Роль коррекции ошибок при приближении к пределам пропускной способности канала

Понимание возможностей канала

Теорема Шеннона о пропускной способности канала гласит, что для данного канала связи с пропускной способностью \(B\) и отношением сигнал/шум (SNR) существует максимальная скорость \(C\), при которой информация может передаваться с произвольно низкой вероятностью ошибки. Эта скорость, измеряемая битами в секунду, задается известной формулой:

\(C = B \log 2(1 + S/N)\)

где \(S/N\) — отношение мощности сигнал/шум. Теорема устанавливает, что безошибочная связь возможна ниже этого предела, но не выше него. Однако доказательство Шеннона было неконструктивным; в нем не было указано , как достичь мощности. Задача инженеров связи заключалась в разработке практических схем кодирования и модуляции, которые работают близко к этой границе.

Емкость канала не является фиксированным числом; она зависит от условий канала. Например, в беспроводной связи затухание, помехи и многолучевое распространение вызывают SNR изменяться с течением времени. Методы адаптивной модуляции и кодирования (AMC) корректируют скорость передачи данных на основе качества канала, но базовая стратегия кодирования должна быть достаточно надежной, чтобы справиться с наихудшими условиями. Именно здесь FEC играет ключевую роль.

Что такое коррекция ошибок вперед?

Форвардная коррекция ошибок (FEC) — это метод управления ошибками, при котором отправитель добавляет избыточные биты (паритетные биты) к исходным данным перед передачей. Эти избыточные биты структурированы таким образом, что приемник может обнаруживать и исправлять определенное количество ошибок без запроса ретрансляции. Это особенно ценно в приложениях реального времени (например, голосовой, видеопотоковой, спутниковой связи), где задержки ретрансляции неприемлемы, и в каналах с длительными задержками распространения (например, связь в глубоком космосе).

FEC отличается от протоколов Automatic Repeat-reQuest (ARQ), которые полагаются на приемник для обнаружения ошибок и запроса ретрансляции. В то время как ARQ проще, он тратит полосу пропускания на ретрансляции и вводит задержку. FEC обменивается эффективностью полосы пропускания (из-за накладных расходов избыточных битов) для более низкой задержки и постоянной пропускной способности. Ключевой метрик для кода FEC - его скорость кода \(R = k/n\), где \(k\) - количество битов информации и \(n\) - общее количество битов в кодовом слове. Более низкие скорости предлагают более сильную коррекцию ошибок, но за счет снижения пропускной способности данных.

Как работает FEC: шаг за шагом

кодирование

Кодер принимает блок или поток битов входных данных и преобразует их в более длинную последовательность битов (кодовое слово) по определенному математическому правилу. Это правило гарантирует, что действительные кодовые слова разделены минимальным расстоянием Хэмминга, которое определяет способность исправления ошибок. Например, код с минимальным расстоянием \(d {min}\) может исправлять до \(\lfloor (d {min}-1)/2 \rfloor\) ошибок.

Трансмиссия и шум

Закодированный битовый поток передается по каналу, где шум, помехи или затухание могут повредить некоторые биты.На практике коррупция часто моделируется как аддитивный белый гауссовский шум (AWGN), но также возникают другие нарушения, такие как ошибки лопастей или фазовый шум.

декодирование

Приемник использует структуру кода для обработки шумной принятой последовательности.Существуют два основных подхода к декодированию:

• Трудное решение декодирования: Приемник сначала принимает двоичное решение (0 или 1) для каждого принятого бита, затем использует алгебраические методы (например, алгоритм Берлекампа-Масси для кодов Рида-Соломона) для поиска наиболее близкого действительного кодового слова.
• Расшифровка мягких решений: Приемник сохраняет аналоговую или многоуровневую информацию о надежности (мягкие биты) о каждом принятом символе. Эта информация подается в декодер, который выполняет вероятностную обработку, такую как алгоритм Витерби для сверточных кодов или распространение убеждений для кодов LDPC.Расшифровка мягких решений обычно дает лучшую производительность (примерно 2 дБ) по сравнению с жестким решением с той же скоростью кода.

Декодер выводит либо исправленный блок данных, либо, если шаблон ошибок превышает способность кода к исправлению, обнаружение неисправимых ошибок (которые могут вызвать запрос на повторную передачу на более высоком уровне протокола).

Типы кодов коррекции ошибок

За десятилетия исследований было разработано множество семейств кодов FEC, каждый из которых имеет различные характеристики, подходящие для различных применений.

Блокировать коды

Блок-коды работают на блоках ввода данных фиксированного размера. Они включают:

• Коды Рида-Соломона (RS): Эти небинарные коды BCH работают на символах (часто 8-битных байтах). Они отлично исправляют ошибки лопастей, потому что ошибки в символе влияют на несколько битов. Коды RS используются в CD, DVD, QR-кодах и коммуникациях в глубоком космосе.
• BCH-коды: Большой класс циклических кодов, исправляющих ошибки с гибкими параметрами. Они используются в системах спутниковой связи и хранения.
• Коды гамминга: Простые коды с однократной коррекцией ошибок, двойным обнаружением ошибок, исторически используемые в ранней памяти компьютера (ECC RAM).

