1 基本概念
1.1 定义
正则LDPC码是低密度奇偶校验码的一种，其校验矩阵中非零元素分布稀疏，并且变量节点与校验节点的连接度数保持固定。这里“正则”强调的是结构上的均匀性，即每个码字比特参与相同数量的校验方程，每个校验方程也连接相同数量的比特。
与一般线性分组码相比，正则LDPC码的关键优势在于其稀疏结构带来的低复杂度译码能力。由于校验关系较少且分布规则，这类码特别适合采用迭代方式进行恢复与纠错。
1.2 发展背景
LDPC码最早可追溯到20世纪60年代的研究工作，但由于当时计算条件有限，相关思想长期未能广泛应用。随着迭代译码算法和数字处理能力的发展，LDPC码在后来的通信系统中重新受到重视，并逐步成为纠错编码领域的重要方向。
正则LDPC码作为其中结构最规整的一类，因其分析相对清晰、实现较为直接，常被用作理论研究和工程设计的基础模型。它在编码理论中的意义，不仅体现在性能上，也体现在其为图模型分析提供了标准化范例。
1.3 与LDPC码总体分类的关系
1.3.1 正则LDPC码与非正则LDPC码
LDPC码通常分为正则和非正则两类。正则LDPC码的所有变量节点度数相同，校验节点度数也相同；非正则LDPC码则允许不同节点具有不同度数，从而在设计上拥有更大的自由度。
相较之下，非正则LDPC码往往能够在某些信道条件下获得更优的性能表现，但其结构分析和参数设计也更复杂。正则LDPC码则以形式简洁、便于研究和描述著称，常作为比较基准。
1.3.2 规则度参数的含义
规则度参数通常用来描述正则LDPC码中节点连接的固定程度。最常见的表示方式是用变量节点度和校验节点度来刻画，例如左侧每个节点连接几条边、右侧每个节点连接几条边。
这些参数直接影响码率、矩阵稀疏性以及译码行为。规则度越高，约束通常越强，但编码与译码复杂度也可能随之上升，因此设计时需要在性能和代价之间权衡。
2 数学表示
2.1 线性分组码框架
正则LDPC码属于线性分组码，其码字满足一组线性独立的奇偶校验关系。任意合法码字都可以看作满足某个线性约束空间的元素，因而具备叠加性和闭包性。
在这一框架下，编码问题可转化为寻找满足约束的向量，译码问题则是根据接收信息在合法码字集合中进行恢复。线性结构使得代数工具和矩阵方法都能直接用于分析。
2.2 校验矩阵表示
正则LDPC码通常用校验矩阵 \(H\) 表示。若某个长度为 \(n\) 的向量 \(c\) 是合法码字，则需满足 \(Hc^T=0\)。矩阵 \(H\) 的每一行对应一个校验方程，每一列对应一个码字比特。
由于矩阵是低密度的，非零项数量远少于总元素数，这也是“LDPC”名称的来源。正则LDPC码进一步要求矩阵中行、列的非零分布满足固定模式。
2.2.1 稀疏矩阵特征
稀疏性是LDPC码最核心的代数特征之一。与传统密集校验矩阵相比，稀疏矩阵使得单次校验运算和迭代信息传递的计算量显著下降。
这种稀疏结构并不意味着约束弱化，而是通过少量、分散的局部约束实现整体纠错能力。正因为如此，LDPC码能够在复杂度和性能之间取得较好的平衡。
2.2.2 行列度数约束
在正则LDPC码中，校验矩阵的每一列通常具有相同的非零个数，每一行也具有相同的非零个数。列度数反映每个变量参与多少个校验，行度数则反映每个校验涉及多少个变量。
这类约束使矩阵结构更统一，也便于构造和分析。不过，在有限长度场景下，如何同时满足稀疏性、规则性和良好的距离性质，仍然是设计中的重要问题。
2.3 Tanner图表示
Tanner图是描述LDPC码的一种图论工具。它将校验矩阵转换为二部图，用节点和连边直观展示比特与校验之间的关系，广泛用于译码分析和构造设计。
对于正则LDPC码，Tanner图中的节点连接模式具有明显规律，因此更容易研究其局部环结构、消息传递行为以及性能边界。
2.3.1 变量节点
