1 基本概念
1.1 定义与特征
低密度奇偶校验码是一类线性分组码，其定义建立在一个稀疏的校验矩阵之上。所谓“低密度”，是指矩阵中取值为 1 的元素数量相对较少，单行和单列中非零元素的分布也较为稀疏。正是这种结构，使得 LDPC 码在编码、译码以及硬件实现上都具有较好的效率。
与一般线性码相比，LDPC 码最显著的特点是可以通过局部约束逐步逼近全局解，因此常配合迭代译码使用。它在长码长条件下通常表现出接近香农极限的误码性能，同时保持较低的计算复杂度。
1.2 线性分组码中的位置
LDPC 码属于线性分组码范畴，与循环码、卷积码等纠错码共同构成现代编码理论的重要部分。其本质是通过若干个线性奇偶校验方程限制合法码字的集合，使接收端能够依据冗余信息恢复原始数据。
在实际应用中，LDPC 码常被视为高性能信道编码方案之一。它既保留了线性码在结构分析上的便利，又具备适合大规模并行处理的特性，因此在大容量通信系统中占有重要地位。
1.3 与其他纠错码的关系
LDPC 码与许多经典纠错码在目标上相同，都是提高可靠传输能力，但在结构与译码机制上差异明显。它更强调稀疏性和图模型，而非依赖代数封闭结构或全局代数运算。
1.3.1 与汉明码的比较
汉明码是较早出现的一类线性分组码，具有规则、简洁的代数结构，适合纠正少量随机错误。相比之下，LDPC 码通常具有更长的码长和更低的校验矩阵密度，因此在较复杂信道环境下往往能获得更优的性能。
汉明码的译码过程较直接，适合小规模应用；LDPC 码则依赖迭代算法，在复杂度与性能之间取得更好的平衡。前者更像基础型纠错方案，后者则更适合高吞吐、强纠错需求的场景。
1.3.2 与涡轮码的比较
涡轮码与 LDPC 码同属现代接近香农极限的编码方案，二者都依赖迭代译码。不同之处在于，涡轮码通常基于并行级联卷积编码结构，而 LDPC 码则建立在稀疏校验矩阵和图模型之上。
从实现角度看，LDPC 码的消息传递过程更容易并行化，硬件友好性较强；涡轮码在某些场景下也能获得优异性能，但其译码结构有时在延迟和并行程度上不如 LDPC 码灵活。
2 数学表示
2.1 校验矩阵
LDPC 码的核心数学对象是校验矩阵，通常记为 H。对于任一码字 c，必须满足 Hc^T = 0，即该码字在所有奇偶校验方程下均成立。矩阵 H 的稀疏性是 LDPC 码名称的来源，也是其高效译码的重要基础。
在实际设计中，校验矩阵的行对应校验约束，列对应码符号位置。通过控制矩阵中 1 的分布，可以调节码的纠错能力、码率和译码复杂度。
2.2 生成矩阵
生成矩阵 G 用于将信息序列映射为码字。对于线性分组码，码字可以表示为信息比特与生成矩阵的乘积。尽管 LDPC 码通常以校验矩阵更为常见，但生成矩阵同样是编码阶段的重要工具。
由于 LDPC 码的 H 矩阵稀疏，直接求得对应的 G 矩阵有时并不容易，尤其在大规模结构化设计中更是如此。因此，工程实现中常会采用适合快速编码的专门构造方法，而不直接依赖通用矩阵求逆。
2.3 码率与码长
LDPC 码的性能与码率、码长密切相关。不同应用中，码率可高可低，码长也可从中等规模扩展到极长码字。一般而言，码长越大，LDPC 码越有可能接近理论极限，但译码时延与实现复杂度也会随之变化。
2.3.1 码率的定义
码率通常定义为信息位数与码字总长度之比，即 R = k/n，其中 k 为信息比特数，n 为码长。码率越高，冗余越少，传输效率越高；码率越低，则纠错能力通常更强。
LDPC 码可根据需求设计为不同码率，例如高码率适合链路质量较好的场景，低码率则适合噪声较强或可靠性要求更高的环境。
2.3.2 码长、码重与稀疏性
