简介一份面向通信原理课程设计、实验报告撰写和编码仿真初学者的Matlab代码包以15,11汉明码为对象系统对比其在BSC与AWGN两种典型信道下的误码率性能。代码将完整流程拆成两条链路一条是汉明编码进BSC信道后译码、统计BER另一条是汉明编码经BPSK调制进AWGN信道解调译码后再计算BER两部分均可直接运行并输出对比曲线便于观察信道噪声对纠错编码效果的影响。压缩包共12个文件6个.m脚本构成仿真主体另有2张结果图片、2份Word说明文档、1个关键词txt和1个asv备份文件整体219KB轻量易用。当前已有581人学习/下载既适合课堂教学演示也可作为期末作业、课程论文或毕业设计的参考资料。借助附带说明文档与脚本注释可以快速掌握汉明码编译码流程、BPSK调制解调实现以及误码率统计方法节省从头搭建环境的时间即使基础薄弱也能按步骤完成仿真实验。1. 汉明码不是万能的这个仿真题目为什么值得自己动手跑一遍第一次看到“1511汉明码通过BSC和AWGN信道的误码率分析”这个标题很多人第一反应是拿现成的MATLAB自带函数hammgen、decode跑一遍出两张图就完事。但你真把误码率曲线拉出来对比理论值时就会发现这事远没有想象中“两条线贴在一起”那么轻松——尤其是在AWGN信道下模型里要不要做软判决、形式怎么映射、比特能量怎么换算每一步都有一堆模糊地带已经工作的老手也会在“能量换算”上翻车方差σ²写成N0还是N0/2、是否除以码率R都能让曲线陡然偏移几个dB。标题里这组参数挺有讲究汉明码的经典结构是74而1511是最常见的一类汉明码形式码率提升到0.733只能纠1比特错但冗余开销明显降低恰好能反映出“纠错增益”和“带宽代价”这对矛盾。适合做实的是三类人通信工程学生做课程仿真想跑通流程通信系统工程师用来当链路起始demo验证噪声模型以及想彻底搞懂BSC和AWGN模型差别的研究者。这篇笔记把一个可复现的仿真流程从头拆到尾含生成矩阵、伴随式译码、软硬判决差异和几个最容易踩的坑中间穿插可直接抄的参数脚本。读完你会清楚1511在两种信道下的真实表现边界在哪也才能在面试或汇报时说清为什么某个信噪比区间曲线会出现“平台”。2. 信道模型与汉明码参数先把误码率分析的前提钉死2.1 汉明码结构与1511的生成矩阵、校验矩阵汉明码本质上是“基于线性分组码”的纠错方案核心是奇偶校验方程的编码先把11个信息比特扩成15个码字比特其中4个冗余校验比特用于纠正任意单个错误。这背后的参数关系并不是拍脑袋定的最小距离d_min 3的汉明不等式是 2^r ≥ n 1当校验位r 4时最多能覆盖n 15于是n, k15, 11成立。冗余比例较低、纠错能力有限是这套结构的基本底色它只能纠1比特错误若出现2比特错译码器会“自信地”错纠成第三个位置——这恰恰是后面分析误码率曲线时看到“高信噪比下比理论差一点”的原因。工程的常见做法是直接构造生成矩阵G和校验矩阵H。G要写成系统码形式 [I|P]H对应是[Pᵀ|I]这样编码时码字c [信息位 校验位]译码时伴随式s H·rᵀ直接和错误图样对应。对于1511校验矩阵是4行15列每行对应一条校验方程。这里给出一个可抄的H矩阵初始形态H [1 0 0 0 1 1 1 0 1 0 1 1 0 0 1; 0 1 0 0 1 0 1 1 1 1 0 0 1 0 1; 0 0 1 0 1 1 0 1 0 1 1 1 0 1 0; 0 0 0 1 0 1 1 1 1 0 1 1 1 0 1];这个矩阵不是唯一解系统形式的好处在于编码简单、直观校验位放在后4位也可以用非系统形式但在仿真里没必要。伴随式译码时需要先预生成一个“校正子-错误图样”查找表遍历所有15种单比特错模型计算各自的校正子s后面译码时只查表即可。之所以必须建表是因为直接实时求解线性方程会拖慢仿真循环而预生成表只需在仿真前做一次。