《進階通訊工程——邁向2035年太空星鏈網路時代》25/150 卷積碼 🌀 早期可靠編碼的主力

更新 發佈閱讀 15 分鐘

📘《AI 時代系列(6):進階通訊工程——邁向 2035 年太空星鏈網路時代》


📘 第 3 周 🎶 電波的語言:調變、編碼與 6G 高頻革命


**25/100|卷積碼 🌀 早期可靠編碼的主力

—— LTE 以前的星級 FEC × Viterbi 的最佳拍檔**

________________________________________

🌟 單元導讀|卷積碼是什麼?為什麼重要?


在今天 LDPC/Polar 充滿 5G/6G 世界之前,

整個 2G → 3G → LTE 前期,


無線通訊界真正的主力 FEC 是:

🚀 卷積碼(Convolutional Code)


它是:

行動通訊(GSM / WCDMA / HSPA)主力編碼

衛星通訊、航太、深空通訊(NASA)長年愛用

與 Viterbi 解碼 搭配堪稱經典組合

也是現代 Turbo Code、Polar、LDPC 的前身與基礎


雖然 5G 已把它淘汰,但它的重要性更像:

📌 沒有卷積碼,就沒有今天的 Turbo、LDPC、Polar。

📌 你不懂卷積碼,就無法真正理解 FEC 的演進。

________________________________________

🌀 一、卷積碼的核心概念


📌 Block Code(區塊碼) vs. Convolutional Code(卷積碼)


1. 區塊碼(Block Codes)

運作方式:

✔ 將資料分成一段一段(block-by-block)獨立編碼

✔ 每個區塊彼此沒有關聯


記憶性:

✔ 無記憶(Memoryless)

✔ 編碼結果只依賴該一段資料本身


代表技術:

✔ Reed–Solomon(RS)

✔ LDPC(Low-Density Parity-Check)

✔ BCH Codes


通訊實務位置:

✔ 5G/6G 的 數據信道主力:LDPC

✔ 衛星/光纖/儲存常用 RS

________________________________________

2. 卷積碼(Convolutional Codes)


運作方式:

✔ 將資料視為一整條序列 持續流入編碼器(streaming)

✔ 現在的比特會受到之前的比特影響 → 具有“記憶”


記憶性:

✔ 有記憶(Stateful)

✔ 狀態由移位暫存器(shift register)記錄


代表技術:

✔ Convolutional Code(Rate 1/2, 1/3 …)

✔ Viterbi Decoder(最佳 ML 解碼)

✔ Turbo Code(由兩個卷積碼組成)


通訊實務位置:

✔ 4G LTE 主力:Turbo Code

✔ 控制信道(傳統):Convolutional + Viterbi

✔ 5G NR 控制信道:Polar Code(非卷積,但概念類似 sequence-based)


卷積碼最關鍵的特色:

✔ 有記憶性(memory)

✔ 輸出取決於「目前 input」+「之前數個 input」

✔ 表示成:移位暫存器 + XOR 網路

因此卷積碼是“序列型 FEC”。

________________________________________

📟 二、卷積碼編碼器的結構:Shift Register + XOR


最基本的結構:

input → [D] → [D] → [D]

│ │

+--⊕---+

output1 = XOR(目前 + 1段記憶)

output2 = XOR(目前 + 2段記憶)



這個最基本的卷積碼結構利用串接的三個 1-bit delay(D) 形成編碼器的記憶,每輸入一個 bit,整串寄存器向後移動;輸出端依照 generator taps 取得目前 bit 與前面記憶位元做 XOR,例如第一輸出取「目前 + 第一段記憶」,第二輸出取「目前 + 第一段 + 第二段記憶」,因此每輸入 1 bit 即輸出 2 個 parity bit,形成典型的 rate 1/2、K=3 的卷積碼。


其中:

每個 D 表示 delay(1-bit 記憶)

多組 XOR 表示不同生成多項式(generator polynomial)

✔ 編碼率(Rate)


最經典:

Rate = 1/2

輸入 1 bit → 輸出 2 bits。

✔ 記憶階數(Constraint Length K)

K = shift register 長度 + 1(包含 current bit)


例如 K = 3:

x[n], x[n−1], x[n−2]

越大 K:

編碼性能 ↑

解碼複雜度 ↑(Viterbi 比較重)


📘 工程重點


卷積碼 = input bit 加入移位暫存器形成記憶,按 generator polynomial 做 XOR,得到多個 parity 輸出。解碼用 Viterbi 找最可能序列。

________________________________________

📡 三、生成多項式(Generator Polynomial)


經典卷積碼(Rate 1/2, K=3):

g1 = 111 (八進位 7)

g2 = 101 (八進位 5)


代表:

output1 = x[n] ⊕ x[n−1] ⊕ x[n−2]

output2 = x[n] ⊕ x[n−2]


卷積碼就是利用這種 組合 XOR

讓每個 output bit 同時包含多個時間點的資料

→ 增加可靠度。

________________________________________

🧭 四、卷積碼為什麼“可靠”?