码长 n 是码字中符号的总数，码重则常指码字中非零符号的数量。对 LDPC 码而言，更关键的是校验矩阵的稀疏性，即每行每列含有较少的 1。
稀疏结构能够降低消息传递的计算量，并减少每次迭代中的运算开销。不过，稀疏并不等于越稀越好，过度稀疏可能带来不良图结构，从而影响收敛性能和误码表现。
3 图论表示
3.1 Tanner图
Tanner 图是描述 LDPC 码最常用的图论工具。它将变量节点与校验节点分别表示为图中的两类顶点，并用边表示矩阵 H 中的非零元素关系。通过这种方式，复杂的代数约束被转化为直观的图结构。
Tanner 图的优点在于便于分析局部连接模式、环路分布和信息传播路径。译码算法通常在该图上进行迭代，节点之间不断交换消息，以逐步逼近正确码字。
3.2 变量节点与校验节点
变量节点对应码字中的各个符号位置，代表待恢复的信息状态。校验节点则对应奇偶约束，用来检查相邻变量节点所满足的关系是否成立。
在译码过程中，变量节点根据接收到的信道信息和邻近校验节点的反馈更新自身判断；校验节点则根据所连接变量节点的状态向其返回一致性信息。二者反复交互，形成 LDPC 码译码的基本循环。
3.3 度分布
度分布描述图中节点连接数的统计特征。变量节点度和校验节点度的分布形式会直接影响译码性能、复杂度以及误差收敛行为。合理设计度分布，是 LDPC 码构造的重要环节。
3.3.1 正则LDPC码
正则 LDPC 码是指所有变量节点具有相同度数，且所有校验节点也具有相同度数的 LDPC 码。其图结构较为均匀，分析和实现相对简单。
由于结构整齐，正则 LDPC 码在理论研究中常被作为基础模型。但在实际性能上，它往往不如优化后的非正则结构灵活。
3.3.2 非正则LDPC码
非正则 LDPC 码允许不同节点具有不同度数，这使得构造空间更大，也更容易针对特定信道优化。通过精细调整度分布，可以改善阈值性能和有限码长下的译码效果。
现代高性能 LDPC 码多采用非正则设计，因为这种结构通常更接近理想的迭代译码行为，并能在性能与复杂度之间取得更优折中。
4 构造方法
4.1 随机构造
随机构造是较早的 LDPC 码设计方式之一，通常从满足稀疏条件的矩阵集合中随机选取校验矩阵。其优点是实现简单，易于生成不同结构的候选码。
不过，纯随机方法可能产生短环过多、局部结构不佳等问题，从而影响译码性能。因此，实际设计中往往需要结合额外约束，以避免劣质图形结构。
4.2 代数构造
代数构造利用有限域、矩阵循环性质或其他代数工具生成 LDPC 码。该方法的优点是结构清晰，参数可控，便于分析和实现。
代数构造常用于产生具有良好循环特性或规则图结构的码族。相比随机构造，它更容易满足工程应用对可重复性、编码效率和硬件适配性的要求。
4.3 准循环LDPC码
准循环 LDPC 码是工程中非常重要的一类结构化 LDPC 码。其校验矩阵通常由若干循环移位子矩阵组成，既保持了稀疏性，又具备规则的块结构，便于编码与并行实现。
4.3.1 循环移位矩阵
循环移位矩阵是准循环结构的基本组成单元。它通常由单位矩阵经过若干位移得到，或以全零矩阵作为特殊块使用。多个这样的子矩阵按一定规则拼接后，可形成较大规模的校验矩阵。
这种块状组织方式使矩阵具有可重复、可模块化处理的特点，也方便在硬件中利用移位与连接操作实现高速编码。
4.3.2 结构化编码方法
结构化编码方法依赖校验矩阵的准循环特性，将编码过程转化为一系列移位、加法和块运算。与通用矩阵求解相比，这种方法更适合实际系统中的高速实现。
在存储与通信设备中，结构化编码尤其重要，因为它能显著减少存储开销和控制逻辑复杂度，同时保持较高的纠错性能。
