通信工程 / 系统课时

用 BSC 生成独立比特翻转序列

用 BSC 生成独立比特翻转序列

二元对称信道(BSC)把每个发送比特以固定概率翻转,并假设不同位置的翻转相互独立。用一段可重复运行的 Python 仿真生成发送、错误和接收序列,再检查误码率及相邻错误频率,就能建立未编码传输的统计基线。

学习目标

  • 根据交叉概率 pp 生成独立的比特翻转,并得到接收序列。
  • 用固定随机种子复现实验,计算经验误码率。
  • 通过抽样波动与条件频率,初步核对 BSC 的统计假设。

把信道写成逐位异或

设发送比特为 XiX_i、接收比特为 YiY_i、翻转标记为 EiE_i,则

Yi=Xi⊕Ei,Ei∼i.i.d.Bernoulli⁡(p)Y_i=X_i\oplus E_i,\qquad E_i\overset{\mathrm{i.i.d.}}{\sim}\operatorname{Bernoulli}(p)

Ei=1E_i=1 表示第 ii 位翻转,Ei=0E_i=0 表示保持不变;P(Ei=1)=pP(E_i=1)=p。二元对称表示发送 0 变 1 与发送 1 变 0 的概率相同。独立表示各位置的 EiE_i 互不影响,同时错误过程不依赖发送比特。

例如 p=0.05p=0.05、发送 10110、翻转标记 00100,接收应为 10010。这里仅第 3 位出错,观察到的 1/5=0.21/5=0.2 不等于设定的 0.05,并不意味着模型错误:样本太短时波动很大。

运行可复现的仿真

下面使用 Python 3.9 及以上版本的标准库,无须安装依赖。取 N=100000N=100000、p=0.05p=0.05,先生成随机发送位,再为每个位独立抽取一次随机数决定是否翻转。单独保存错误序列,方便做统计核对。

python
import math
import random

def simulate_bsc(n: int, p: float, seed: int = 2026) -> None:
    if n < 2 or not 0 <= p <= 1:
        raise ValueError("n must be >= 2 and p must be in [0, 1]")

    rng = random.Random(seed)
    sent, flips, received = [], [], []

    for _ in range(n):
        bit = rng.getrandbits(1)
        flip = int(rng.random() < p)  # 每一位重新采样,不能复用一次抽样
        sent.append(bit)
        flips.append(flip)
        received.append(bit ^ flip)

    errors = sum(flips)
    previous_errors = sum(flips[:-1])
    adjacent_errors = sum(
        flips[i] == 1 and flips[i + 1] == 1 for i in range(n - 1)
    )
    # 估计前一位出错时,后一位也出错的条件概率
    after_error = adjacent_errors / previous_errors if previous_errors else float("nan")
    margin = 3 * math.sqrt(p * (1 - p) / n)

    print("发送前16位:", "".join(map(str, sent[:16])))
    print("翻转前16位:", "".join(map(str, flips[:16])))
    print("接收前16位:", "".join(map(str, received[:16])))
    print("错误位数:", errors)
    print(f"经验BER: {errors / n:.5f}")
    print(f"相邻条件错误率: {after_error:.5f}")
    print(f"3σ波动范围: [{p - margin:.5f}, {p + margin:.5f}]")

if __name__ == "__main__":
    simulate_bsc(100_000, 0.05)

预期输出(固定种子为 2026):

text
发送前16位: 0111101110100110
翻转前16位: 0000000000001000
接收前16位: 0111101110101110
错误位数: 5014
经验BER: 0.05014
相邻条件错误率: 0.05106
3σ波动范围: [0.04793, 0.05207]

先逐位检查前 16 位满足异或关系,再检查错误位数等于发送、接收逐位不同的位置数。种子让这次实验可重复,但不应在每次循环内重新初始化随机数生成器;否则可能制造重复模式,破坏独立性。

判断误码统计是否合理

由于每位独立翻转,错误总数 K=∑i=1NEiK=\sum_{i=1}^N E_i 服从二项分布 Binomial⁡(N,p)\operatorname{Binomial}(N,p),经验误码率为 p^=K/N\hat p=K/N。在本例中,期望错误数是 Np=5000Np=5000,实际得到 5014;经验 BER 为 0.05014。

误码率的标准差为

σp^=p(1−p)N≈0.000689\sigma_{\hat p}=\sqrt{\frac{p(1-p)}{N}}\approx0.000689

因此 p±3σp^p\pm3\sigma_{\hat p} 约为 [0.04793,0.05207][0.04793,0.05207]。这个范围是大样本正态近似下的经验检查区间,不是每次运行必须满足的硬性断言,约有少量实验可能超出。

还可以检查相邻位置:如果翻转独立,理论上 P(Ei+1=1∣Ei=1)=p=0.05P(E_{i+1}=1\mid E_i=1)=p=0.05。本次观测值为 0.05106,接近理论值。它只能初步发现明显相关性,不能凭一次有限样本证明独立;需要时可换种子重复实验,并检查更多滞后距离。

避免把模型误差当作编码效果

  • 错误比较对象:BER 应使用发送序列与接收序列逐位比较,不能拿接收序列中 1 的比例充当误码率。
  • 错误实现方法:每位都用新抽样得到 flip,不要抽一次后整块统一翻转;后者会产生相关错误,不再是独立 BSC。
  • 错误解释波动:对 N=100N=100、p=0.05p=0.05,期望仅 5 个错误,单次 BER 偏离 0.05 很常见;增大样本量或重复不同种子后再判断。
  • 边界情况:p=0p=0 时没有翻转;p=0.5p=0.5 时接收位与发送位统计独立,无法从接收位直接获得原始位信息;p=1p=1 时每位必翻转,接收序列可通过再取反恢复。

用于纠错码实验时,应使用相同的交叉概率 pp 和同一批信息比特,分别对编码与未编码比特流施加独立 BSC 噪声,再比较解码后的信息比特误码率。由于编码会增加传输比特数,不应把不同长度的传输序列强行套用同一条翻转序列,也不能忽略码率差异。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用 BSC 生成独立比特翻转序列

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通