线性分组码基础：从定义到译码

各位同学好，今天我们来聊聊线性分组码。说实话，这玩意儿是我在通信系统里打交道最多的编码之一。为什么？因为它结构清晰，实现起来不复杂，而且性能可靠。我在做卫星通信项目时，就经常用它来对抗信道噪声。

咱们先看一个简单问题：你发一串二进制数据，信道里可能出错。怎么让接收端知道有没有错？甚至能自动纠正？线性分组码就是干这个的。

1. 线性分组码的定义

线性分组码，说白了就是一组固定长度的码字，它们满足两个条件：

• 分组性：每 k 个信息比特，映射成 n 个码字比特（n > k）。
• 线性性：任意两个码字相加（模2加），结果还是码字。

嗯，这里要注意：模2加法就是异或运算。0+0=0，0+1=1，1+0=1，1+1=0。这个性质非常关键，后面所有计算都基于它。

我习惯用 (n, k) 来表示一个线性分组码。比如 (7,4) 码，就是每4个信息比特，编码成7个比特的码字。多了3个冗余比特，用来纠错。

你想想看，码率越高，效率越高，但纠错能力通常越弱。这是个trade-off，我在实际项目中经常需要根据信道质量来权衡。

2. 生成矩阵与校验矩阵

线性分组码的核心，就是两个矩阵：生成矩阵 G 和校验矩阵 H。

生成矩阵 G：维度 k × n。它的作用是把信息向量 m（1×k）映射成码字 c（1×n）：

c = m · G

注意这里是模2乘法。举个例子，(7,4) 码的生成矩阵可以是：

G = [1 0 0 0 1 1 0
     0 1 0 0 1 0 1
     0 0 1 0 0 1 1
     0 0 0 1 1 1 1]

如果信息 m = [1 0 1 0]，那么码字 c = m·G = [1 0 1 0 1 0 1]。

校验矩阵 H：维度 r × n。它满足一个关键性质：

G · H^T = 0

也就是说，任何合法码字 c 乘以 H^T 都等于零向量：

c · H^T = 0

这个性质有什么用？接收端可以用它来检测错误。如果接收到的向量 r 乘以 H^T 不为零，说明有错误。

3. 系统码与非系统码

这里有个重要的分类：系统码和非系统码。

系统码：码字的前 k 位就是原始信息比特，后面 r 位是校验位。比如上面的例子，码字 [1 0 1 0 1 0 1] 的前4位就是信息 [1 0 1 0]。

非系统码：信息比特被"打散"在码字中，不能直接看出来。

我个人习惯用系统码。为什么？因为解码时可以直接提取信息位，不需要额外计算。我在做实时通信系统时，这个特性特别有用——能省几个时钟周期。

系统码的生成矩阵有个标准形式：

G = [I_k | P]

其中 I_k 是 k×k 的单位矩阵，P 是 k×r 的矩阵。对应的校验矩阵是：

H = [P^T | I_r]

4. 伴随式与错误检测

接收端收到一个向量 r，它可能是码字 c 加上错误 e：

r = c + e

我们计算伴随式 s：

s = r · H^T

如果 s = 0，说明 r 是合法码字（可能没错，也可能有不可检测的错误）。如果 s ≠ 0，说明一定有错误。

伴随式 s 是一个 r 维向量，它直接告诉我们错误的位置信息。但注意，s 只告诉我们错误模式，不直接告诉我们哪个比特错了。

嗯，这里有个坑：如果错误模式恰好等于另一个合法码字，那么 s = 0，我们就检测不到错误。这叫"不可检测错误模式"。我在设计系统时，通常会评估这种概率——好在对于好的码，这个概率非常小。

5. 标准阵列译码

标准阵列译码，说白了就是查表法。我们把所有可能的接收向量 r 分成若干类，每类对应一个错误模式。

具体做法：

1. 列出所有 2^k 个合法码字
2. 列出所有可能的错误模式 e（通常选择重量最小的）
3. 构造一个表格：行是错误模式，列是码字
4. 每个单元格 r = c + e

译码时，收到 r 后，找到它所在的列，该列对应的码字就是译码结果。

举个例子，对于 (3,1) 重复码：

• 合法码字：000 和 111
• 错误模式：000, 001, 010, 100
• 表格：

       000     111
000    000     111
001    001     110
010    010     101
100    100     011

收到 110，它在第二列，译码为 111。收到 010，它在第一列，译码为 000。

知识体系总览

下面这张图展示了本章的核心逻辑关系：

这张图把本章的知识点串起来了。从定义出发，生成矩阵和校验矩阵是两条主线，最终汇聚到伴随式计算和译码方法上。

好了，线性分组码的基础就讲到这里。记住：生成矩阵负责编码，校验矩阵负责检测，伴随式是检测工具，标准阵列是译码方法。这些概念在后面章节会反复用到。