ARTICLE · 1134410
AI,太赫兹,极化码三者耦合时代
AI,太赫兹,极化码三者耦合时代极化码：起源、原理及其在6G、通感一体化雷达基站中的技术演进，兼论AI与太赫兹协同作用 摘要 极化码（Polar Code）是信息论领域里程碑式的信道编码方案，是首个被严格数学证明可逼近香农信道容量的确定性编码，2009年由土耳其学者Erdal Arikan正式提出，已经在5G控制信道实现标准化落地。面向6G通感一体化（ISAC），极化码将从传统通信编码，演进为支撑基站通信、雷达感知一体化信号的统一编码方案；AI将解决极化码在动态信道、复杂场景下构造与译码的复杂度瓶颈；太赫兹通信则对极化码的鲁棒性、自适应码率提出严苛约束，而极化码反过来保障太赫兹高速链路的传输可靠性，二者构成互相赋能的耦合关系。 一、极化码的来历 自香农1948年提出信道容量理论之后，学术界长期寻找能够达到信道容量、同时具备低复杂度编解码的实用编码。Turbo码、LDPC码可以逼近容量，但只能通过随机构造，缺少严格的数学证明。 2008年，Erdal Arikan在ISIT会议首次提出信道极化思想；2009年在IEEE Transactions on Information Theory发表经典论文，完整提出极化码理论，证明二元离散无记忆对称信道（B-DMC）可以通过信道合并与分裂，实现信道两极分化，由此诞生极化码 。 极化码理论发表后，华为开展长期工程化研究，推动极化码在3GPP标准中入选5G eMBB控制信道编码，成为5G物理层核心技术之一。 5G的极化码主要面向短码、高可靠控制信令，但存在有限码长下极化不完全、译码时延、动态信道适配不足等短板，因此面向6G开展PAC码、部分极化码（PPP）等改进型极化码研究。 二、极化码基本原理 极化码的核心是信道极化，分为两步：信道合并、信道分裂。 1. 信道合并：取N=2^n个相同独立信道，通过递归蝶形变换，将多个独立信道耦合为一个复合信道。 2. 信道分裂：复合信道再拆分为N个合成子信道。当码长N趋向无穷大时，子信道发生两极分化：一部分子信道趋近无噪好信道（容量趋近1），另一部分趋近全噪声坏信道（容量趋近0）。 工程实现上： - 在可靠性高的好子信道承载信息比特； - 在坏子信道放置收发双方预先已知的冻结比特（Frozen Bits），不传输有效信息。 编码复杂度为O(N\log N)。经典译码采用串行抵消SC译码；工程上广泛使用CRC辅助串行抵消列表译码（CA-SCL），在短码场景大幅降低误块率。 核心优势：确定构造、数学可证明可达容量、短码性能优异、无误差底限；短板：码长有限时极化效果不足，SC译码串行结构带来时延，在高速、时变信道下子信道可靠性评估计算量大 。 三、极化码在6G中的作用，以及对雷达、基站（通感一体化）的影响 6G不再是单纯移动通信，核心特征之一就是通信感知一体化ISAC，基站同时承担通信传输+雷达探测功能，同一个射频波形，既传递用户数据，也对目标进行测距、测速、成像。极化码在6G的定位，不再只是控制信道编码，而是通信-感知一体化基带的统一编码基座。 
3.1 在6G通信基站层面 1. 控制信道的持续主力：继承5G优势，极化码继续作为6G控制信道编码，优化盲检、降低虚警概率，支持海量连接、URLLC超高可靠低时延业务。改进型PPP部分极化码、PAC极化调整卷积码，解决5G时代DCI比特长度受限、译码提前终止困难等痛点，适配6G更大载荷、海量终端的控制信令需求 。 2. 扩展至数据信道与多址接入：极化编码NOMA、极化多址接入，利用多用户之间的极化效应，在非正交多址场景提升接入容量，适配6G超大规模MIMO、海量物联网终端。 3. 统一编码调制PCM：将极化编码与高阶调制联合设计，同时利用编码域极化、MIMO空间域极化，提升高频谱效率，适配太赫兹、毫米波等高频段基站。 