变量节点对应码字中的各个比特位。每个变量节点通过若干边与校验节点相连，这些边表示该比特参与的校验关系。
在迭代译码过程中，变量节点会接收来自校验节点的反馈信息，并结合信道观测更新自身对比特取值的判断。
2.3.2 校验节点
校验节点对应奇偶校验方程。它们的作用是对连接到该节点的一组变量值进行一致性检查，并向变量节点传递约束信息。
从图结构上看，校验节点承担“约束汇聚”的角色，其传出的消息反映当前局部约束是否满足，以及哪些变量取值更可能成立。
2.3.3 图结构与正则性
正则性体现在图中每个变量节点的度数一致、每个校验节点的度数也一致。这样的二部图通常更便于理论分析，因为局部结构具有重复性，便于用统计方法描述整体行为。
然而，正则图也容易在有限长度下形成短环，从而影响消息独立性。故在设计中，图结构的规则性与环分布往往需要同时考虑。
3 结构参数
3.1 码长与码率
码长是码字中比特的总数，决定了编码块的尺寸。码率则表示有效信息比特在总比特中的比例，是衡量编码冗余程度的重要指标。
对于正则LDPC码，码率通常与校验矩阵的维数密切相关。一般来说，校验约束越多，冗余越大，码率越低，但纠错能力可能增强。
3.2 变量节点度与校验节点度
变量节点度和校验节点度是定义正则LDPC码的基本结构参数。前者表示每个比特参与的校验数，后者表示每个校验涉及的比特数。
这两个参数共同决定图的连接密度和信息传播路径，对译码收敛速度、误码性能以及实现复杂度都有显著影响。
3.2.1 左正则与右正则
在二部图中，变量节点一侧常称为左侧，校验节点一侧常称为右侧。若左侧所有节点度数相同，则称为左正则；若右侧所有节点度数相同，则称为右正则。
正则LDPC码通常同时满足左右两侧的度数固定，因此兼具双边规则性。这种结构使图模型更整齐，也便于采用统一的分析公式。
3.2.2 双正则结构
双正则结构指变量节点和校验节点两侧都具有固定度数。若变量节点度为 \(d_v\)，校验节点度为 \(d_c\)，则码的连接关系可用 \((d_v,d_c)\) 来概括。
双正则结构不仅决定了码的稀疏程度，也与码率存在直接联系。常见设计中，参数选择通常会在性能、复杂度和可实现性之间折中。
3.3 最小距离与自由距离
最小距离是衡量线性码纠错能力的重要指标，指非零码字中汉明重量最小者的重量。一般而言，最小距离越大，码对错误模式的区分能力越强。
在分组码语境下常讨论最小距离；“自由距离”更常见于卷积码，但在相关比较中也会被提及。对正则LDPC码而言，最小距离及其随码长增长的行为，是评价码族质量的重要方面。
4 构造方法
4.1 随机构造
随机构造是正则LDPC码的重要生成方式之一。它通过随机方式安排校验矩阵中的边连接，便于获得具有良好平均性质的码族，并且适合概率分析。
这类方法通常能产生接近理论随机模型的结构，但在有限长度下，仍需额外处理短环、重复边或秩缺陷等问题。
4.1.1 配对模型
配对模型是一种经典的随机图构造思路。它先为变量节点和校验节点分配预定数量的“半边”，再通过随机配对形成完整连接。
这种方法可以自然保持度数正则性，但生成结果未必完全满足理想的结构约束，因此在实际应用中常与筛选步骤配合使用。
4.1.2 随机稀疏矩阵生成
随机稀疏矩阵生成法直接在校验矩阵中按规则放置少量非零元素。通过控制每行、每列的非零数量，可以构成正则LDPC码所需的稀疏结构。
该方法实现简单，适合实验性设计和统计分析。不过，若不附加限制，可能产生不利于译码的短环或局部相关性。
4.2 代数构造
代数构造利用有限域、循环群或矩阵代数中的规则结构来生成LDPC码。相比纯随机方法，这类构造通常具有更强的可控性和更明确的数学描述。
代数方法常用于获得便于硬件实现的码族，并在标准化设计中有较高实用价值。
4.2.1 循环置换矩阵构造
循环置换矩阵构造用若干循环移位矩阵作为校验矩阵的基本块，再按块方式组合成较大的结构。每个块中的连接模式具有周期性，因此便于存储和实现。
