Polar编解码与PSS-SSS联合检测：MATLAB物理层仿真实现

简介：面向5G通信研究者与通信工程学生的MATLAB仿真源码包，专注于Polar编解码与PSS/SSS联合检测技术，通过仿真输出同步成功率以及误比特率（BER）、块误码率（BLER），可用于评估物理层同步与信道编码性能，适合深度学习5G NR同步机制和Polar码应用的读者。资源共包含68个文件，以56个.m源码文件为主体，另有.mat数据、.bin信道文件、头文件及mexw64插件，分别用于保存信道响应、导入真实信道参数、提供C接口加速等，整体压缩包仅2.63MB。目前已有146人学习下载。源码工程目录清晰，涵盖系统参数、发端、信道、收端、常用函数等模块，内置TU信道和DMRS相关数据，可直接运行Runme.m复现仿真流程。借助该资源可快速上手Polar码编解码与联合检测的工程实现，也可基于现有框架修改参数、替换信道模型，是通信仿真实践和5G算法研究的高价值参考资料。

1. 一个MATLAB工程，把两件物理层难事放在同一条链路上

“基于Polar编解码的联合检测”这个标题，第一眼看像是两个独立仿真拼在一个工程里：一边是Polar码的收发链路，一边是PSS-SSS的小区搜索检测。实际做下来会发现，标题里的“联合”不只是一个文件夹装多份脚本，而是让同步检测的结果直接参与Polar译码过程——典型做法是先靠PSS-SSS盲检拿到物理小区标识和粗定时，再把这些参数用于PBCH信道的解扰、解速率匹配和Polar译码，最终统一用检测成功率、BER、BLER三条曲线交代整条链路的性能。这篇文章面对的读者是看过Polar码论文但没亲手搭过接收端的人，以及写过LTE同步但没碰过NR同步序列的人。我不会去依赖5G Toolbox里的封装黑盒，而是把从序列生成到统计误码的最小闭环一步步展开，让你能在自己的数据上复现并看清每个门限和参数在结果里的作用。

2. Polar编解码的最小MATLAB实现：从生成矩阵到SCL译码

2.1 为什么控制信道场景选Polar而不是Turbo或LDPC

5G NR在物理下行共享信道用LDPC做数据信道编码，在物理广播信道和控制信道用Polar，这个分工本身就是工程权衡的结果。LDPC在中长码长上有接近香农限的性能，但在PBCH这种只有几百比特的小净荷上，码块分段带来的开销会明显吃掉编码增益，延时也受迭代次数限制。Polar码的优势恰恰是短码和中等码长下表现稳定，且速率匹配非常灵活——它通过打孔和缩短从母码长度适应各种调度尺寸，这让它适合承载DCI和MIB这类结构不对称的小包。

另一个常被忽略的点是Polar补码的构建方式明确。Arikan极化码的结构基于信道极化的递归变换，信息位集合生成后，编码器是一个固定矩阵的乘法，复杂度O(N log N)。这个确定性使得控制信道可在严格时延预算内完成一次SCL译码，而Turbo码在短码时的错误平层和LDPC在低信噪比下的高迭代代价都是实际顾虑。因此后面仿真链路里我会把Polar放在PBCH信道模型下验证，而不是把它塞进高速数据业务场景。

2.2 极化构造：参数表与矩阵递归生成

要动手写Polar编解码，先要确定一组构造函数需要的参数。下表是我常用的默认配置，也方便后续调参对比：

生成矩阵是Polar编码的根基。核矩阵F为[[1,0],[1,1]]，N阶生成矩阵是F的n次Kronecker幂再乘以比特反转置换矩阵。Kronecker幂可以直接用MATLAB的kron函数迭代得到，但N=1024时矩阵膨胀得很厉害，更稳的做法是用递归结构隐式完成极化变换。下面给出一个不显式展开生成矩阵的编码思路，它把输入重排后做蝶形异或操作，对应的是编码的快速实现。

2.2.1 极化变换的MATLAB操作

function x = polar_encode(u, n) % u: 长度为2^n的逻辑比特向量，已含冻结位置 x = u; for s = 1:n % 逐级蝶形 step = 2^s; idx = reshape(1:length(u), step, []); % 每组的后一半与前半部分异或后更新前半段 for blk = 1:size(idx, 2) i1 = idx(1:step/2, blk); i2 = idx(step/2+1:step, blk); x(i1) = xor(x(i1), x(i2)); end end x = bitrevorder(x); % 比特反转，等效于在接收端做同样的反转 end

