，一个子载波的能量就会泄漏到所有其他子载波上，形成子载波间干扰（ICI），而且这种干扰没法用逐点除法修复。高速移动场景选大子载波间隔、毫米波频段头疼相位噪声，背后的病根都是这一个。

四、第二道工序：信道编码，用冗余换可靠

FFT解决了“信号别碎掉”，但恶劣信道只能做到“少碎”，做不到“不碎”。信噪比就是那么低，误码必然发生。第二道工序的任务是：提前埋好冗余，让接收机有能力自动发现并纠正错误。

1948年香农用一个定理给整个行业立了规矩：任何信道都有一个容量上限 $C$，只要传输速率 $R < C$，就存在某种编码方式让误码率任意低；反之，超过 $C$ 则怎么编码都白搭。这个定理妙在只说了“存在”，没说“怎么造”——于是接下来五十年，编码学家们都在寻找逼近香农极限、同时译码器又能做得起的具体码型。三代主流纠错码的接力，本质上就是一场“离极限还有多远、译码芯片多少钱”的双线竞赛：

冗余换可靠的账很好算：假设原始信息K个比特，编码后发出N个比特，码率 $R = K/N$。R=1/2意味着每1个有效比特搭1个冗余比特，开销100%，换来的是在很低信噪比下也能正确译码；R=8/9冗余只占12.5%，但需要更好的信道条件。链路自适应（MCS选择）干的事，就是在“多付冗余”和“少占资源”之间实时找平衡。

五、LDPC：证人、陪审团与交叉质证

代际	代表技术	核心思想	局限
第一代（1950s起）	汉明码、卷积码	代数结构或移位寄存器，硬判决纠错	距香农极限差好几个dB
第二代（1993）	Turbo码	两个弱码并联互喂软信息，迭代逼近极限	长码时延大，高吞吐并行难
第三代（1990s复活/2009新生）	LDPC、Polar码	图上迭代消息传递 / 信道极化	各有擅长场景，见下文

LDPC（低密度奇偶校验码）是1963年Gallager在MIT的博士论文里发明的。它的想法朴素得惊人：构造一个绝大多数元素是0的校验矩阵H，编码后的比特必须满足所有校验方程 $\mathbf{H}\mathbf{x}^{\mathrm{T}} = \mathbf{0}$。“低密度”三个字是灵魂——每个比特只参与少数几个校验方程，每个校验方程只看少数几个比特。

低密度带来的第一个好处是译码可以画成一张图：比特是一类节点（变量节点），校验方程是另一类节点（校验节点），谁参与谁的方程就连一条边。下面是一个4比特、3方程的小例子：

flowchart TD
    V1["比特v1"] --> C1["校验方程c1"]
    V2["比特v2"] --> C1
    V3["比特v3"] --> C1
    V2 --> C2["校验方程c2"]
    V3 --> C2
    V4["比特v4"] --> C2
    V1 --> C3["校验方程c3"]
    V4 --> C3

第二个好处藏在译码方式里。LDPC译码不是“算出一个答案”，而是一场多轮交叉质证。把每个比特想象成一句证词，每个校验方程想象成一个陪审团：陪审团本身不知道真相，它只检查交给自己的几句证词是否自洽。每轮迭代中，比特节点把自己当前的“可信度”（对数似然比）告诉相邻陪审团，陪审团综合几份证词后反馈“根据其他证词，你的说法需要上调/下调可信度”；比特节点拿到多方第二意见后修正自己，再进入下一轮。如此往复，正确的比特越来越自信，错误的比特被周边证词逐渐扳正。

flowchart TD
    A["输入软信息似然比"] --> B["初始化变量节点"]
    B --> C["变量节点向校验节点传话"]
    C --> D["校验节点互证回话"]
    D --> E["变量节点汇总修正"]
    E --> F{"校验方程全通过"}
    F -->|是| G["译码成功输出比特"]
    F -->|否 且未到迭代上限| C
    F -->|否 且到迭代上限| H["译码失败 计入误块"]

为什么这套“开会”流程能逼近香农极限？直觉上是冗余形成了多重互锁的证据链：一个比特出错，会在它参与的所有校验方程上同时制造矛盾，矛盾越多、定位越准。码长越长，证据链越长，一个孤立错误越难“伪装过关”——这就是长LDPC码性能可以做到距香农极限不到1dB的原因。