Сводные коды

В отличие от блочных кодов, сверточные коды обрабатывают непрерывный поток входных битов через регистры сдвига. Выход зависит не только от текущего входа, но и от предыдущих входов (памяти). Они обычно декодируются с помощью алгоритма Витерби, который выполняет обнаружение последовательности с максимальной вероятностью. Сверточные коды широко используются в беспроводных стандартах (например, GSM, 3G и как внутренние коды во многих системах). Их главный недостаток заключается в том, что сложность декодирования растет экспоненциально с длиной ограничения.

Турбокоды

Введенные в 1993 году, турбокоды произвели революцию в этой области, достигнув производительности в пределах 0,5 дБ от предела Шеннона. Они состоят из двух или более сверточных кодеров, разделенных между собой интерливером и итеративным процессом декодирования (мягкий вход и мягкий выход), который обменивается внешней информацией между декодерами. Турбокоды используются в сотовой связи 3G/4G (UMTS, LTE) и спутниковой связи. Их итеративный характер вводит задержку, что делает их менее подходящими для приложений с очень низкой задержкой.

Коды проверки паритета низкой плотности (LDPC)

Коды LDPC были изобретены Робертом Галлагером в 1963 году, но практически не были реализованы до 1990-х годов из-за вычислительных ограничений. Они представляют собой линейные блочные коды, определяемые скудной матрицей проверки четности. Они декодируются с использованием итеративного распространения убеждений на двухстороннем графе (граф Таннера), который эффективно масштабируется. Коды LDPC обеспечивают производительность почти емкости (в пределах 0,0045 дБ для некоторых конструкций) и используются в DVB-S2, 10GBase-T Ethernet, Wi-Fi 6 и 5G NR. Они имеют низкую сложность декодирования и высокую пропускную способность, что делает их идеальными для высокоскоростных систем.

Полярные коды

Полярные коды, введенные Эрдалом Арыканом в 2009 году, являются первыми кодами, доказавшими симметричную емкость дискретных каналов с бинарным входом с низкой сложностью кодирования и декодирования (O(N log N)). Они основаны на поляризации каналов и используют последовательное декодирование отмены. Полярные коды были приняты для каналов управления в 5G NR. Они предлагают отличную производительность на коротких длинах блоков, дополняя коды LDPC для передачи сигналов управления физическим слоем.

FEC и пропускная способность канала

Фундаментальный вопрос: насколько близко FEC может приблизить нас к пределу Шеннона? С современными кодами — особенно турбо, LDPC и полярными кодами — разрыв был уменьшен до долей децибела. Например, коды DVB-S2 LDPC работают в пределах 0,7-1,0 дБ емкости, а некоторые лабораторные реализации кодов LDPC достигают в пределах 0,04 дБ предела. Это сужение разрыва приводит к значительному увеличению спектральной эффективности, покрытия и экономии энергии.

Для приближения к емкости коды FEC должны быть длинными и иметь почти случайные свойства. Простые блочные коды, такие как Hamming, далеки от емкости, в то время как длинные коды LDPC с нерегулярными распределениями степеней могут приближаться к связанной. Однако длина кода также подразумевает задержку декодирования и память. Эволюция FEC была обусловлена поиском кодов с лучшим компромиссом между производительностью, сложностью и задержкой.

На практике достижение емкости также требует тщательной модуляции и адаптации канала. Например, бит-перемеживаемая кодированная модуляция (BICM) сочетает FEC с модуляцией высокого порядка (QAM, PSK) и оптимизирована с использованием итеративного демппинга и декодирования (BICM-ID). Это позволяет системе работать при спектральной эффективности, превышающей 10 бит/с/Гц, при этом оставаясь в пределах 1-2 дБ емкости.

Практические применения и компромиссы

FEC повсеместно используется в современных системах связи. Вот ключевые области, где FEC незаменима:

• Оптическое оптоволоконное сообщение: Длинные подводные кабели используют мощные коды LDPC и лестницы для исправления нарушений, вызванных шумом усилителя, нелинейностью и дисперсией. Без FEC связь со скоростью 100 Гбит/с и 400 Гбит/с была бы невозможна.
• Беспроводная связь: 4G LTE использует турбокоды для каналов данных; 5G NR использует LDPC для данных и полярные коды для управления. Wi-Fi 6 (802.11ax) использует LDPC.
• Спутниковая и космическая связь:] CCSDS (Консульственный комитет по космическим системам данных) рекомендует турбо-, LDPC- и Рид-Соломон-коды для дальних космических миссий.Марсоходы полагаются на сцепленные коды (Рид-Соломон + сверточные) для передачи изображений высокой четкости на миллионы километров.
• Системы хранения: Жесткие диски, SSD и флэш-память используют сильные FEC (например, LDPC с декодированием жестких решений) для исправления ошибок из-за шума при износе и чтении.