这段代码的关键是蝶形运算的循环结构：每一级把向量按2的幂拆分，前半部分异或后半部分后写回，级间顺序从s=1到s=n。这里我用bitrevorder做比特反转，它和5G标准中的位置映射方式一致，解码端需要在软信息送入译码器前做同样的反置换。用循环而不是矩阵乘法，好处是省内存，坏处是MATLAB循环在N较大时有性能损失，后续优化可改用实部虚部重排的算法。

2.3 SC与SCL的工程取舍：列表长度的实际影响

SC译码本质上是沿二叉树逐比特递归地判断似然比，判定错误后会不可逆转地传播。SCL则是维护L条候选路径，在每比特扩展后保留度量最高的L条，直到结尾用CRC校验挑出正确路径。下面给一个框架性的SCL实现片段，只截取最核心的剪枝逻辑，便于解释参数含义。

function [bits, path_metric] = scl_decode_llr(llr, info_idx, crc_bits, L) % llr: 接收符号的对数似然比，长度N % info_idx: 信息位索引，冻结位在该框架中被硬置为0 paths = zeros(L, numel(llr)); metrics = zeros(1, L); for i = 1:numel(llr) % 扩充路径：每路径分裂为候选0和1 expanded = zeros(2*L, i); expanded(1:2:2*L-1, :) = paths(:, 1:i); expanded(1:2:2*L-1, i) = 0; expanded(2:2:2*L, :) = paths(:, 1:i); expanded(2:2:2*L, i) = 1; % 用llr累加度量，这里简化使用硬判决近似 new_metric = repmat(metrics, 1, 2)' + expanded(:, i) .* llr(i); [~, ord] = sort(new_metric, 'descend'); paths = expanded(ord(1:L), :); metrics = new_metric(ord(1:L)); end % 最后用CRC做最优路径选择 for p = 1:L if crc_check(paths(p, :), crc_bits) bits = paths(p, info_idx); path_metric = metrics(p); return; end end bits = paths(1, info_idx); % 全部失败时退回度量最大路径 end

以上实现做了两处简化：一是路径度量直接用硬判决似然累加，简化了标准SCL中的对数似然比递推；二是每个比特都做全路径分裂，没有按冻结位优化分支数。实际工程中应当在第i步只对信息位做扩展，冻结位直接追加0且不分裂，否则复杂度会翻倍。SCL的关键参数L决定性能拐点：L从1增到4时，BER和BLER下降最明显，L超过16后增益趋饱和，而每个L值的复杂度近似线性增长。

提示：在没有5G Toolbox的情况下，CRC校验可以自己实现，但需要用matlab的comm.CRCGenerator配合comm.CRCDetector验证过再接入SCL，否则路径选择错误会表现为中高信噪比下BLER依旧平层。

3. PSS-SSS联合检测：序列生成、滑动相关与PCI盲检

3.1 PSS和SSS的M序列基础

5G NR的PSS和SSS都是m序列，即最长线性反馈移位寄存器序列，区别在于PSS基于多项式x7+x4+1，SSS基于x7+x6+1。物理小区标识PCI由两部分组成：PCI = 3*NID1 + NID2，其中NID2取0、1、2，对应PSS的三种循环移位；NID1取0到335，对应SSS序列的循环移位组合。联合检测的目标就是在接收信号里同时找到这两个移位量，拼出完整的PCI。下面这段代码生成标准的PSS序列，采用频域定义，方便后续直接映射到子载波。

3.1.1 PSS频域序列的MATLAB生成

function pss_seq = generate_pss(NID2, Nfft) % NID2: 0, 1, 2 % Nfft: Nfft主要用于占位，标准长度固定为127 x = zeros(1, 127); x(1:7) = [0 0 0 0 0 0 1]; % 初始状态 m = 1:7; for i = 8:127 x(i) = mod(x(i-7) + x(i-4), 2); % 由多项式 x^7 + x^4 + 1 导出 end seq = 1 - 2*x; % BPSK映射 pss_seq = zeros(1, 127); for n = 0:126 pss_seq(n+1) = seq(mod(n + 43*NID2, 127) + 1); end % 频域直接适用，做归一化以便相关 pss_seq = pss_seq / sqrt(mean(abs(pss_seq).^2)); end

