如何在Unetstack模拟器中分析FEC（前向纠错）的工作机制

一、Unetstack中FEC的工作流程及算法步骤 #

1. FEC核心工作流程 #

• 发送端：
  1. 原始数据帧传入FEC编码器，根据配置的算法生成冗余校验位
  2. 编码完成的帧送入调制模块，完成调制后进入水声信道传输
• 接收端：
  1. 解调后的信号先进入FEC解码器，利用冗余位检测并纠正传输比特错误
  2. 解码后通过CRC等校验机制验证帧完整性，校验通过则输出有效数据；若错误超出纠错上限，则触发BadFrameNtf

2. 常用错误检测与纠错算法步骤 #

Unetstack默认支持两类主流FEC算法，具体步骤如下：

卷积码（Convolutional Codes）

• 编码：
  1. 设定约束长度（如K=7）和生成多项式（如G1=171、G2=133）
  2. 原始比特流通过移位寄存器，按生成多项式生成冗余比特，形成码率为1/2或1/3的编码流
• 解码：
  1. 接收端用维特比（Viterbi）算法，基于软判决值计算路径度量
  2. 筛选出错误概率最低的路径作为解码结果
  3. 输出原始比特流后，通过CRC校验确认帧有效性

LDPC码（Low-Density Parity-Check Codes）

• 编码：
  1. 基于预设的稀疏校验矩阵，将原始信息比特与校验比特做线性组合
  2. 生成码率可调（如1/2、2/3）的编码帧，冗余位分布稀疏
• 解码：
  1. 采用置信传播（Belief Propagation）算法，在校验节点与信息节点间迭代传递概率信息
  2. 多次迭代后根据比特置信度输出解码结果
  3. 若CRC校验失败，直接触发BadFrameNtf

二、错误引入与FEC分析的改进方案 #

针对参数阈值过高导致仅收到BadFrameNtf的问题，可通过以下方案调整：

1. 精细化参数调整，控制错误在FEC纠错范围内 #

• 不要直接拉满噪声、深度等参数，而是逐步微调：比如每次噪声提升0.5dB、深度增加50m，每次调整后发送100帧固定长度的测试数据，统计有效接收比例、比特错误率（BER）
• 目标是把BER控制在10^-2 ~ 10^-4区间，这个范围既能产生可纠正的错误，又不会超出FEC纠错能力，方便观察FEC的实际效果

2. 手动注入可控错误，替代信道参数调整 #

通过Unetstack API直接在编码后/解调前注入比特错误，精准控制错误数量和位置：

• 发送端注入示例：拦截编码帧后随机翻转指定比例的比特

  // 注入0.5%的随机比特错误
  modem.subscribe(EncodeNtf, { ntf ->
      def data = ntf.data
      int errorCount = (data.length * 0.005).toInteger()
      def random = new Random()
      for (int i=0; i<errorCount; i++) {
          int pos = random.nextInt(data.length)
          data[pos] ^= 0x01 // 翻转单个比特
      }
      return ntf
  })
  

• 接收端注入：在解调完成、FEC解码前拦截DecodeNtf注入错误，排除信道调制解调的干扰，聚焦FEC纠错逻辑

3. 利用内置调试工具分析FEC性能 #

• 启用软信息输出：执行modem.fec.softOutput = true，接收端可获取解码前的软判决值，分析FEC对不同置信度比特的纠错策略
• 统计纠错指标：部分版本的FrameRxNtf包含fecCorrectedBits字段，可直接获取每帧被FEC纠正的比特数，结合注入错误数量化FEC纠错能力

4. 搭建自动化测试框架 #

• 编写脚本循环发送测试帧，记录不同错误率下的：
  • 有效接收帧数量
  • FEC纠正比特数
  • 未纠正错误比特数
  • BadFrameNtf触发比例
• 基于数据绘制BER与FEC纠错率的关系曲线，直观分析FEC的工作边界

内容的提问来源于stack exchange，提问作者Poojitha Surla