你掏出身份证，末尾那个神秘的"X"曾让无数人困惑。它不是什么幸运数字，而是前17位数字经过一套固定算法算出来的校验码——任何一个数字被抄错、读错，校验位就会“报警”。这是绝大多数人一生中离“差错检测”最近的一次接触。
通信工程师每天都在和这件事打交道，只是规模大得多：你的手机与基站之间，每秒传输着上百万个比特，穿过充满噪声的空气，随时可能有个"1"被颠成"0"。一段视频少一个比特，画面可能花掉一块；一条信令错一个比特，整次通话可能夭折。5G是怎么保证比特在噪声里几乎不出错的？答案藏在两套精妙的数学装置里——LDPC码和Polar码。它们一个沉睡了33年才被唤醒，一个让研究者苦等了60年才等到。这篇文章把它们的原理讲透。
所有故事都从1948年香农的那篇论文开始。香农证明了一件起初令人绝望的事：任何有噪声的信道，都存在一个传输速率的上限——信道容量。对带宽为 B、信噪比为 S/N 的信道：
$$C = B \log_2\left(1 + \frac{S}{N}\right)$$
这个公式有两层含义，方向完全相反：
第二层含义在当时简直是悖论：噪声明明在往信号里掺错，怎么可能“编码一下”就几乎不出错？香农的回答是随机的：他证明了这样的码存在，但他的证明是非构造性的——就像知道山里有矿，却不给地图。
于是整个编码学界接下了一个持续半个多世纪的任务：把这面墙上的矿挖出来。评价一个码好不好，就看两把尺子：它的性能离香农极限差多少；以及它的译码运算量，现实芯片算不算得动。
在讲两大码之前，先建立最朴素的图景。纠错的本质是一笔交易：你交出一部分传输效率，买回可靠性。
具体做法：原始信息有 k 个比特，编码器在后面掺入一些“多余”的比特，凑成 n 个比特一起发送（n > k）。定义码率：
$$R = \frac{k}{n}$$
码率越低，冗余越多，抗错能力越强，但有效吞吐越低。接收到这 n 个比特后，译码器利用其中合法的结构关系（哪些组合是“允许出现的”），把错误定位并纠正。
身份证的校验位就是最简版本：17位信息 + 1位校验，它能发现错误，却不能纠正——因为它只知道“出错了”，不知道“错在哪”。想要纠正，码的结构必须告诉你错误的位置。LDPC 和 Polar 走的是两条完全不同的路，但目标一致：逼近香农极限。
LDPC（低密度奇偶校验码）由 MIT 的罗伯特·加拉格（Robert Gallager）在1963年的博士论文中提出。他的想法在当年看来有些“暴力”：把校验矩阵做得非常非常大，但里面几乎全是0——这就是“低密度”三个字的由来。
问题是，这样一个大矩阵对应的译码计算量，1960年代的计算机根本算不动。论文发表后被冷落，几乎无人问津。直到1993年 Turbo 码横空出世、展示了“迭代译码”的威力之后，MacKay 和 Neal 在1996年重新发现了加拉格的旧论文，才发现这座被遗忘的矿藏性能惊人。此后十几年，LDPC 一路横扫：Wi-Fi（从802.11n起的多个标准）、卫星广播 DVB-S2、万兆以太网，最终成为 5G 数据信道的官方编码。4G 时代这一席位属于 Turbo 码，而到了 5G，LDPC 全面接棒。
一个 LDPC 码由校验矩阵 H 定义。合法的码字 x 必须满足：
$$H x^T = 0$$
也就是所有校验方程都成立。关键在于“低密度”：矩阵里1的数量占比极小，每一行只“管着”少数几个比特，每一列也只被少数几个方程“管着”。
举个玩具例子。6个比特，3个校验方程：
（⊕ 是模2加法，即异或。）每个比特只出现在1~2个方程里——这就是稀疏。把方程和比特画成一张图，就是著名的 Tanner 图：一边是变量节点（比特），一边是校验节点（方程），连线表示“这个方程管这个比特”。
flowchart TD
subgraph SV["变量节点：每一个比特"]
V1["比特1"]
V2["比特2"]
V3["比特3"]
V4["比特4"]