频域PSS序列长度固定127，不需要用Nfft参数生成序列本身，但接收端做相关前要先做OFDM解调得到频域符号，才能把收到的127个子载波和本地序列做相关。43这个移位常数来自5G标准中的循环移位定义，NID2为0、1、2时分别对应移位0、43、86。归一化步骤很重要，它会直接影响后续相关峰和门限的比较，不归一化时功率差异会覆盖门限判断的结果。

3.2 滑动相关与定时同步：从粗同步到联合判决

接收端最直接的做法是取同步信号所在OFDM符号的解调输出，在频域对所有可能的NID2和NID1组合做相关。但在多径信道下，窄带干扰或频偏可能使单个PSS相关峰不够稳定，所以工程上常先用PSS做一次粗对齐，确定OFDM符号边界后，再联合SSS做二次判决。下面给出频域联合检测的代码，输入是接收OFDM符号解调后的资源网格。

function [pci, timing, strength] = joint_pss_sss_detect(rx_grid, n_id2_range, n_id1_range) % rx_grid: 接收端OFDM解调后的频域资源网格，大小为 Nfft x Nsym max_corr = -inf; for nid2 = n_id2_range pss_loc = generate_pss(nid2, size(rx_grid, 1)); corr = sum(conj(pss_loc) .* rx_grid(pss_indices, pss_symbol), 1); [val, sym_off] = max(abs(corr)); if val > max_corr max_corr = val; best_nid2 = nid2; timing = sym_off; end end % 基于PSS找到的最佳NID2和定时位置，再在SSS位置做联合判决 sss_corrs = zeros(1, length(n_id1_range)); for nid1 = n_id1_range sss_loc = generate_sss(best_nid2, nid1, size(rx_grid, 1)); sss_corrs(nid1+1) = sum(conj(sss_loc) .* rx_grid(sss_indices, pss_symbol + 1)); end [~, best_nid1] = max(abs(sss_corrs)); pci = 3 * best_nid1 + best_nid2; strength = abs(sss_corrs(best_nid1+1)); end

这里用两个步骤避免联合暴搜的复杂度：先对NID2做三路相关，取最大者确定粗定时；再固定NID2后对336个SSS候选做一轮相关。总相关次数从3×337次降为3+337次，在MATLAB for循环下能快一个数量级。timing输出用于后续OFDM符号对齐，而strength可以保存下来用于成功率判决——工程中常把strength除以噪声功率得到检测度量，比直接用绝对相关值更公平。

3.3 检测门限的设置：不只看相关峰

很多初版仿真在检测成功率上虚高，原因不是算法坏，而是判决标准只剩“是否找到全局最大峰”。实际系统中，即使完全随机的噪声，也总能找到一个最大峰来强制判决，因此必须设置一个有效峰与噪声底的比例门限。常用方式是取相关结果的均值作为噪声估计，期望峰值的旁瓣水平大约在均值的4到6倍之间。跳进仿真后，先跑几万个纯噪声符号记录最大值分布，再取PFA目标来反推门限，比任何经验常数都靠谱。

4. 联合仿真链路搭建：从发射端到成功率、BER、BLER统计

4.1 帧结构与联合检测的配合方式

联合仿真需要一个完整的收发链路。发送端在每帧第一个时隙放PSS和SSS，同时在同一SSB块内把MIB比特经过Polar编码、QPSK调制后映射到PBCH资源。接收端先做PSS-SSS检测获取PCI和定时，随后按PCI指定的扰码和速率匹配参数解调PBCH，最后执行Polar译码。整个仿真脚本结构如下：

• 外层循环遍历信噪比点
• 中层循环遍历仿真帧数，每个SNR点运行2000帧以上
• 内层调用PSS-SSS检测函数、PBCH解调函数、Polar SCL译码函数
• 统计量在每帧结束时更新

4.2 误码统计单元：BER、BLER、成功率的正确计数方法

% 主仿真循环核心片段 for snr_idx = 1:length(snr_db) ber_count = 0; bler_count = 0; block_total = 0; sync_success = 0; for frame = 1:num_frames tx_bits = randi([0 1], K, 1); [pss_sym, sss_sym, pbch_grid] = tx_chain(tx_bits, PCI); rx_signal = awgn_channel(pbch_grid, snr_db(snr_idx)); [est_pci, timing, strength] = joint_pss_sss_detect(rx_signal); if est_pci == PCI && strength > threshold sync_success = sync_success + 1; rx_bits = rx_pbch_chain(rx_signal, est_pci, timing); block_total = block_total + 1; err_bits = sum(rx_bits ~= tx_bits); ber_count = ber_count + err_bits; if err_bits > 0 bler_count = bler_count + 1; end end end ber(snr_idx) = ber_count / (block_total * K); bler(snr_idx) = bler_count / block_total; sync_rate(snr_idx) = sync_success / num_frames; end

