简介：这份资源面向通信工程、信号处理方向的学习者与开发者，聚焦5G NR标准下LDPC码的MATLAB实现，帮助读者理解校验矩阵构造、编码流程与迭代解码算法，适合具备一定通信原理与MATLAB基础的中高级读者用于课程设计或算法验证。压缩包共9个文件，以7个m脚本和2个mat数据文件为主，脚本覆盖基图选择、提升尺寸计算、校验矩阵生成、打孔与仿真主流程，mat文件则保存协议对应的校验矩阵数据，整体约20KB，结构紧凑便于按模块研读。目前已有1361人学习下载。通过阅读代码，读者可掌握3GPP两套协议下H矩阵的生成方式、信息列与打孔处理逻辑，并借助仿真脚本观察不同码率与码族下的编解码表现，为后续算法优化与硬件移植提供可复用的参考实现。
1. 5G LDPC 码的 MATLAB 实现：从标准到可跑通的链路级仿真
做 5G 物理层的人迟早会撞上 LDPC。协议里 eLDPC 编码链路看起来只是几张表加几个公式，真动手写 MATLAB 才发现坑全在细节里：基图怎么选、提升因子 Zc 怎么定、速率匹配的比特选择怎么和 HARQ 冗余版本对齐，任何一处对不上，误码率曲线就是一条平的。这个标题指向的正是这条链路——在 MATLAB 里把 3GPP 38.212 定义的 5G LDPC 编码从基图、循环系数、编码矩阵一路搭到速率匹配和译码验证。它适合两类人：一类是要做链路级仿真、验证自己算法性能的通信研究生和工程师；另一类是基站或终端侧做 LDPC 实现、需要一份 MATLAB 参考模型来对拍 C 代码的开发者。下面按我实际搭这套东西的顺序讲，能直接抄去改。
2. 5G LDPC 和 4G Turbo 的差别：为什么基图要分 BG1 和 BG2
2.1 准循环结构和双基图设计
5G 选 LDPC 而不是继续用 Turbo，核心原因是高码率、大码块下的译码吞吐和错误平层。NR LDPC 用的是准循环结构：整个奇偶校验矩阵由若干个 Zc×Zc 的循环置换矩阵和全零矩阵拼成，Zc 叫提升因子。这样做的好处是编码和译码都能按块并行，硬件友好，MATLAB 里也能用稀疏矩阵加循环移位高效表示，不用真的展开成一个上万维的稠密矩阵。
协议定义了两张基图。BG1 是 46×68，信息列 22 列，适合码率较高、信息块较大的场景，比如 eMBB 的下行数据；BG2 是 42×52，信息列 10 列，适合低码率、小块或高可靠场景，比如控制信息和 URLLC。选哪张不是拍脑袋，38.212 给了明确规则：按信息比特数 A 和码率 R 查表。我一般直接按协议表格实现一个选择函数，而不是自己定阈值，否则和标准对不上，后面速率匹配全乱。
2.2 基图选择与提升因子的确定
选完基图，接下来定 Zc。协议给了一张提升因子候选表，Zc = a × 2^j，a 取 2、3、5、7、9、11、13、15，j 从 0 到 7，一共 51 个合法值。规则是：先根据信息块长度和码率算出需要的 Kb，再找最小的 Zc 使得 Kb × Zc 能容纳信息比特。这里最容易翻车的是把 Kb 记错——BG1 的 Kb 是 22，BG2 是 10，但 BG2 在信息比特很短时 Kb 会降到 9 或 6，这个细节不处理，短块场景直接对不上。
function [bgn, Zc] = selectBaseGraph(A, R) % A: 信息比特数, R: 目标码率 % 返回基图编号 bgn 和提升因子 Zc if A <= 292 || (A <= 3824 && R <= 0.67) || R <= 0.25 bgn = 2; else bgn = 1; end % 确定 Kb if bgn == 1 Kb = 22; else if A > 640 Kb = 10; elseif A > 560 Kb = 9; elseif A > 192 Kb = 8; else Kb = 6; end end % 提升因子候选表 a_list = [2 3 5 7 9 11 13 15]; Zc_list = []; for a = a_list for j = 0:7 Zc_list(end+1) = a * 2^j; end end Zc_list = sort(Zc_list); K = Kb * Zc_list; % 每个候选 Zc 对应的最大信息长度 idx = find(K >= A, 1, 'first'); Zc = Zc_list(idx); end这段逻辑说明：先按协议规则定基图，再按 A 的大小定 Kb，最后在 51 个候选 Zc 里找第一个能满足 Kb×Zc ≥ A 的值。