历史对这个码开了个残酷的玩笑：Gallager的论文发表在1963年，当时的计算机连一次完整的迭代仿真都跑不动，学界认为它没有实用价值，这个码被遗忘了几十年。直到1993年Turbo码横空出世、展示出“迭代软译码”的惊人威力，人们才想起三十年前那个被尘封的 idea——1990年代中期，MacKay和Neal等人重新发掘LDPC，用当时的计算机验证出同样的逼近极限性能。一段被冷落33年的好数学，就此封神。如今LDPC是5G数据信道、Wi-Fi、DVB-S2卫星广播、万兆以太网的御用编码。

六、Polar：把一条烂信道劈成极好和极坏两半

极化码是2009年由土耳其教授Arıkan提出的，思路更加天马行空：不去改造单个信道的质量，而是把N条相同的信道“拧”在一起使用，让它们主动分化。

先看最简单的两条信道怎么拧。发送端发两个比特u1、u2，第一根天线（逻辑上）发 $x_1 = u_1 \oplus u_2$（异或），第二根发 $x_2 = u_2$：

flowchart TD
    U1["信息比特u1"] --> X1["x1 = u1 异或 u2"]
    U2["冻结比特u2"] --> X1
    U2 --> X2["x2 = u2"]
    X1 -->|差信道W-| Y1["噪声更大的判决"]
    X2 -->|好信道W+| Y2["噪声更小的判决"]
    Y1 --> Z["串行解出u1 再解u2"]
    Y2 --> Z

拧完再拆开看，奇迹出现了：解u2时，不但有 $x_2$ 这路直接观察，解出u1之后 $x_1 = u_1 \oplus u_2$ 还能反推出一份对u2的独立观察——两份噪声平均下来，u2这条信道变好了（图中的好信道W+）；而u1只能依赖带噪的 $x_1$，且此时u2还是未知数，它这条信道反而变差了（差信道W-）。两条一模一样的信道，拧一下，一条更烂、一条更好——这就是“极化”。

把2条扩到4条、8条……每条合成信道再互相拧，递归下去，信道的质量分布会像冰水混合物一样两极分化：一部分信道无限趋近于无噪声的完美信道，另一部分趋近于纯噪声的废信道。数学上可以证明，当N趋于无穷时，“好信道”占总数的比例恰好等于信道容量——不多不少。编码策略于是简单粗暴：信息比特只走好信道，坏信道上全部填收发双方约定好的“冻结比特”（通常是0）。编码矩阵由一个2×2的小核矩阵反复做Kronecker积生成：

$$F = \begin{bmatrix} 1 & 0 \ 1 & 1 \end{bmatrix}, \qquad G_N = F^{\otimes \log_2 N}$$

整个编码的复杂度是 $\mathcal{O}(N \log N)$——和FFT同款，这不只是巧合，两者的递归结构（蝴蝶图）几乎是同一张图。

译码采用串行抵消（SC）：先凭观察硬着头皮判u1，然后把已判出的u1当作已知条件去判u2，再拿u1、u2一起判u3，像剥洋葱一样层层依赖。串行的好处是复杂度极低、时延确定，坏处是一步错步步错。工程上用“保留L条候选路径”的SCL译码缓解这个问题，再用一段CRC校验当裁判，从L条路径里挑出正确的那条——这套组合拳让极化码在几十比特的短码块上表现出色。

七、为什么5G让LDPC管数据、Polar管控制

现在可以回答那个经典问题了：两个都是逼近极限的好码，为什么5G不让一个包揽所有业务？

维度	LDPC	Polar
诞生	1963年提出，1990年代复活	2009年提出
核心思想	稀疏校验图上的迭代置信传播	信道极化，好信道传信息坏信道冻结
译码方式	高度并行，可流水线化	串行抵消或SCL，逐比特依赖
擅长码长	中长码、高吞吐	短码
时延特性	迭代次数不定，吞吐极高	SC时延确定可预算
典型岗位	数据业务信道（大块视频、下载）	控制信道（调度指令、广播）