最终误码率分析时真正在乎的指标是“译码后的误码率BER”不是“误字率WER”两者在汉明码仿真里有约11/15的换算关系PPT上往往不特意区分自己出图的时候要统一。2.2 BSC与AWGN两条完全不同的错误注入逻辑BSC二进制对称信道是离散信道模型输入0/1输出以概率p翻转。它不考虑幅度、不考虑符号能量、不考虑噪声相关性一次传输要么对要么错。这意味着在BSC仿真里信道根本没有“软信息”的概念每个比特被翻转的概率完全一样误码率的理论值由组合数直接决定——单比特错误能被纠正但2比特以上纠不住。AWGN加性高斯白噪声则站在模拟域发送端通常是BPSK调制把0/1映射为-1/1接收端叠加高斯噪声y x nn服从N(0, σ²)。这个模型里接收机拿到的是连续值y本身带着可靠性信息——y越接近门限0该比特的可信度越低。工程里处理这段的关键分岔来了你可以直接对y做硬判决y 0判为1否则判为0再走汉明译码也可以保留软信息做软判决译码比如最小欧氏距离/最大似然。这两条路的误码率在低信噪比下可能差1-2个dB而很多人误以为汉明码就是硬判决。BSC更像是“对外层编码器的抽象”AWGN则是真实物理信道的模型。标题同时列两种信道本质是要做对比BSC的结果是纯粹“离散纠错能力”的体现AWGN的结果则包含了调制方式、判决方式、能量归一化这些物理因素。若只做BSC不做AWGN你永远不知道“有线信道下加了汉明码到底增益多少”若只做AWGN不做BSC你又很难分离“纠错增益”和“调制增益”。所以正规的误码率分析必须两条曲线都画BSC看误码率绝对值随p下降的斜率AWGN看Eb/N0随dB增加是否贴近理论界。2.3 仿真的总体信号流编码 → 调制 → 加噪声 → 判决 → 译码在设计仿真代码之前把总流程图在脑内落一遍是最省事的做法首先生成随机二进制信息比特长度最好是k的整数倍便于分块编码然后reshape成11×M的矩阵每一列是一个码块编码后得到15×M矩阵随后进入信道。BSC信道下直接抛硬币翻转AWGN信道下映射成±1信号。接收端先完成硬判决或软信息提取再按列做伴随式译码纠错后取前11位最后和原始信息比特做逐位对比统计误码数并除以总比特数得到误码率。仿真每个码块是当成独立事件来处理的帧间没有关联性所以不存在交织但实际系统如果还要对抗成串突发错误汉明码通常会配合交织器使用这是仿真框架里不体现、链路设计里却很重要的后续扩展。参数设计上还必须考虑“足够多的错误事件”BSC模型在p1e-3、每个码块出错的概率约1.5%时每次实验大概要跑上百万比特才会有可读的误码率数字AWGN模型高信噪比下更是动辄几百上千万比特单次蒙混过关的随机结果几乎无法画成平滑曲线。因此仿真里要持续统计当前已发生的误码总数少于100个误码不能停下来这是误码率仿真的通用兜底逻辑。3. 在BSC信道下复现1511汉明码概率模型与伴随式译码实操3.1 BSC仿真的核心代码从比特翻转到译码查表用MATLAB或Python都可以这里给一套独立的Python流程能在任何环境复现。第一步先建校正子查询表遍历i0到14把第i个比特置为1构造错误图样计算s H·eᵀ存到字典里。第二步生成信息比特编码然后按给定p逐位翻转。第三步算伴随式、查表、纠正错误、提取信息位统计误码率。