这种构造方法常能保持正则性，并且利于并行译码单元的设计，因其具有清晰的重复结构。
4.2.2 准循环结构构造
准循环结构是在循环结构基础上的推广。它允许校验矩阵由若干循环子块组成，这些子块之间按一定规律排列，从而形成较大规模的LDPC码。
准循环码通常具有较好的工程适配性，因为其结构既规整又灵活，适合在高速通信和存储系统中实现。
4.3 图论构造
图论构造直接从二部图角度出发，通过设计节点连接关系来获得所需的码结构。它强调图的局部性质和整体统计特征，尤其关注环的长度与分布。
在这类方法中，如何控制图的拓扑形态，往往比单纯生成矩阵更关键。
4.3.1 避免短环的设计
短环会破坏迭代译码中消息近似独立的假设，导致性能下降。为此，构造时常通过限制局部连接重复、调整边分配顺序等方式减少短环。
避免短环并不总是意味着完全消除所有回路，而是尽量推迟短环出现，使局部树状结构维持得更久。
4.3.2 girth优化
girth指图中最短环的长度，是衡量图结构优劣的重要指标之一。较大的girth通常有利于迭代译码，因为它能延缓局部相关性扩散。
girth优化往往是图论构造中的目标之一，但在有限长度与正则约束并存的条件下，提升girth通常需要在其它指标上作出一定让步。
5 编码方法
5.1 生成矩阵法
生成矩阵法通过构造生成矩阵 \(G\) 来完成编码。信息比特与生成矩阵相乘后即可得到码字，随后再经校验矩阵验证其合法性。
该方法概念清晰，适用于理论推导，但若直接从稀疏校验矩阵求生成矩阵，可能带来较高的计算成本。
5.2 系统编码
系统编码要求输出码字中保留原始信息比特，只在附加位置生成校验比特。这样做便于数据提取和后续处理，因此在工程系统中非常常见。
对于LDPC码而言，系统编码通常需要对校验矩阵进行适当变换或重排，使编码过程可分解为较容易实现的步骤。
5.3 基于矩阵消元的实现
矩阵消元是一种将校验约束转化为可计算形式的常用方式。通过对校验矩阵进行行列变换，可以求得校验比特与信息比特之间的关系。
在正则LDPC码中，这类实现虽然可行，但若处理不当，可能破坏原有稀疏性，从而影响编码效率。因此实际应用中常结合结构化矩阵设计。
6 译码方法
6.1 迭代译码
迭代译码是LDPC码最典型的译码范式。它利用Tanner图中的局部消息传递，在变量节点和校验节点之间反复交换信息，逐步逼近正确码字。
这种方法的优势在于能够以较低复杂度获得较强纠错性能，是LDPC码得以广泛应用的关键原因。
6.1.1 置信传播译码
置信传播译码是一类基于概率推断的迭代方法。它将每条边上的消息解释为某种条件概率或对数似然信息，并在图上传播更新。
在树状结构上，置信传播具有严格的理论基础；在含环图上，它则成为一种近似算法，但在实践中往往表现良好。
6.1.2 和积算法
和积算法是置信传播的经典实现形式，常用于软信息更新。它通过“求和”与“求积”的组合来完成概率合成和局部约束传播。
该算法的核心在于逐步融合信道观测与校验关系，从而修正变量节点的取值判断。由于计算相对繁琐，实际中常做数值近似。
6.1.3 近似最小和算法
近似最小和算法是和积算法的重要简化形式。它用较低的运算复杂度近似完成校验节点更新，适合硬件实现。
虽然近似会带来一定性能损失，但在很多应用场景中，这种代价是可以接受的，尤其在高速、低功耗系统中更具吸引力。
6.2 硬判决译码
硬判决译码只使用比特的二元判定结果，而不保留软可靠度信息。其计算较简单，适用于资源受限的场合。
不过，与软判决相比，硬判决通常会损失一部分信道信息，因此在性能上往往不占优势。对于正则LDPC码而言，硬判决方案更多用于特定约束下的简化实现。
6.3 软判决译码
软判决译码会利用接收信号的置信程度或幅度信息，因此比硬判决更充分地利用了信道统计特性。正则LDPC码的迭代译码通常属于这一类。