V5["比特5"]
V6["比特6"]
end
subgraph SC["校验节点：每一个方程"]
C1["方程A"]
C2["方程B"]
C3["方程C"]
end
V1 --- C1
V2 --- C1
V3 --- C1
V3 --- C2
V4 --- C2
V5 --- C2
V4 --- C3
V6 --- C3
真实的 5G LDPC 码，一个码块动辄几千个比特，但每个节点只有几个邻居——图很大，却很稀疏。
稀疏图的价值在译码时爆发。LDPC 的译码算法叫置信传播（也称消息传递、和积算法），它的工作方式像一个委员会：
每一轮，所有节点交换两轮意见——
然后进入下一轮。每一轮，正确的比特会获得越来越多的“盟友证据”，而被噪声翻转的比特则被邻居们反复“纠偏”。通常迭代几轮到几十轮，所有比特同时趋于稳定，校验方程全部通过，译码成功。
flowchart TD
A["接收端拿到每个比特的软信息"] --> B["初始化：比特相信自己的第一感觉"]
B --> C["校验节点更新：用方程约束互推意见"]
C --> D["变量节点更新：汇总各方反馈修正置信度"]
D --> E["试探判决：每个比特给出当前猜测"]
E --> F{"校验方程是否全部通过"}
F -->|"是"| G["译码成功，输出结果"]
F -->|"否"| H{"是否达到最大迭代次数"}
H -->|"否"| C
H -->|"是"| I["宣布译码失败，交给重传机制"]
一个直观的类比：传话游戏之所以越传越错，是因为信息只单向流动、没有交叉验证。LDPC 恰好反其道而行——每个比特的猜测都要经过多个独立的方程交叉盘问，一轮盘问一次修正，几轮下来，孤立的错误无处遁形。
这里藏着 LDPC 最深刻的设计智慧。如果校验矩阵是稠密的（每个方程管一大堆比特），会出现两个致命问题：
稀疏性一刀解决两个问题：每比特计算量只与邻居数有关（线性复杂度），而且图上消息路径近似独立，各方程提供的是新鲜的、不重复的证据，信息每轮迭代都在真实增量。这正是 LDPC 能用合理算力逼近香农极限的根基。
| 概念 | 技术含义 | 直觉类比 |
|---|---|---|
| 变量节点 | 携带软信息的比特 | 正在自证清白的嫌疑人 |
| 校验节点 | 一条约束方程 | 交叉盘问的审讯官 |
| 消息传递 | 节点间交换的置信度 | 每一轮提供的证词 |
| 迭代 | 多轮更新直到稳定 | 越盘越明亮的案情 |
| 外信息 | 排除自身后邻居给出的意见 | 不许自己给自己作证 |
5G 里的 LDPC 并非学术原版，而是工程化改造过的准循环 LDPC：校验矩阵由一个小的“基图”通过循环移位复制扩展而成，硬件可以用移位寄存器高效实现，省内存也省算力。标准定义了两种基图，分别服务大码块（高码率、大流量，比如下载数据）和小码块（低码率、高可靠，比如边缘场景），工程上按场景选用，具体参数以各厂家官方文档为准。
另外两件装备是打孔与速率匹配：编码器先按低码率生成完整的冗余比特，发送时根据当前信道好坏决定发多少、丢多少——信道好就多丢冗余（等效高码率），信道差就全发。这让同一个码覆盖从极低码率到接近1的连续码率范围。再加上与增量冗余重传的配合（发送过的冗余比特下次换个花样再发，接收端合并累积证据），构成了 5G 链路自适应的底座。
如果说 LDPC 的故事是“提出太早、被时间辜负”，Polar 码则是“终于等到了那个证明”。2009年，土耳其毕尔肯大学的 Erdal Arıkan 发表论文《信道极化》，给出了编码学史上第一个被严格证明能够达到香农容量、且构造方法明确的码。从1948年香农画下天花板，到2009年第一把够得着天花板的梯子出现，中间隔了六十余年。Arıkan 也因此获得2018年的香农奖——信息论界的最高荣誉。
它的核心思想说出来朴素得惊人：单个信道不好用？那就复制一堆出来，把它们互相耦合，让好的越好、坏的越坏。