参数上要注意 A 是加完 CRC 之后的信息比特数，不是原始传输块大小，很多人在这里少加了 CRC 导致 Zc 选小了一档，编码直接报错。另外 Zc_list 排序后取 first，保证选到的是最小合法值，符合协议要求。
3. 在 MATLAB 里搭出编码核心：从基图矩阵到码字
3.1 用稀疏矩阵表示基图并做循环扩展
协议给的基图是以循环系数形式给出的，每个非 -1 的元素表示一个 Zc×Zc 的循环移位矩阵，移位量就是那个系数。MATLAB 里没必要真的构造大矩阵，我一般保留基图系数矩阵 H_BG，编码时按系数做循环移位和异或。这样内存占用小，速度也快。基图系数可以从协议表格录入，也可以从公开的参考实现里核对，但一定要自己验证几个已知向量，别直接信来源不明的表。
编码本身分两部分：前 Kb 列对应系统比特，直接放信息；后面是校验部分，5G LDPC 的校验结构是双对角加一个特殊列，可以用前向代入快速求解，不需要做矩阵求逆。这是 5G LDPC 编码能做得很快的关键，也是和一般 LDPC 随机矩阵最大的不同。
function cw = ldpcEncode(infoBits, H_BG, Zc, Kb) % infoBits: 信息比特(长度 Kb*Zc) % H_BG: 基图系数矩阵, -1 表示全零块 % 返回编码后码字(含系统位和校验位) [mb, nb] = size(H_BG); kb = nb - mb; % 重塑成 Kb 个长度为 Zc 的块 u = reshape(infoBits, Zc, kb).'; p = zeros(mb, Zc); % 前向代入求校验块, 利用双对角结构 for i = 1:mb acc = zeros(1, Zc); for j = 1:kb if H_BG(i,j) >= 0 acc = mod(acc + circshift(u(j,:), H_BG(i,j)), 2); end end for j = 1:i-1 if H_BG(i, kb+j) >= 0 acc = mod(acc + circshift(p(j,:), H_BG(i, kb+j)), 2); end end p(i,:) = acc; end cw = [reshape(u.', 1, []), reshape(p.', 1, [])]; end逻辑说明：把信息比特按 Zc 分块，逐校验行累加对应循环移位后的块，再减去已求出的校验块贡献，得到当前校验块。参数上 H_BG 的维度决定 mb 和 kb，circshift 的移位量就是基图系数。注意这里用 mod 2 做二元运算，实际工程里会用位运算加速，但 MATLAB 验证阶段这样写最直观。跑通后拿一个全零信息块测试，输出应该也是全零，这是最基本的自检。
3.2 速率匹配与 HARQ 冗余版本
编码出来的是母码，长度是 nb×Zc，实际传输要经过速率匹配截取或重复到目标长度。5G 的速率匹配分三步：比特选择、交织、比特交织。比特选择按冗余版本 rv 从循环缓冲里取，rv0 到 rv3 对应不同的起始位置。这里最常见的坑是循环缓冲的构造顺序——系统比特和校验比特的排列顺序、以及被打孔的前 2×Zc 个比特，顺序错了，四个 rv 的起始位置全错，HARQ 合并增益直接消失。