在许多实际系统中，软判决译码能够明显改善误码率，尤其在中低信噪比区间内效果更为明显。
6.4 译码收敛与停止准则
译码收敛是指迭代过程逐步得到稳定解或满足校验条件。为了避免无效计算，系统通常设置停止准则，例如校验全部通过、迭代次数达到上限或消息变化足够小。
停止准则的设计关系到译码时延与运算开销。合理的准则可以在性能和效率之间取得较好平衡。
7 性能分析
7.1 误码率与帧错误率
误码率反映单个比特出错的平均概率，帧错误率则表示整帧码字至少发生一次错误的概率。二者从不同层面描述纠错性能。
对正则LDPC码而言，误码率常用于观察局部恢复能力，帧错误率则更适合评价整体传输可靠性。在高可靠通信系统中，这两个指标通常都需要关注。
7.2 阈值现象
阈值现象是LDPC码性能分析中的经典特征。它描述的是当信道质量跨过某一临界点后，译码性能会从较差状态迅速转向较好状态。
这一现象与迭代译码机制密切相关，也反映了图结构和信道统计之间的相互作用。对于正则LDPC码来说，阈值是评估码族优劣的重要指标。
7.3 瀑布区与误码平层
瀑布区指误码率随信噪比提升而快速下降的区间，曲线形态如同陡降的瀑布。误码平层则是指在较高信噪比下，误码率下降变缓，出现近似平台的区域。
正则LDPC码通常在瀑布区表现良好，但若存在不利的结构因素，例如短环或陷阱子图，也可能在高信噪比下出现平层现象。
7.4 短环对性能的影响
短环会使图中局部消息相关性增强，削弱迭代译码的有效性。特别是在消息传递早期，短环容易让错误信息被重复强化，导致收敛变慢甚至误收敛。
因此，减少短环通常被视为提升有限长度性能的重要手段。尽管短环不一定完全消除，但其数量与分布对性能确有显著影响。
7.5 渐近分析
渐近分析关注码长趋于无穷大时的性能行为。对于正则LDPC码，这种分析有助于揭示其阈值、最小距离增长以及平均译码特性。
虽然渐近结果不能完全替代有限长度评估，但它为理解码族本质提供了重要理论基础，也为实际设计提供了方向性参考。
8 理论性质
8.1 可译性与可恢复性
可译性强调译码算法能否在给定信道条件下成功恢复原始信息。可恢复性则更偏向从约束和冗余角度判断码字能否被唯一识别。
正则LDPC码在这两个方面都具有较强研究价值，因为其图结构清晰，便于分析何种局部条件会导致成功恢复或失败。
8.2 随机正则LDPC码的典型性质
随机正则LDPC码通常具有较好的平均性能，其局部结构在大规模情况下接近树状，从而有利于理论分析。与此同时，这类码的最小距离、环分布和译码阈值也呈现出统计意义上的典型规律。
这使得随机正则LDPC码成为概率编码理论中的重要对象。很多关于性能极限的结果，都是先在此类模型上建立的。
8.3 纠错极限与容量逼近
纠错极限描述的是码在特定信道下能够逼近的最佳性能边界。容量逼近则表示编码方案的效率接近信道容量这一理论上限。
正则LDPC码虽然不一定在所有场景下都优于非正则设计，但在合适参数和足够长码长下，能够表现出接近容量的潜力，因此具有重要理论意义。
8.4 码族的渐近行为
码族的渐近行为指随着码长增长，某些性能指标如何变化。对于正则LDPC码，这包括最小距离增长率、阈值稳定性以及译码性能的极限趋势。
研究渐近行为有助于判断某种构造是否适合扩展到大规模系统，也能解释有限长度下观察到的性能现象。
9 应用领域
9.1 数字通信
正则LDPC码广泛用于数字通信系统中的信道编码环节，以提高抗噪声能力和传输可靠性。其迭代译码机制尤其适合受随机扰动影响的传输环境。
在高吞吐场景下，这类码能较好兼顾性能与实现复杂度，因此在多种调制与编码组合中都具有应用价值。
9.2 存储系统
在存储介质中，数据可能因读写误差、老化或干扰而发生损坏。LDPC码可用于提升检错和纠错能力，帮助延长系统可靠工作时间。