因為產生了時間上的冗餘(temporal redundancy)。


在 Rayleigh 衰落、多路徑、低 SNR 的無線環境中:

某些 bit 會被破壞

但不會連續破壞 K 個 bit

因此 Viterbi 可以找出最接近的路徑

最終重建原訊號


也就是:

📌 卷積碼把 bit 做時間交織(time diversity)。

________________________________________

🧠 五、Viterbi 解碼:卷積碼的靈魂


卷積碼和 Viterbi 幾乎是不可拆的。


Viterbi 是什麼?

📌 以最大概似 (ML) 找出最可能的狀態路徑。

卷積碼本質是一個有限狀態機(FSM),


每個 bit 對應:

狀態(shift registers)

輸出(XOR 結果)


Viterbi 在「狀態樹」(trellis)上選擇:

👉 代價最小(或似然最高)的路徑。

⭐ 優點

✔ ML 最佳解

✔ 對 Rayleigh 衰落特別強

✔ 收斂穩定

✔ 可硬體化(中華電信基地台早期都用硬體 Viterbi)

________________________________________

🛰️ 六、卷積碼為什麼被 5G 淘汰?


原因很清楚:


❌ 1. 低效率(遠不如 LDPC/Polar)

卷積碼距離香農界限較遠

效能無法隨 code 長度提升而逼近極限。


❌ 2. Viterbi 解碼複雜度太高

複雜度 ~ 2^(K−1)

K 大時爆炸。


❌ 3. Turbo、LDPC 更強

卷積碼是 Turbo Code 的核心(Recursive Convolutional Code),

但“本體”被取代。


❌ 4. 不適合 5G 超大資料量

5G eMBB 的 code block 遠大於 3G。

________________________________________

🚀 七、卷積碼在 6G / NTN(非地面網路)仍有價值?


你可能會驚訝:

📌 在衛星與深空通訊,卷積碼仍大量存在。


尤其:

低速控制訊號(control channel)

高可靠度鏈路(telemetry)

LEO/衛星回傳(uplink)

航太、火箭、無人機


因為:

✔ Viterbi 非常穩定

✔ 錯誤傳播小

✔ 低資料率時效率損失不大

✔ 可在極低 SNR 下運作(比 LDPC 好調教)


在 NASA,有些任務甚至仍用:

🚀 卷積碼 + Reed–Solomon 綜合編碼

________________________________________

🧩 八、ASCII:卷積碼編碼器(Rate 1/2, K=3)


x[n] →──●──────●──────●───→ shift registers

│ │ │

│ │ │

output1: ⊕──────⊕──────⊕──── (111)

output2: ⊕──────────────⊕──── (101)


這個卷積碼編碼器以三個串接的 1-bit shift register 形成長度 K=3 的記憶,輸入 bit 𝑥[𝑛]依序灌入並推動整串寄存器移動;兩個輸出各依照生成多項式選取不同的 tap 做 XOR:第一輸出使用 (111),即「目前 bit + 第一段記憶 + 第二段記憶」全部相加;第二輸出使用 (101),只取「目前 bit + 第二段記憶」。因此每輸入一個 bit,同時產生兩個 parity bit,構成典型的 rate 1/2 卷積碼。

________________________________________

📝 九、單元測驗


(1)卷積碼最大的特性是什麼?


卷積碼最大的特性是 具備記憶性(memory)。

它的輸出不只依賴當下輸入的 bit,還會受到先前多個 bit(由 shift register 保存)共同影響。

因此,卷積碼能利用「過去資訊」做更好的錯誤檢測與糾正,這也是其名字 convolutional 的由來。

________________________________________

(2)卷積碼最常用的解碼器是?


卷積碼的標準解碼器是 Viterbi decoder。

Viterbi 使用 trellis(狀態圖)進行 MLSE(Maximum Likelihood Sequence Estimation),從所有可能的輸入序列中找出最可能的一條路徑。

因為效能穩定、架構成熟,它成為卷積碼 50 年來的基本解碼器。

________________________________________

(3)卷積碼 Rate = 1/2 表示什麼?