可运行的骨架如下import numpy as np # 生成矩阵G与校验矩阵H系统码形式 H np.array([[1,0,0,0,1,1,1,0,1,0,1,1,0,0,1], [0,1,0,0,1,0,1,1,1,1,0,0,1,0,1], [0,0,1,0,1,1,0,1,0,1,1,1,0,1,0], [0,0,0,1,0,1,1,1,1,0,1,1,1,0,1]], dtypeint) # 由P构造G [I | P]这里示意实际要按列展开 anp.array([[1,1,1,0,1,0,1,1,0,0,1], [1,0,1,1,1,1,0,0,1,0,1], [1,1,0,1,0,1,1,1,0,1,0], [0,1,1,1,1,0,1,1,1,0,1]], dtypeint) G_sys np.hstack((np.eye(11, dtypeint), a.T)) # 预生成(校正子 - 错误位置)查找表15种单比特错误 syndrome_table {} for pos in range(15): e np.zeros(15, dtypeint) e[pos] 1 s (H e) % 2 syndrome_table[tuple(s)] pos def encode_bsc(block_bits): # block_bits: 长度为11的0/1数组 code (G_sys block_bits) % 2 # 得到15比特码字 return code def decode_bsc(rx_word): rx_word np.asarray(rx_word, dtypeint) s (H rx_word) % 2 s_tuple tuple(s) if s_tuple in syndrome_table: pos syndrome_table[s_tuple] rx_word[pos] ^ 1 # 翻回正确比特 return rx_word[:11] # 取前11位信息位 # 单次仿真函数p是BSC的比特翻转概率 def simulate_bsc(p, n_blocks100000): total_err 0 total_bits 0 for _ in range(n_blocks): info np.random.randint(0, 2, 11) codeword encode_bsc(info) # 每个码字比特以概率p翻转 flip np.random.rand(15) p rx codeword ^ flip dec decode_bsc(rx) err np.sum(dec ! info) total_err err total_bits 11 return total_err / total_bits参数说明n_blocks建议从10万到50万p取0.01到0.1时曲线就能立起来p低于0.001时每个码块出错概率约1.5%需要把n_blocks放大到200万以上才不至于误码率曲线抖动。这里用映射查表代替解方程是必要的因为每次译码做一次矩阵乘法查表总耗时很低如果每个比特都现场计算线性方程组仿真速度会掉一个数量级。另外这个实现是逐块编码实际项目里信息比特是一股脑生成的需要先reshape成(n_blocks, 11)矩阵再把循环改成矩阵批量运算两种写法正确率都不变但性能差很多。要小心这里的随机种子没有固定实验可比性不好仿真时第一件事是np.random.seed(42)固定种子否则两条曲线间看不出细微差异是噪声还是算法差异。3.2 BSC误码率曲线怎么读为什么低p时下降斜率反常BSC译码后的误码率严格来说可以分为两部分接收端没出错或只错1比特能纠正以及出现2比特及以上错误。后者进一步会导致错纠甚至直接加重错误。按组合数估算没编码时误码率是p加了汉明码后误码率可以粗略写为P_b ≈ C(15,2)·p²·(1-p)¹³ 2·C(15,3)·p³…也就是说曲线斜率从p的一次方变成p的二次方级别。这正是汉明码带来的本质收益在高翻转概率下可能不如不编码但p较低时“二次方”的下降弧线和不做编码的“一次方”直线拉开明显差距。实测画图时纵坐标用对数坐标横坐标p也常用对数坐标。你会看到p0.1时译码后误码率甚至略高于原始误码率——因为2比特错误太多每纠一次错还有约1/15的概率纠成另一种错误到p0.01以下才有明显增益。