Хотя FEC предоставляет огромные преимущества, она предлагает компромиссы:

• Накладные расходы: Избыточные биты снижают эффективную скорость передачи данных. Код со скоростью 1/2 удваивает требование к необработанной пропускной способности для той же пропускной способности полезной нагрузки.
• Сложность: Кодирование, как правило, простое, но декодирование — особенно итеративное мягкое решение — может быть вычислительно дорогостоящим, требующим выделенного оборудования (ASIC или GPU).
• Задержка: Блок-коды и итеративное декодирование вводят задержки буферизации и обработки. Для приложений с низкой задержкой, таких как автономное вождение (URLLC в 5G), предпочтительны короткие длины блоков и простые коды.
• Пол ошибки: Некоторые коды, особенно LDPC, могут показывать пол ошибки с очень низкой частотой ошибок из-за наборов захватов. Тщательный дизайн кода (например, с использованием LDPC на основе протографа) смягчает это.

Проблемы в дизайне FEC

Несмотря на значительный прогресс, остается несколько проблем, связанных с приближением производительности к пределу Шеннона:

• Производительность в конечной длине: Коды, достигающие пропускной способности, асимптотичны; для практических конечных длин блоков существует разрыв, известный как режим конечной длинны блока . Исследователи используют нормальное приближение для характеристики достижимых скоростей для заданной длины блока и вероятности ошибки. Проектирование кодов, которые приближаются к конечной длине емкости, является активной областью.
• Коррекция ошибок Burst: Реальные каналы часто имеют взрывные ошибки (например, затухание, импульсный шум). Традиционные коды FEC, предназначенные для случайных ошибок, могут работать плохо. Перемещая спреды, разрывы, но это увеличивает задержку. Новые коды, такие как LDPC сверточные коды и , спациально связанные коды , предлагают встроенную коррекцию всплеска.
• Эффективность аппаратного обеспечения: По мере того, как скорость передачи данных возрастает до сотен гигабит в секунду (например, 800G Ethernet), пропускная способность декодера и энергопотребление становятся критическими. Необходимы параллельные архитектуры (например, многоуровневое декодирование для LDPC) наряду с оптимизацией для ASIC/FPGA.
• Интеграция с более высокими уровнями: Межслойный дизайн — где FEC взаимодействует с распределением ресурсов, ARQ и планированием — требует тщательной настройки, чтобы избежать избыточности и реализовать сквозной прирост производительности.

Будущие направления в исследованиях FEC

Продолжает развиваться область исправления ошибок. К числу ключевых тенденций относятся:

• Квантовая коррекция ошибок: Для того, чтобы сделать возможными отказоустойчивые квантовые вычисления, разрабатываются квантовые FEC-коды (например, поверхностные коды, цветовые коды).
• Машинное обучение для декодирования: Нейронные сетевые декодеры, такие как глубокое развертывание распространения убеждений, демонстрируют перспективы повышения производительности вблизи емкости, особенно для коротких кодов.
• Спинальные коды и коды без скорости:] Эти гибкие коды адаптируются к условиям канала без фиксированных скоростей кода, предлагая почти оптимальную производительность для каналов с неизвестным или изменяющимся во времени SNR.
• Небинарные коды LDPC: Работая над полями Галуа более высокого порядка, небинарные коды LDPC могут обеспечить более высокую производительность водопада и лучшую обработку модуляций более высокого порядка, хотя сложность декодирования увеличивается.
• Совместное кодирование исходных каналов: Вместо разделения сжатия и коррекции ошибок совместные схемы теоретически могут более близко подойти к пределу Шеннона, используя остаточное избыточность.

По мере начала исследований 6G FEC потребуется поддерживать чрезвычайно высокие скорости передачи данных (Tbps), сверхнадежную связь с низкой задержкой и массивную связь машинного типа. Могут появиться новые семейства кодов, возможно, основанные на алгебраической геометрии или декодировании списков.

Заключение

Форвардная коррекция ошибок является краеугольным камнем современной цифровой связи, обеспечивая надежную передачу данных со скоростью, которая приближается к фундаментальным ограничениям, установленным Шенноном. От простых кодов Хэмминга в ранней памяти до сложных LDPC и полярных кодов в 5G, FEC эволюционировала, чтобы преодолеть разрыв между теоретической емкостью и практическими системами. В то время как проблемы сложности, задержки и конечной производительности сохраняются, продолжающиеся исследования продолжают раздвигать границы. По мере роста требований к связи - с приложениями в космосе, оптических сетях, беспроводных и квантовых системах - FEC останется необходимым для максимизации спектральной эффективности и надежности связи. Понимание взаимодействия между дизайном кода, условиями канала и системными ограничениями является ключом к выбору правильного FEC для любого заданного сценария. Овладев этими методами, инженеры могут построить коммуникационные связи, которые работают ближе, чем когда-либо к пределам теории информации.