答案藏在业务形状里。数据信道的码块动辄几千上万比特，追求极限吞吐——LDPC的消息传递天然并行，译码器可以做成大规模流水线，吞吐量随硬件规模线性扩展，正对口。控制信道传输的调度指令只有几十到一百多比特量级，短码块恰好是极化码的主场：码短，串行译码的时延累积也短，且在小码长下极化码的性能优势最明显。一个管 bulk（大宗货运），一个管 command（调度命令），各取所长。标准允许多种实现，具体参数配置以各厂家官方文档为准。

八、实战连接：这些原理在调试现场长什么样

频谱仪与星座图的位置感。星座图不在天线上，而在“FFT+均衡”之后才成形。调试时看到的星座整体旋转、缓慢转动，多半是载波频偏或相位噪声在作祟——这正是第三节说的ICI前兆；星座收缩成糊团则是噪声主导，该看MCS和信号强度了。知道每个处理级输出什么，才能把故障定位到具体环节。

CP配置错误的经典病征。小区半径大、远端多径强的场景，若CP长度配置不足，边缘用户的首径与反射径跨越符号边界，误块率异常抬升，而近点用户毫无感觉。排查“为什么只有边缘用户掉话”时，CP和多径时延的匹配关系是必查项。

BLER与MCS的联动。现网通常把初始传输误块率目标定在10%左右——不是追求零误码，而是利用纠错码加HARQ重传的组合：初传故意留10%的错让重传兜底，换来更高的频谱效率。看到BLER常年0%反而要警惕，说明MCS选保守了，吞吐在白白流失。LDPC译码失败率（达到最大迭代仍未通过）则是芯片功耗与时延的重要观测量，迭代上限的设置本质是“成功率-功耗-时延”的三方谈判。

常见误解清单：其一，“FFT是OFDM专用的”——错，它是最通用的频谱分析工具，雷达、医学成像、音频处理全靠它；OFDM只是把它的正反两个方向都用上了。其二，“极化码理论更优，早晚取代LDPC”——错，极化的威力要在长码下才完全展开，而长码恰恰撞上串行译码的时延墙，两者是分工而非替代。其三，“纠错码能让误码为零”——不能，香农容量是天花板，低于速率上限才能无限逼近可靠，编码从来不是免费的，冗余就是成本。

常见问题

Q: FFT和IFFT是两套不同的算法吗？硬件要不要做两份？ A: 不是两套算法，是同一套DFT算法的正反方向，IFFT只是把旋转因子取共轭、输出再除以N。实际芯片里发射和接收通常共用一个FFT处理单元，配置不同参数即可，这也是为什么基带芯片的变换模块总按“每秒多少点”统一计量。

Q: 极化码是2009年才提出的，为什么能这么快就用进5G？ A: 因为它补上了编码理论最后一块拼图——第一个被证明能严格达到信道容量、且编解码复杂度只有O(N log N)的构造性编码。此前的LDPC、Turbo只是“实践上逼近极限”，理论上没人证明得了。不过5G选用它只限于短码块的控制信道，长数据块仍是LDPC的天下。

Q: LDPC和Turbo码是什么关系？5G为什么弃Turbo选LDPC？ A: 两者同属“迭代软译码”思想家族，1993年Turbo码的爆发直接唤醒了被遗忘的LDPC。5G转向LDPC的关键是并行性：Turbo的译码依赖前后反馈，提吞吐靠堆叠级联；LDPC天然可并行流水线，数据速率越高优势越大。

Q: 循环前缀白白浪费7%的速率，能不能不加？ A: 可以不加，但那样多径卷积退回线性卷积，频域“逐点除法”的均衡不复存在，接收机要重新扛起时域均衡的复杂运算。7%的速率换均衡复杂度的数量级下降外加免费的同步参考，这笔账在绝大多数场景下都划算。只有当信道极短（如室内超近距）时，才有系统设计考虑缩减CP。

Q: 信道编码配合HARQ重传，两者怎么分工？ A: 信道编码负责“单次传输内的自愈”——用冗余对抗中等强度的噪声；HARQ负责“跨传输的兜底”——译码失败时不丢帧，而是把重传的软信息与旧传合并，累积证据再判一次。前者降低单次误码率，后者把残余的失败平滑成可控的时延抖动，两层配合才能既快又稳。