Rate = 1/2 表示 每輸入 1 個 bit,就會輸出 2 個 parity bits。

也就是說,實際輸出的資料量是輸入的兩倍,這同時代表更強的錯誤保護。

Rate 越低,保護力越強,但頻寬開銷越大。

________________________________________

(4)卷積碼的 constraint length K 代表什麼?


Constraint length K = shift register 的長度 + 1,是衡量編碼器「記憶深度」的參數。

K 越大,表示 encoder 能利用更長的一段歷史 bit 來生成 parity,因此效能更好,但也會大幅增加解碼端的計算量與硬體複雜度。

________________________________________

(5)Viterbi 解碼複雜度與什麼有關?


Viterbi 的複雜度與 trellis 狀態數 = 2^(K−1) 成正比。

當 K 增加一格,解碼複雜度便「倍數爆炸」。

因此實務上常選擇 K=3、K=7(NASA 經典)這類在效能與複雜度間取得平衡的配置。

________________________________________

(6)為何卷積碼仍在 NTN/衛星通訊中使用?


在衛星、NTN、深空、低 SNR 環境中,卷積碼仍非常有價值,原因包括:

✔ 短封包效能佳(LDPC 在短 block 長度下效率不高)

✔ Viterbi 解碼穩定、可預測,不易爆炸

✔ 記憶小、硬體需求低,適合衛星 payload、低功耗設備

✔ 錯誤傳播比 Turbo/LDPC 小,適合控制信令

✔ 標準成熟,容易調教,對 LEO/GEO 的高動態環境更具實務優勢


因此在今天的 NTN,卷積碼依然負責:

📡 控制信道(CCH)

📡 遠端管理與同步訊號

📡 低速備援通道

📡 超低 SNR Deep Space link

________________________________________

🌟 十、小結


📌 卷積碼是無線通訊史上的真正英雄。

它讓 2G/3G/航太都能可靠運作,

即使 5G/6G 已轉向 LDPC / Polar,

卷積碼仍是理解 FEC 的絕對基礎。


一句話:

懂卷積碼,才能看懂 Turbo、LDPC、Polar 的靈魂。



留言
avatar-img
艾韓思 AIHANS|AI 應用工程筆記
30會員
561內容數
AIHANS沙龍是一個結合AI技術實戰、產業策略與自我成長的知識平台,主題涵蓋機器學習、生成式AI、創業經驗、財務規劃及哲學思辨。這裡不只提供系統化學習資源與實作案例,更強調理性思維與行動力的結合。無論你是AI初學者、創業者,還是追求人生升維的行者,都能在這裡找到前進的方向與志同道合的夥伴。
2026/01/07
本單元說明等化器如何逆轉通道失真,比較 ZF 與 MMSE 在噪聲與深衰落下的差異,並解析 LEO/NTN 高多普勒造成的 ICI 問題;透過 Doppler 補償與 AI Equalizer,6G 接收器才能在高速時變通道中穩定解調。
2026/01/07
本單元說明等化器如何逆轉通道失真,比較 ZF 與 MMSE 在噪聲與深衰落下的差異,並解析 LEO/NTN 高多普勒造成的 ICI 問題;透過 Doppler 補償與 AI Equalizer,6G 接收器才能在高速時變通道中穩定解調。
2026/01/07
本單元解釋無線多路徑如何造成延遲擴散、ISI 與頻率選擇性衰落,並說明通道估測以 Pilot 為核心,透過 LS、MMSE 與時頻插值重建 H(k,t) 供等化與波束成形;在 LEO/NTN 高多普勒下,AI 型 CE 成為 6G 關鍵。
2026/01/07
本單元解釋無線多路徑如何造成延遲擴散、ISI 與頻率選擇性衰落,並說明通道估測以 Pilot 為核心,透過 LS、MMSE 與時頻插值重建 H(k,t) 供等化與波束成形;在 LEO/NTN 高多普勒下,AI 型 CE 成為 6G 關鍵。
2026/01/07
本單元說明 OFDM 透過正交子載波、FFT 與循環字首解決多路徑與頻率選擇性衰落,成為 LTE/5G 的基頻核心;並解析彈性 SCS 對抗高速多普勒的重要性,指出 AI 將在 6G 中重塑 OFDM 的等化、同步與資源配置。
2026/01/07
本單元說明 OFDM 透過正交子載波、FFT 與循環字首解決多路徑與頻率選擇性衰落,成為 LTE/5G 的基頻核心;並解析彈性 SCS 對抗高速多普勒的重要性,指出 AI 將在 6G 中重塑 OFDM 的等化、同步與資源配置。
看更多
你可能也想看
Thumbnail
https://setnsocial.pse.is/7smtcj 國民黨24名區域立委的罷免案將於7月26日投票,公民團體也展開催票行動,「反共護台志工聯盟」今(26)日召開記者會,宣布展開「護國大遶境」行動。媒體關注,屆時是否會邀請總統賴清德合體造勢,聯盟發起人曹興誠則回應,當然希望總統出來一起
Thumbnail
https://setnsocial.pse.is/7smtcj 國民黨24名區域立委的罷免案將於7月26日投票,公民團體也展開催票行動,「反共護台志工聯盟」今(26)日召開記者會,宣布展開「護國大遶境」行動。媒體關注,屆時是否會邀請總統賴清德合體造勢,聯盟發起人曹興誠則回應,當然希望總統出來一起
Thumbnail
—從「我有做」到「我講得出來也教得會」— 有做過,不等於懂;說得出來,也不是天賦。 這篇用咖啡、拍照、工作的日常經驗,說明「概念理解的五階段」。幫助你從模糊感受走向清晰邏輯,把會做變成會說,把會說變成會教。懂概念的深度,就是你認知成長的關鍵。
Thumbnail
—從「我有做」到「我講得出來也教得會」— 有做過,不等於懂;說得出來,也不是天賦。 這篇用咖啡、拍照、工作的日常經驗,說明「概念理解的五階段」。幫助你從模糊感受走向清晰邏輯,把會做變成會說,把會說變成會教。懂概念的深度,就是你認知成長的關鍵。
Thumbnail
此為寫字進階課程。每個人都有寫一手好字的潛能,只要受到合適的啟發與引導,便能建立良好的書寫習慣,移除不良的書寫習慣。本課程幫助教師開發自身寫字潛能,透過有效的寫字學習設計與策略,發展一套幫助學員快速掌握硬筆書法美感原則的寫字潛能開發課程。本課程以寫字師資培訓為主要目標,並探討各種教學模式與策略。
Thumbnail
此為寫字進階課程。每個人都有寫一手好字的潛能,只要受到合適的啟發與引導,便能建立良好的書寫習慣,移除不良的書寫習慣。本課程幫助教師開發自身寫字潛能,透過有效的寫字學習設計與策略,發展一套幫助學員快速掌握硬筆書法美感原則的寫字潛能開發課程。本課程以寫字師資培訓為主要目標,並探討各種教學模式與策略。
Thumbnail
不會被迫接受他人的觀點,更不會輕易隨他人的意見起舞,問出【為什麼】的當下,就是【獨立思考】的開始…
Thumbnail
不會被迫接受他人的觀點,更不會輕易隨他人的意見起舞,問出【為什麼】的當下,就是【獨立思考】的開始…
Thumbnail
在職場上,我們經常需要舉辦會議來討論工作事項或進行決策。會議結束後,我們需要統計出席資訊,以便了解會議的參與狀況。傳統的統計出席資訊的方法是人工逐行檢查會議記錄,這不僅耗時耗力,而且容易出錯。 今天,我將介紹一個使用 Excel 快速統計出席資訊的技巧,那就是使用 COUNTIF 函數。
Thumbnail
在職場上,我們經常需要舉辦會議來討論工作事項或進行決策。會議結束後,我們需要統計出席資訊,以便了解會議的參與狀況。傳統的統計出席資訊的方法是人工逐行檢查會議記錄,這不僅耗時耗力,而且容易出錯。 今天,我將介紹一個使用 Excel 快速統計出席資訊的技巧,那就是使用 COUNTIF 函數。
Thumbnail
先來看下列由財政部發布之新聞稿內容: 113 年 1 月海關進出口貿易初步統計 一、進出口貿易變動 (一)出口 1 月出口 371.9 億美元,較上月減 6.9%,因上年適逢農曆春節連假, 比較基期偏低,致年增 18.1%(按新臺幣計算增 20.1%)。 (二)進口 1 月進口 3
Thumbnail
先來看下列由財政部發布之新聞稿內容: 113 年 1 月海關進出口貿易初步統計 一、進出口貿易變動 (一)出口 1 月出口 371.9 億美元,較上月減 6.9%,因上年適逢農曆春節連假, 比較基期偏低,致年增 18.1%(按新臺幣計算增 20.1%)。 (二)進口 1 月進口 3
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News