这是汉明码“低冗余纠错”的固有特性不是代码写错了。做BSC仿真最容易犯的错是拿“误字率”当“误码率”画图BSC的每个码字里如果有2个错误译码后可能错2个信息位也可能错2个信息位1个被错纠的位置如果不逐位对信息比特统计而是按“块是否译对”統計会导致曲线在低p区间的斜率夸大。这篇分析里所有误码率一律以“错误信息比特数/总信息比特数”为口径。3.3 BSC下伴随式译码的边界当错误数超过1时的“错纠”现象理论框架内汉明码只能纠1位错但仿真里一定会碰见2位以上的错误样本此时系统并不会老实报告“无法纠正”而是按伴随式去匹配一个不存在的单比特错误图样选出一个“最像”的位置翻转。这意味着接收端的实际误码数可能比原始误码数更多。例如码字里第3位和第7位都翻了伴随式s正好等于“第9位单独错”的校正子译码器就会把第9位翻过去最终错误比特变成3位。这个现象在BSC误码率曲线上表现为“高p区域性能比原始还差”的最直接原因。做分析时要理解这不是译码bug而是汉明码的数学边界。如果想让系统更安全一些可以在译码后重新计算s若s不为0就说明“纠错了但没纠干净”此时可以标记为检测失败并丢弃该块——实际系统中这叫“纠错失败检测detected but uncorrected”在ARQ协议里比静默错纠要友好得多。BSC仿真可以顺手统计这类“错纠次数”它会告诉你系统到底有多少次“哑巴吃黄连”对后面调编码方案有直接参考价值。4. 切到AWGN信道比特能量换算、软判决与硬判决交叉验证4.1 AWGN链路参数换算Es/N0、Eb/N0、码率R、噪声方差σ²是怎么缠在一起的AWGN仿真里最容易出问题的不是信道本身而是能量换算这是误码率分析所有“玄学”里最典型的一处。假设BPSK调制发送码字比特0映射为幅度-11映射为幅度1系统模型为y x n。此处的关键是“总符号能量Es”与“比特能量Eb”的差别汉明码编码后15个码字比特带11个信息比特码率R k/n 11/15于是Es (1/R)·Eb即每个码字符号的能量高于信息比特能量因为多了4个冗余比特。在仿真里噪声方差要按符号能量设置常见写法是σ² N0/2Es/N0是符号信噪比。若用户习惯给的是Eb/N0这是香农理论的标准横轴需要先把Eb/N0换算为Es/N0再进行加噪声公式是Es/N0(dB) Eb/N0(dB) 10*log10(R) Eb/N0(dB) 10*log10(11/15)换算好之后令信号功率为1即±1的幅度平均功率,噪声方差σ² 1 / (2 * Es/N0)。若直接把Eb/N0当作Es/N0使用等效于在计算中多送了约1.34倍的信号能量曲线会往左偏1.3dB左右这个偏差在手调方案的置信区间里很容易被忽略却足够让外包团队交付的仿真图被误判。代码里建议先用dB值计算线性比值再换算避免“dB与线性傻傻分不清”的问题。4.2 硬判决AWGN仿真从连续值到BSC模型的衔接硬判决AWGN仿真是最直观的做法接收机拿到y后做sign(y)得到0/1之后完全复用BSC下的伴随式译码查表程序。这意味着只要你知道AWGN某Eb/N0下的等效翻转概率pBSC模型的结果就能平移到AWGN上去表达式为p Q(sqrt(2 * Eb/N0))Q是高斯尾函数。这条公式背后的物理含义是BPSK硬判决后误比特率等于噪声超过信号幅度的概率只要信噪比定了p就定了。因此很多教材把AWGN硬判决链路的分析收敛到“先算p再套BSC组合数”这个思路在实践里同样适用。