正则LDPC码因结构规整，常作为某些存储编码方案的参考模型。其译码性能对于提高读出成功率具有直接意义。
9.3 数据传输与链路层编码
在数据链路传输中，编码方案需要兼顾实时性、复杂度和错误恢复能力。正则LDPC码的可并行译码特性使其适合较高速度的链路层场景。
尤其在长距离或高误差概率的链路中，采用此类纠错码能够有效降低重传负担，并改善整体传输效率。
9.4 标准化中的相关应用
LDPC码在多个通信与存储相关标准中都出现过，其原因在于它能够提供稳定的纠错性能和较强的工程适应性。正则结构虽然未必总是最终选用形式，但常参与标准设计的早期比较与分析。
标准化应用通常更关注可实现性、吞吐量和兼容性，因此结构清晰、便于硬件化的正则LDPC码具有一定参考价值。
10 相关概念
10.1 非正则LDPC码
非正则LDPC码允许节点度数不完全相同，因此具有更大的设计自由度。它们常用于提升阈值性能或优化有限长度表现。
与正则LDPC码相比，非正则结构更灵活，但分析和实现也更复杂。
10.2 Turbo码
Turbo码是另一类著名的现代纠错码，依赖迭代译码思想并在性能上具有接近容量的能力。它与LDPC码在设计理念上有一定相似性。
两者都强调软信息交换和重复迭代，但内部结构和实现方式并不相同。
10.3 BCH码
BCH码是一类经典的代数纠错码，具有明确的构造规则和较强的纠错能力。它常用于需要严格代数结构的场合。
与正则LDPC码相比，BCH码的译码方式和矩阵结构差异较大，适用场景也有所不同。
10.4 Reed-Solomon码
Reed-Solomon码是一种基于有限域的非二进制分组码，在突发错误纠正方面尤为常见。它在存储与通信系统中应用广泛。
正则LDPC码与Reed-Solomon码同属纠错编码体系，但前者更偏向稀疏图和迭代译码，后者则更强调代数结构。
10.5 Tanner图与因子图
Tanner图是LDPC码的重要表示方式，而因子图是更一般的图模型框架。Tanner图可以看作因子图在编码问题中的特化形式。
这两种图模型都为概率推断、消息传递和局部结构分析提供了统一语言，因此在现代编码理论中占有重要地位。
11 研究与实现
11.1 理论研究方向
11.1.1 码构造优化
码构造优化关注如何在正则约束下提升性能，包括改善最小距离、增大girth、减少短环以及提高阈值等目标。研究者通常需要在多个指标之间做综合权衡。
这类工作既涉及组合设计，也涉及概率方法和代数结构，是正则LDPC码研究的重要组成部分。
11.1.2 译码性能分析
译码性能分析主要研究不同算法在各种信道条件下的表现，包括收敛速度、误码平层和阈值变化等。分析方法既可以是理论推导，也可以是仿真统计。
由于迭代译码与图结构强相关，性能分析往往需要结合局部拓扑和信道模型共同讨论。
11.1.3 有限长度效应
有限长度效应指实际码长有限时，理论渐近结果与真实性能之间出现差异。对正则LDPC码来说，这种效应常体现在短环、局部结构异常和统计波动上。
因此，有限长度分析是将理论结果转化为工程方案时不可忽视的环节。
11.2 工程实现要点
11.2.1 硬件并行化
正则LDPC码的规则连接结构有利于硬件并行处理。译码器可以将多个节点更新任务同时执行，从而提升吞吐率。
在高性能通信芯片中，并行化设计是实现LDPC译码的重要手段之一。
11.2.2 存储与计算复杂度
实现LDPC译码需要大量消息存储和重复计算。虽然稀疏结构降低了单步运算量，但迭代次数和消息管理仍会带来显著开销。
因此，工程设计通常需要优化存储布局、减少访存次数，并尽量压缩无效计算。
11.2.3 低功耗实现
低功耗实现关注在保证性能的前提下减少能耗，这对移动终端和大规模数据设备尤为重要。正则LDPC码的结构规整性有助于简化控制逻辑和运算路径。
通过近似算法、定点化处理和并行资源调度，系统可以在功耗与性能之间找到较合适的平衡。