想象你手上有 N 条一模一样的“普通信道”，每条的可靠性都不高——单独用哪一条传比特，都会出不少错。Polar 码的做法是把这些信道两两配对，做一次固定的线性组合运算（一半走“直连+相加”，一半走“相减”路径），得到两条“组合信道”；然后对组合信道递归地再做同样的操作，一层套一层，共做 log₂N 层。
数学上，整个过程就是一个小矩阵的反复克罗内克积：
$$F = \begin{pmatrix} 1 & 0 \ 1 & 1 \end{pmatrix}, \qquad G_N = F^{\otimes \log_2 N}$$
魔法发生在统计特性上：当 N 足够大，这 N 条组合信道的可靠性会剧烈两极分化——一部分信道的差错率趋近于0（几乎完美，像光纤一样干净），另一部分差错率趋近于1（纯噪声，传什么都错）。而且这个分化是可以精确计算的：每条极化后信道对应一个巴氏参数，取值越接近0越可靠。
用可靠的衡量指标给 N 条信道排队，画面是这样的：
flowchart TD
subgraph IN["极化前：16条一模一样的普通信道"]
direction LR
B1["信道1 一般"]
B2["信道2 一般"]
B3["……"]
B4["信道16 一般"]
end
subgraph MID["递归合并：两两耦合再耦合"]
K1["第1层：8组两两组合"]
K2["第2层：组间再组合"]
K3["第3层：最后一层耦合"]
K1 --> K2
K2 --> K3
end
subgraph OUT["极化后：两极分化"]
direction LR
C1["好信道：差错趋近0"]
C2["坏信道：差错趋近1"]
end
IN --> MID
MID --> OUT
极化之后，用法简单粗暴：
这就是名字里"Polar"的含义：好信道上信息畅通无阻，坏信道上干脆不传任何秘密。整体效果相当于把 N 条平庸信道的容量，集中供养给 K 条优秀信道，系统总容量一点没浪费，只是重新分配了。有人心疼冻结比特“白白浪费位置”——恰恰相反，在坏信道上强行传信息，错误率接近抛硬币，传了等于没传还污染纠错；认怂不传，才是理性。
接收端知道哪些位置是冻结的，等于白送了一批“已知答案”，译码时它们是现成的锚点。
Polar 的经典译码叫串行消去（SC）：比特一个个依次判决，顺序与极化结构对应。轮到某个信息比特时，它“蹭”两个便宜：前面已判决的比特当作已知条件代入，本位置的冻结比特直接按约定填答案。一个接一个，像多米诺骨牌一样环环相扣。
SC 的缺点也来自这个顺序性：前面的判决如果错了，错误会传染给后面所有依赖它的比特，而且 SC 只有单条路径，错一步就一路黑到底。工程上真正使用的是升级版——串行消去列表译码（SCL）：
类比：SC 是一个人走迷宫，遇到岔路口凭感觉选一边，错了就全盘皆输。SCL 是派出 L 个分身，每个岔路口兵分两路全都走，L 个分身各自走各自的；最后谁的路径“总得分”最高（对应路径度量最优），谁胜出。
5G 还在 SCL 之外加了一道保险：给每个候选路径的信息部分附加一段 CRC 校验（一种短检错码），最终从 L 个幸存路径里用 CRC 再筛一次——哪个分身走完了迷宫还能通过对暗号，就信谁。这个"CRC辅助SCL"组合拳，让 Polar 在短码块上的实测性能离香农极限只剩不到半个分贝。
看完原理，5G 的分工安排就顺理成章了：
| 维度 | LDPC | Polar | Turbo（4G遗老） |
|---|---|---|---|
| 出身年份 | 1963提出，1996重生 | 2009 | 1993 |
| 核心机制 | 稀疏图上的置信传播 | 信道极化+冻结比特 | 递归卷积+迭代软译码 |
| 译码方法 | 消息传递迭代 | SC / SCL / CRC辅助SCL | MAP类迭代 |