仿真代码和BSC共享函数只把信道替换为def simulate_awgn_hard(eb_n0_db, n_blocks100000): R 11/15 es_n0_lin 10 ** ((eb_n0_db 10*np.log10(R)) / 10) sigma np.sqrt(1 / (2 * es_n0_lin)) # BPSK, 信号功率1 total_err 0 total_bits 0 for _ in range(n_blocks): info np.random.randint(0, 2, 11) codeword encode_bsc(info) x 2 * codeword - 1 # 0--1, 1-1 n np.random.normal(0, sigma, 15) y x n rx_hard (y 0).astype(int) dec decode_bsc(rx_hard) total_err np.sum(dec ! info) total_bits 11 return total_err / total_bits这里有一个常见扣分点错误地把sigma写成np.sqrt(N0/2)而忘了信号功率1实际上sigma就是噪声标准差信号功率和方差在公式里必须同时保持一致。许多教材里把“信息比特能量”直接当作信号能量导致方差公式里多乘一个R仿真出来的曲线偏移1dB。另一个坑是硬判决之后再用汉明码查表相当于“先做了非线性量化再做离散纠错”这在信息论上不是最优的因为量化过程丢掉了多数可信度信息。4.3 软判决译码为什么同样Eb/N0下性能更好代码怎么写如果只做硬判决你会发现1511汉明码在AWGN信道里的表现并没有比理论pQ(sqrt(2*Eb/N0))好太多只是高信噪比有约1.5dB的编码增益。软判决技巧则能把增益再多挤出1~2dB。原理很简单接收端y的符号是硬判决结果但y的绝对值|y|正比于“这个比特是否接近门限”噪声小时这个比特可信度高、噪声大时可信度低。汉明码的伴随式译码本质上是“在码字集合里找一个码字使得它和接收序列的汉明距离最小”硬判决已经把所有模拟量压成0/1软判决则改为在所有码字中挑选“欧氏距离最小”者或等价地找校正子后翻幅度绝对值最小的位置。实现上做“软判决伴随式”并不复杂先对y做硬判决得到0/1序列再算伴随式若伴随式非零说明有错但现在不直接查表翻转而是列出所有能和当前伴随式匹配的候选错误位置可以从错误图样表里找然后选|y|最小的那个位置翻转。这一步本质上是“最大似然ML译码的化简版”。需要注意的是y已经是±1加噪后的连续值直接取绝对值作为软信息即可。对应的核心改动如下def decode_awgn_soft(y_rx): rx_hard (y_rx 0).astype(int) s (H rx_hard) % 2 if np.all(s 0): return rx_hard[:11] # 找到所有伴随式等于s的单比特错误位置 candidates [] for pos in range(15): e np.zeros(15, dtypeint) e[pos] 1 if tuple((H e) % 2) tuple(s): candidates.append(pos) # 选择|y|最小的位置翻转最不可信的比特 flip_pos min(candidates, keylambda pos: abs(y_rx[pos])) rx_hard[flip_pos] ^ 1 return rx_hard[:11]参数说明这个实现里candidates里一定至少有一个位置因为伴随式表是完备的单比特错误映射若某些伴随式对应多个错误位置说明码的覆盖有冗余。选最小|y|的本质就是最大似然思路在噪声方差一致时等价于最小欧氏距离。实践里要注意保留原始y的浮点数组不要在硬判决后把y覆盖掉。软判决的代价是复杂度略微增加但每个码块只是算一次伴随式一次最小值遍历和硬判决相比几乎没有时间差因此实际链路仿真里应默认用软判决除非目标本身就是验证BSC模型。