5 译码算法
5.1 迭代译码
迭代译码是 LDPC 码最核心的解码思想。译码器并不一次性求解全部码字，而是通过在图上反复交换局部信息，逐步逼近满足全部校验约束的解。
这种方法的优势在于能够充分利用稀疏图结构，从而以较低复杂度获得很好的性能。但其结果也受初始信道条件、图结构和迭代次数的影响。
5.2 置信传播算法
置信传播算法是 LDPC 码译码中最经典的消息传递方法之一。它基于图上的概率推断思想，节点之间交换的是对比特取值的概率或相关度信息。
在无环图上，置信传播可以给出精确推断；而在 LDPC 码的含环图中，它通常作为近似算法使用，实践中仍能取得出色效果。
5.3 和积算法
和积算法是置信传播在因子图上的一种实现形式，适用于 LDPC 码的软判决译码。它通过局部求和与连乘运算，将信道信息和校验约束结合起来。
5.3.1 概率域实现
概率域实现直接使用概率值进行消息更新，数学意义直观，但在数值上容易出现下溢或运算不稳定问题。随着码长增大和迭代加深，这一缺点更为明显。
因此，虽然概率域实现便于理解，但在实际系统中并不是最常见的高效形式。
5.3.2 对数似然比实现
对数似然比实现将概率值映射为对数域中的量，以减少乘法运算并提高数值稳定性。这是工程中更常使用的译码形式之一。
在对数域中，消息更新可以转化为加法和非线性函数运算，既节省计算资源，也便于硬件流水线和并行处理。
5.4 消息传递与硬判决译码
消息传递是 LDPC 译码的总体框架，软信息在变量节点与校验节点间循环流动。与之相对，硬判决译码只保留比特的 0/1 判定结果，计算更简单，但性能通常不如软判决方法。
在某些低成本场景中，硬判决译码仍有应用价值；但对于高可靠通信系统，软信息迭代译码通常是更优选择。
6 性能分析
6.1 误码率与帧错误率
误码率用于衡量单个比特出错的概率，帧错误率则反映整帧数据中至少出现一个错误的概率。LDPC 码在这两个指标上都表现出较强优势，尤其在迭代收敛良好时效果显著。
通常来说，误码率曲线可随信噪比提升快速下降，而帧错误率则更敏感地体现码长、图结构和译码失败事件的影响。
6.2 收敛性与阈值现象
LDPC 码译码常呈现明显的阈值现象，即在某一信道条件附近，性能会从较差状态快速跃迁到较好状态。这个特性是其接近理论极限的重要原因之一。
收敛性则描述迭代译码是否能够在有限轮数内稳定到正确结果。度分布、环路结构和信道噪声水平都会影响收敛速度和稳定性。
6.3 最小距离与陷阱集
最小距离是码字之间最小汉明距离的度量，关系到码的纠错能力上限。对于 LDPC 码而言，除最小距离外，某些局部结构也会对译码产生显著影响，这些结构常被称为陷阱集。
6.3.1 环路对性能的影响
Tanner 图中的短环会削弱消息之间的独立性，使迭代译码更容易产生相关误差。尤其在短码或有限长度条件下，短环往往会导致性能下降。
因此，构造优良 LDPC 码时通常会尽量减少短环数量，或者提高最短环长度，以改善译码效果。
6.3.2 错误平层问题
错误平层是指在高信噪比区域，误码率下降速度变慢，甚至出现一段近似平台的现象。这往往与某些难以清除的局部错误结构有关。
对 LDPC 码而言，错误平层是实际应用中需要重点关注的问题。通过优化图结构、改进译码策略或增加后处理机制，通常可以缓解这一现象。
7 应用领域
7.1 卫星通信
在卫星通信中，信号传播距离长、信道条件复杂，因此对纠错性能要求较高。LDPC 码因其强纠错能力和良好的频谱效率，常被用于此类系统。
其迭代译码能够在较低信噪比下仍保持较好恢复效果，这对于链路稳定性十分重要。
7.2 数字视频广播