| 擅长码长 | 长码块、高吞吐 | 短码块、低时延 | 中等码长 |
| 并行性 | 极好（节点独立更新） | 较差（串行依赖） | 一般 |
| 5G 岗位 | 数据共享信道 | 控制信道与广播信道 | 退出5G舞台 |
分工逻辑就两条：
第一，码长匹配。 数据业务一次传几千上万个比特，正是 LDPC 大图迭代大显身手的场景；而控制信令一次只有几十个比特，LDPC 在短码上有“启动成本”——图还没迭代起来，比特就那么几个，稀疏优势施展不开。Polar 恰好相反，短码块正是它的舒适区。
第二，时延与并行性。 数据吞吐优先，LDPC 节点互相独立、可以大规模并行，吞吐上不封顶；控制信令量小但要求极低时延和极高可靠（信令错了，后面整个流程全崩），Polar 的 CRC辅助SCL 在短块上可靠性首屈一指。各守一段，各用其长。
MCS 表的底座。 基站每几毫秒根据信道质量为用户挑一次调制与码率组合（这一机制的原理是链路自适应的话题，此处不展开）。你看到的“码率”二字，背后就是 LDPC 的速率匹配在执行：同一个码，靠打孔和重复覆盖整个码率区间。排查吞吐不达标的 CASE 时，先看当前调度的码率档位，往往比看信号强度更有信息量。
初传 BLER 目标。 现网链路自适应通常不追求一次传对，而是把初次传输的误块率目标设在百分之十左右的量级，剩下的错误交给重传兜底——这不是激进，而是精打细算：把码率压得极低来换取“次次必中”，总的吞吐反而更差。理解了“纠错码+重传”是分工关系，才能看懂这个看似危险的参数为什么人人这么配。
译码时延与迭代次数。 基带芯片的 LDPC 译码器有最大迭代次数上限，深衰落场景下迭代耗尽仍不收敛，就会触发译码失败和重传。在日志里看到“译码失败”频率升高，本质是那一轮的信道质量把该码块的置信传播推进不到全通。
一个常见误解： 纠错码不“消灭”错误，它只是把工作点从“错误频发”搬到“错误罕见”。总有一些码块撞大运译不动，系统设计必须为“译码失败”预留出口（重传、上层恢复）。以为“上了 5G 就不会错一个比特”，是理解这套机制时最常见的入门坑。
Q: LDPC 和 Turbo 码的迭代是一回事吗？ A: 精神相似（都是多轮软信息交换），结构完全不同。Turbo 的迭代发生在两个卷积译码器之间互相喂软信息；LDPC 的迭代发生在稀疏图上的变量节点与校验节点之间。LDPC 的消息路径更“散”，天然适合并行硬件，这也是它在 5G 取代 Turbo 的关键原因。
Q: 冻结比特占着位置不发信息，不浪费吗？ A: 不浪费，反而是整个设计的精髓。被冻结的位置对应极化后的“垃圾信道”，在上面传信息出错率接近随机——传了等于没传，还会把错误传染给译码。宁可空着，也要保证信息比特脚下的信道足够干净。
Q: HARQ 和信道编码是什么关系？ A: 分工协作的两层。LDPC/Polar 是“一次传输内的自愈”：不出网、不回头，靠冗余当场纠正。HARQ 是“跨传输的兜底”：当场没纠动，反馈 Nack，重传再来一次，接收端把前后多次收到的软信息合并积累证据。现网两者总是同时开启，前者管大概率事件，后者收拾残余。
Q: 为什么不干脆用极低码率，把错误一次全纠掉？ A: 码率是吞吐与可靠的天平。码率压得越低，同样时间传送的有效信息越少。链路自适应的工程答案是：选择一个“初传大概率高成功率、偶尔失败靠重传”的工作点，系统吞吐反而最优。一味求稳是另一种浪费。
Q: 极化后的信道真的会“一个天堂一个地狱”吗？ A: 是渐进结论：码长趋于无穷时分化彻底。实际 5G 控制信令的码长只有几十到几百比特，分化是“部分完成”的状态——好信道没有好到零差错，坏信道也没有坏到纯噪声。所以工程上还要靠 CRC辅助SCL 和详细的可靠性排序来补足，这就是为什么理论上的容量达成，落地时仍需要一整套工程化包装。
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。