4.4 理论下界与实测曲线对比lnkd用什么公式画参考线AWGN信道下硬判决BPSK汉明码的误码率上限有两条现成的参考线可以画一条是没有编码的BPSK误码率P_b Q(sqrt(2*Eb/N0))另一条是用汉明码“纠1位错”后把BSC等效p代入前面写过的组合公式。若用软判决理论界需要转为联合界union bound把所有码字对的佩斯里特上界加总这对汉明码来说可以算出近似准确的上界公式P_b ≤ (15·Q(sqrt(2·d_min·Es/N0)) 其他码距加权项...) # 这里Es/N0要代换算后的值日常验证时更实用的做法是不去抠联合界的解析式把“软判译码后误码率”和“硬判决BSC模型预测”并列画在同一张图上如果软判决曲线比硬判决曲线在10⁻⁴级别好上1dB左右基本可以说明实现没写错。一个额外小技巧把仿真的Eb/N0范围设在0到8dB之间步进0.5dB在这个区间里汉明码的增益从负转正曲线最有辨识度也最能看出模型换算是否到位。5. 仿真避坑指南从能量换算到统计门限的五个典型翻车现场5.1 符号能量与比特能量混淆曲线整体偏移1.3dB现象仿真出来的AWGN曲线和理论曲线不重合低信噪比区看起来还好高信噪比时总是差1.2~1.5dB有时候偏左有时候偏右。原因把Eb/N0直接当作Es/N0使用了没有乘以码率R11/15。BPSK符号承载的其实是码字比特总能量里包含冗余部分如果按信息比特能量去设定噪声幅度体系就不自洽。解决加噪声前先统一换算es_n0_db eb_n0_db 10np.log10(11/15)再按sigma np.sqrt(1/(2es_n0_lin))生成噪声。这条检查要在代码最前面完成后面所有曲线才不会出系统性偏差。判断方法很简单把Eb/N00dB时的仿真点单独打印出来和理论Q(sqrt(2*Eb/N0))对比若相差超过0.2dB就是换算有问题。5.2 硬判决AWGN直接套BSC理论时忘记用Q函数折算等效p现象在AWGN仿真里把Eb/N0换算成比特翻转概率p时直接取p1/erfc或p0.5画出来的误码率曲线在低信噪比下甚至高于0.5完全没法看。原因混淆了“噪声方差”和“比特翻转概率”的概念。AWGN的噪声是连续的只有经过判决后才会变成离散翻转概率Eb/N0和p之间必须用Q函数连接且Q函数里的参数要乘以2即sqrt(2*Eb/N0)而不是sqrt(Eb/N0)。解决用程序中计算p_hat 0.5 * np.erfc(np.sqrt(eb_n0_lin))然后拿这个p去套BSC的误码率理论公式。检查时主要看p在Eb/N00dB时是否约为0.080.5*erfc(1.0)不在这个量级就是公式抄错。5.3 误码总数太少导致曲线尾部剧烈抖动现象Eb/N07dB时跑了20万个码块误码率大约只有1e-5量级整条曲线在高信噪比区呈锯齿状甚至相邻两个SNR点的误码率倒挂。原因高信噪比下每个码块出错的概率极低总误码数可能只有个位数统计置信区间极宽偶然起伏完全压过真实趋势。解决仿真循环加一个停止条件——累计误码数达到至少100个再输出误码率或者先估算需要多少码块按“目标误码率倒数”的100倍来预估。固定随机种子的前提下还可以把多个独立种子的结果平均这能把尾部曲线磨平很多。这是误码率仿真最容易被“赶进度”牺牲掉的一环实际上反而是最不能省的统计量。5.4 用随机种子调参调出的“完美曲线”其实不可复现现象同一个参数集跑两次结果有差异为了论文/汇报把随机种子反复调到好看最后交付时别人一跑就对不上。原因所有用“随机数”的仿真如果不固定种子或采用均值统计天然存在方差。这不算bug但确实是工程上令人头疼的事尤其当你想比较“加了码”和“没加码”两条曲线时噪声差异可能把真实增益淹没。解决写代码时把所有随机生成器显式设置种子并把种子放在配置参数区对比实验用相同种子序列。