数字视频广播需要在有限带宽内传输大量数据，同时保证接收质量。LDPC 码可有效提升传输可靠性，减少画面卡顿、马赛克等因传输错误引起的问题。
在广播场景中，码率选择通常与业务类型相关，既要兼顾清晰度，也要考虑系统吞吐能力。
7.3 无线局域网与移动通信
无线局域网和移动通信环境中，信道波动快、多径效应明显，纠错编码因此成为系统设计的重要部分。LDPC 码因并行译码友好、性能优良而被广泛采用。
在高速无线接入场景中，它可以在复杂干扰条件下提高链路鲁棒性，并支持较高的数据传输速率。
7.4 光通信系统
光通信系统追求极低误码率和大容量传输，LDPC 码在其中具有明显优势。其较强的纠错能力有助于抵御光纤传输中的噪声与失真。
在长距离或超高速光链路中，LDPC 码常与其他前向纠错机制配合使用，以进一步提升系统余量。
7.5 数据存储与纠错存储器
在数据存储领域，LDPC 码用于提高磁盘、闪存和其他存储介质中的数据可靠性。随着存储密度提升，单元误差更加常见，LDPC 码的强纠错能力因此变得尤为重要。
在纠错存储器中，它能够帮助系统在读取受损数据时恢复原始信息，并延长介质的有效使用寿命。
8 历史与发展
8.1 提出与早期研究
LDPC 码最早由罗伯特·高利提出。由于当时计算与实现条件有限，这一思想在最初并未迅速成为主流，但其理论价值已被证明具有前瞻性。
早期研究主要集中在基本结构、随机码性能和迭代译码可行性上，为后来的复兴奠定了基础。
8.2 复兴与工程化应用
随着计算能力提高和通信需求增长，LDPC 码重新受到关注。研究者发现，在适当构造和译码策略下，它能够获得极其优异的性能，并且适合大规模工程部署。
工程化应用的推进，使 LDPC 码从理论对象逐步转变为实际系统中的标准配置之一。
8.3 标准化与现代实现
LDPC 码进入标准化阶段后，其应用范围显著扩大。不同标准根据传输环境和系统需求，对码率、码长和构造方式进行了具体规定。
8.3.1 通信标准中的采用
在多个通信标准中，LDPC 码被选作信道编码方案，主要原因在于其较高的纠错效率和良好的吞吐性能。它能够适应从固定接入到高速移动场景的多种需求。
标准化采用使其在产业链中形成了成熟生态，促进了芯片、设备和协议层面的协同发展。
8.3.2 硬件实现与并行化
LDPC 码的图结构天然适合并行处理，因此在硬件实现上具有优势。译码器可通过多处理单元同时更新不同节点消息，从而提升速度。
现代实现通常关注低功耗、高吞吐和低时延之间的平衡。准循环结构、流水线设计和并行消息传递技术，都是常见优化手段。
9 相关概念
9.1 香农信道容量
香农信道容量是通信理论中的基本极限，表示在给定信道条件下可实现无差错通信的最高速率。LDPC 码之所以重要，与其在性能上逼近该极限密切相关。
这一概念为评价各种编码方案提供了统一尺度，也构成现代编码理论的重要目标。
9.2 置信传播与贝叶斯推断
置信传播是一种基于图模型的推断方法，与贝叶斯推断关系密切。它通过局部消息更新来估计全局概率分布，适合处理稀疏图上的复杂依赖关系。
LDPC 译码正是这一思想在工程中的典型应用之一。
9.3 稀疏矩阵与算法复杂度
稀疏矩阵指大部分元素为零的矩阵。LDPC 码的校验矩阵之所以采用稀疏结构，正是为了降低存储与计算负担。
算法复杂度则衡量译码和编码过程的资源消耗。稀疏性越合理，通常越有利于降低复杂度并提高系统效率。
9.4 编码理论中的其他现代码类
现代编码理论中，除 LDPC 码外，还包括涡轮码、卷积码及其变体等多种方案。它们分别在不同的信道条件和系统约束下展现优势。
这些码类共同推动了从传统纠错到高性能信道编码的发展，也构成今天通信与存储系统的重要技术基础。