function out = rateMatch(cw, Zc, Kb, E, rv) % cw: 母码, E: 目标输出长度, rv: 冗余版本 0~3 Ncb = length(cw); % 打孔前 2*Zc 个比特 buf = cw(2*Zc+1:end); % 按 rv 确定起始位置 switch rv case 0, k0 = 0; case 1, k0 = floor(17*Ncb/(66*Zc))*Zc; case 2, k0 = floor(33*Ncb/(66*Zc))*Zc; case 3, k0 = floor(56*Ncb/(66*Zc))*Zc; end out = zeros(1, E); for i = 1:E out(i) = buf(mod(k0 + i - 1, length(buf)) + 1); end end逻辑说明：先按协议打孔掉前 2×Zc 个比特，再按 rv 算起始偏移 k0，然后循环读取到目标长度 E。参数上 k0 的公式里 Ncb 是循环缓冲长度，不同 rv 的系数 17、33、56 来自协议，别自己改。注意 E 可能大于缓冲长度，这时会重复读取，这是正常的，不是 bug。验证方法是把四个 rv 的输出拼起来看是否覆盖了缓冲的不同区段。
4. 译码与性能验证：把误码率曲线跑出来
4.1 置信传播译码的 MATLAB 实现要点
编码对了不代表链路对了，得用译码器把误码率跑出来才算数。5G LDPC 常用的是分层置信传播或最小和译码。MATLAB 里我一般先用最小和，因为实现简单、数值稳定，验证功能足够。核心是迭代地在变量节点和校验节点之间传对数似然比，每轮更新一次硬判决，达到最大迭代次数或校验通过就停。
实现时要注意两点：一是归一化最小和的归一化因子，取 0.75 到 0.8 之间通常性能接近置信传播；二是消息要用稀疏结构索引，别用全矩阵，否则一个码块几万次循环，MATLAB 跑一晚上都出不来一条曲线。我一般把基图系数转成稀疏邻接表，变量节点和校验节点的连接关系预先算好。
function [decBits, iter] = ldpcDecode(llr, H_BG, Zc, maxIter) % llr: 接收对数似然比 % 返回译码比特和实际迭代次数 [mb, nb] = size(H_BG); kb = nb - mb; L = reshape(llr, Zc, nb); % 初始化变量节点消息 Mv = L; for iter = 1:maxIter % 校验节点更新(最小和) Mc = zeros(mb, Zc); for i = 1:mb for j = 1:nb if H_BG(i,j) >= 0 % 取该行其他变量节点的最小值 tmp = Mv; tmp(j,:) = inf; Mc(i,:) = min(abs(tmp), [], 1) .* sign(prod(sign(tmp),1)); end end end % 变量节点更新 Mv = L; for i = 1:mb for j = 1:nb if H_BG(i,j) >= 0 Mv(j,:) = Mv(j,:) + circshift(Mc(i,:), -H_BG(i,j)); end end end % 硬判决与校验 decBits = reshape((Mv(1:kb,:) < 0).', 1, []); if checkParity(decBits, H_BG, Zc) break; end end end逻辑说明：校验节点更新取该行其他变量节点消息的绝对值最小值和符号乘积，这是最小和的核心；变量节点更新把校验消息移回对应位置累加。参数上 maxIter 一般设 20 到 50，归一化因子可以乘在 Mc 上。注意这段是教学版，逐元素循环很慢，实际跑曲线要把内层循环向量化，或者用通信工具箱的 ldpcDecode 做对拍。
4.2 用误码率曲线判断实现是否正确
验证实现对不对，最直接的办法是跑 AWGN 下的误码率曲线，和协议或公开结果对比。如果曲线在低信噪比下正常下降，说明编码译码链路基本对；如果出现错误平层，通常是基图系数录错、Zc 选错或速率匹配顺序错。我一般先跑一个固定码率、固定码长的点，确认和参考差在 0.2 dB 以内，再铺开跑整条曲线。