若条件允许用“蒙特卡洛重复M次取平均”而不是一次性加大码块数这样还能顺便给出置信区间汇报时更有说服力。5.5 把“编码后误码率”错当成“信息误码率”上报现象译码器输出的错误比特数看起来是15bit粒度统计的和手算的理论曲线对比时总对不上尤其在高信噪比区域。原因误码率定义口径不同。有人统计“译码后15位码字里错误比特比例”有人统计“恢复的11位信息比特比例”两者理论值相差约11/15倍因为码字里冗余错不影响信息。若不统一所有比较都没有意义。解决在统计函数里明确返回total_err / total_bits其中total_bits n_blocks * 11而不是n_blocks * 15。把“码字错误率CER”和“信息误码率BER”分开打印汇报时说明是按信息比特统计的。这一条看似简单却是最容易在多人协作仿真框架里被悄悄改掉的。6. 验证与进阶用联合界、置信区间和缩短码把分析做扎实6.1 先画“无编码BPSK”曲线做基准线拿到任何汉明码仿真图第一件事不是看汉明码的曲线而是把无编码BPSK理论线画在同一张图上P_b Q(sqrt(2Eb/N0))。这有双重意义一是在Eb/N00~8dB区间它能直观看出汉明码的编码增益到底在哪一段转为正值二是它同时校验了噪声模型与能量换算的正确性——如果无编码曲线都画不准后面所有结论都无效。常见做法是用解析公式P_b 0.5erfc(sqrt(eb_n0_lin))不仿真直接画省事且严谨。6.2 用联合界验证软判决译码是否实现正确软判决译码没有BSC那样现成的精确理论公式但可以用“成对错误概率的联合界”来做参考上限。汉明码有15个码字比特码距分布和重量分布可以预先算好各码重数量可查表误码率上界不超过所有码字对中“接收序列被判到错误码字”概率的加权和。写成程序只需几行遍历重量w的码字数A_wP_b粗略上界Σ (w/15)·A_w·Q(sqrt(2wEs/N0))。这个上界在高信噪比区Eb/N06dB会紧贴实际软判决曲线差距超过0.5dB说明译码器实现有偏差。“联合界在低信噪比时过于松散”因为多个码字项叠加后可能超过1但没关系仿真曲线低于上界才算符合预期如果仿真曲线比联合界还高几乎可以断定软判决里“取最小|y|”的逻辑写错了或H矩阵没对齐。6.3 误码率仿真还要配“置信区间”不然汇报少一张图最后一个进阶技巧是把置信区间画出来让听汇报的人一眼看到曲线之间的差别是否在统计误差内。工程上最常用的做法不是直接算方差而是把仿真拆成B批比如20批每批独立跑相同码块数得到B个误码率样本再按批间标准差画误差棒。这样做的优点是第5章说的“随机抖动”直接就可视化了比单条曲线说服力强很多。无编码的对照同样适用。展示时如果两个方案之间隔着一个误差棒的距离那就是真差异如果误差棒互相重叠说明在这个信噪比段两者没有统计意义上的优劣。6.4 想继续往下走缩短码、扩展汉明码和迭代译码的关联1511汉明码只是个起点仿真框架建好后可以顺手扩展想适配更短的载荷可以把码字截短成“缩短汉明码”比如128只传输后12个码字比特位置的前面部分其余位置填充0这样码率改变但H矩阵的线性关系保持。需要更强纠错时可以在汉明码基础上级联一个奇偶校验位变成扩展汉明码1611d_min升到4能纠1错并检2错这在ARQ场景里非常实用。软输出方向还可以继续升级到BCJR或置信传播迭代译码但汉明码的短码长性质决定了迭代收益有限。 我做这套误码率分析时养成的一个习惯是把“理论曲线”“仿真点”“置信区间误差棒”三者放在同一张图之后再往外发任何一次曲线对不上理论都会立刻暴露而不是等到审查才出事。遇到一时对不上的偏差先查噪声方差换算再查统计口径最后查随机种子这套排查顺序能救回至少半小时的无用功。希望某天你被问到“仿真曲线为什么偏了1.3dB”时第一反应想起这篇笔记里的Es/N0换算——那就值了。本文还有配套的精品资源点击获取