这里有一个容易混淆的统计口径：BER的分母是所有译码后解码块的比特总和，而不是全部发射比特总和。如果PSS-SSS检测失败，那一帧的译码直接就丢了，因此它的错误比特不该进BER分母。BLER同理，只统计成功同步后的块集。实际做下来你会发现，在低信噪比区域检测成功率下降导致block_total偏小，BER曲线会出现在低信噪比下剧烈跳动的现象——这不是代码bug，而是有效样本量变小导致的统计方差，解决方法是加大num_frames或者至少固定随机数种子。

4.2.1 统计口径速查表

4.3 性能曲线绘制：semilogy配合置信区间的Monte Carlo

MATLAB画BER和BLER曲线时，数值可能跨越几个数量级，线性坐标根本看不出差异，所以统一用semilogy。此外很多仿真曲线在低信噪比处右端翘起来，其实是同步丢失导致统计样本收缩，画图前先看线性坐标下的成功率曲线，能解释BER的反常上升。

figure; semilogy(snr_db, ber, 'b-o', 'LineWidth', 1.5); hold on; semilogy(snr_db, bler, 'r-s', 'LineWidth', 1.5); grid on; xlabel('Eb/N0 (dB)'); ylabel('Error Rate'); legend('BER', 'BLER', 'Location', 'southwest'); % 对成功率单独用plot而非semilogy yyaxis right; plot(snr_db, sync_rate, 'g--^'); ylabel('Detection Success Rate');

注意这里我用yyaxis把成功率和误码率画在同一张图的不同纵轴上，成功率是0到1的量级，放左轴会把曲线压缩在顶部，放右轴更合理。x轴标签用Eb/N0而非SNR，因为Polar译码后的性能对比要考虑速率匹配和CRC开销，统一为每信息比特的噪声功率密度才可复现。

5. 验证仿真正确性的三个关键技巧

5.1 用纯噪声标定相关门限，而不是拍脑袋定阈值

联合检测成功率曲线对门限非常敏感，门限高了低信噪比下检测不到，门限低了高信噪比下误检。标准做法是先把PSS-SSS发射机关闭，让接收端只收到复高斯噪声，重复执行数千次检测，记录相关度量的分布，选取满足目标虚警概率的那一点。这个经验值可以作为仿真中threshold的初始值，后续再微调。我在实际项目中通常用噪声场景下第99.9百分位的度量值作为门限，效果比固定乘噪声均值更稳定。

5.2 验证SCL译码的正确性：固定L=1先对比SC

SCL译码比SC复杂，出问题时往往是路径度量计算或CRC选择逻辑有bug。一个稳妥的验证路径是先把L固定为1，让它退化为SC译码，然后对照一个从零实现的SC译码器或对比论文中的性能曲线。两者输出完全一致后，再把L提升到4、8，观察BLER是否单调下降。如果L=2比L=1差，基本可以断定路径度量或剪枝算法存在符号错误。此外，要在CRC级联前先只跑无CRC的场景，确认Polar译码本身没错，再加CRC做终选。

5.3 固定随机种子复现高信噪比区域的“错误平层”

Polar码在高信噪比下的错误平层通常由两个因素导致：冻结位选择不佳或SCL路径数不足。若BER曲线在中高信噪比出现拐点不再下降，先检查冻结位集合是否用了巴氏参数而非随机选取。MATLAB的bhattacharyya函数可以计算每个比特信道的容量，按容量从大到小排序后，把最小的一部分做冻结位。随机冻结位在高信噪比下会残留固定数量的错误比特，表现就是BER曲线平台，出现这种现象时不要急着加信噪比点数，先去换冻结位生成方案，再考虑增大L。最后还可以跑一组不同随机种子，观察曲线波动幅度是否在几个dB内，如果相同信噪比下BER差异超过一个数量级，说明仿真帧数不足，BLER置信区间过大。

本文还有配套的精品资源，点击获取