| 验证项 | 期望现象 | 异常时的排查方向 |
|---|---|---|
| 全零输入编码 | 输出全零 | 基图系数或循环移位方向 |
| 无噪声译码 | 一次迭代即通过 | 校验矩阵与编码是否一致 |
| 低信噪比曲线 | 随 SNR 单调下降 | 速率匹配或 LLR 量化 |
| 高信噪比曲线 | 无错误平层 | 基图系数、Zc、迭代次数 |
5. 避坑与排查：5G LDPC MATLAB 实现里最容易翻车的五件事
现象：编码输出长度和预期对不上。原因多半是 Zc 选错或 Kb 用错，尤其是 BG2 短块场景 Kb 会降到 9 或 6，很多人固定用 10。解决是按 A 分段判断 Kb，并在选完 Zc 后打印 Kb×Zc 和 A 对比，确认能容纳。
现象：译码在无噪声下也不收敛。原因是编码用的基图和译码用的基图不是同一份，或者循环移位方向反了。解决是统一基图来源，编码和译码共用同一个 H_BG，并检查 circshift 的正负号是否一致。
现象：HARQ 合并后没有增益。原因是四个 rv 的起始位置算错，或者循环缓冲构造时打孔位置不对。解决是核对 k0 公式里的系数，并打印四个 rv 的输出区间，确认它们落在缓冲的不同位置。
现象：误码率曲线出现错误平层。原因是基图系数录入有误，或者最小和译码的归一化因子没调。解决是逐行核对基图系数，把归一化因子从 1.0 往 0.75 调，看平层是否下降。
现象：MATLAB 跑一条曲线要几个小时。原因是译码用了全矩阵和逐元素循环。解决是把基图转稀疏邻接表，内层循环向量化，或者直接用通信工具箱的 ldpcEncode/ldpcDecode 做性能基准，自己实现只用于理解和对拍。
6. 进阶技巧：用对拍和定点量化把 MATLAB 模型推向工程
功能跑通只是第一步，真正要拿去指导实现，还得做两件事：对拍和量化。对拍就是拿 MATLAB 自写实现和通信工具箱的 ldpcEncode/ldpcDecode 逐比特比对，随机生成几百组信息比特，确认编码输出完全一致、译码输出在相同 LLR 下一致。这一步能抓出绝大多数隐藏 bug，比看曲线快得多。
% 与通信工具箱对拍 for trial = 1:200 A = randi([100, 8000]); info = randi([0 1], 1, A); % 自写实现 [bgn, Zc] = selectBaseGraph(A, 0.5); H_BG = loadBaseGraph(bgn); infoPad = [info, zeros(1, 22*Zc - A)]; cw1 = ldpcEncode(infoPad, H_BG, Zc, 22); % 工具箱实现 cfg = ldpcEncoderConfig(H_BG); cw2 = ldpcEncode(info.', cfg).'; assert(isequal(cw1, cw2), '第 %d 组编码不一致', trial); end逻辑说明：随机生成不同长度的信息块，分别用自写函数和工具箱编码，断言输出一致。参数上注意工具箱的输入输出方向和信息补齐方式，补齐位数要和自写实现一致。这一步过了，说明编码核心没问题，再去做译码对拍。
定点量化是另一个分水岭。MATLAB 默认双精度，实际硬件是定点，LLR 位宽、消息饱和、归一化因子都会影响性能。我一般把 LLR 量化到 4 到 6 比特，消息位宽 6 到 8 比特，跑一遍曲线看和浮点差多少。差 0.3 dB 以内可以接受，差太多就要调饱和门限。这个环节没有捷径，只能一点点试，但试出来的参数就是后面写 RTL 或 C 的直接输入。
我自己踩过最深的一个坑，是早期图省事直接用了网上抄来的基图系数，结果曲线怎么调都不对，查了三天才发现有一行的移位量抄错了一个数。从那以后我养成的习惯是：任何基图、任何系数表，进代码前先用全零和全一向量各跑一遍自检，再和工具箱对拍。这个习惯帮我省下的时间，远比多写几行验证代码多。希望帮到你。
本文还有配套的精品资源，点击获取