3.2 对雷达、通感一体化基站的影响 传统雷达波形一般不携带信息；通感一体化波形需要在雷达探测波形上叠加通信比特，要求编码同时兼顾雷达模糊函数性能与通信误码性能。 1. 感知+通信信号共用极化编码：极化码的结构化特性，可对ISAC波形进行联合编码，同一个信号既用于目标探测，也传输控制/业务数据，减少两套独立硬件，降低基站、雷达前端成本。 2. 高可靠短码适配雷达回波信道：雷达回波属于时变、多径、低信噪比信道，极化码短码高可靠特性，适合回波信号中的辅助信息传输（目标参数、状态反馈）。 3. 带来新约束：极化码的冻结比特、编码结构会改变波形的峰均比、自相关特性，需要联合优化编码序列，避免编码引入旁瓣抬升，降低雷达探测精度。 简言之：极化码让6G基站从“单纯通信基站”升级为通信感知一体化智能基站，但需要编码、雷达波形协同设计，平衡通信纠错能力与雷达探测性能。 四、AI在极化码应用上的作用 传统极化码两大难点：子信道可靠性构造、译码算法优化。信道快速变化（毫米波、太赫兹、移动雷达场景）时，传统离线构造方案无法实时匹配信道。AI/机器学习为极化码提供全链路优化。 1. AI智能极化码构造 传统构造依赖信道模型，在非线性、时变信道（太赫兹大气吸收、雷达多径杂波）下计算量大。使用强化学习、神经网络，实时学习信道状态，动态选择信息比特与冻结比特位置，不再依赖固定查表，在时变信道下获得稳定编码增益。 2. AI辅助译码 - 神经网络译码：替代或辅助SCL列表译码，减少候选路径，降低译码时延与硬件功耗； - 深度学习纠错：针对译码残差错误，用神经网络做后处理纠错，提升低SNR下误码性能； - 强化学习动态调整译码列表长度，在信噪比好时降低复杂度，深衰落时增加列表深度，实现算力自适应调度。 3. AI用于通感一体化联合优化 AI联合优化极化码编码、MIMO波束、雷达波形，在通信误码率、雷达测距精度、算力功耗三者之间做动态权衡，是6G ISAC系统的核心优化手段。 4. 局限：AI译码存在模型泛化、硬件部署、可解释性问题，工程上一般采用模型驱动+AI增强混合架构，不是完全替代传统极化码译码。 五、太赫兹技术与极化码之间的互相作用 太赫兹（0.1~10THz）是6G超高速通信的核心频段，带宽极大，可实现Tbps级速率；但存在致命短板：大气水汽强吸收、路径损耗巨大、信道随气象快速波动，非线性效应显著，信道模型难以用传统公式精确建模。极化码和太赫兹是双向赋能关系。 5.1 太赫兹给极化码带来的挑战（对极化码提出新要求） 1. 信道快速时变：水汽、云雾、温度变化会造成几十dB动态衰减，要求极化码支持码长、码率实时自适应重构，静态极化码构造方案失效。 2. 高频非线性失真：太赫兹器件非线性强，传统高斯信道假设不再成立，需要AI辅助极化码构造，适配非高斯噪声信道。 3. 超短帧高速传输：Tbps速率下数据包帧长很短，处于有限码长区间，对极化码短码性能提出更高要求，PAC码、AI极化码成为优选。 5.2 极化码支撑太赫兹链路的稳定传输 1. 太赫兹通信距离短、信噪比波动剧烈，极化码在低SNR、短码场景下的高纠错能力，保障高速链路不掉链。 2. 极化码灵活码率适配：根据实时太赫兹信道衰减，动态切换码率，信道好时使用高速率传输，信道衰减严重时降低码率，保障链路连通。 3. 适配太赫兹ISAC：太赫兹波束极窄，天然适合近距离雷达成像；极化编码可以嵌入到太赫兹感知波形，实现高速通信+高精度雷达感知一体化。 二者的耦合逻辑：太赫兹提供超大带宽的物理载体，但信道恶劣；极化码（叠加AI）提供物理层可靠性底座，让太赫兹高速通信与感知从理论走向工程落地。 六、总结与展望 极化码作为唯一可证明达到香农容量的编码，从5G控制信道走向6G通感一体化系统。在6G基站与雷达融合场景，极化码承担通信+感知信号统一编码；AI解决极化码在动态、非高斯信道下的构造与译码复杂度瓶颈；太赫兹提供超大带宽，反过来倒逼极化码向自适应、短码、AI增强方向演进，而极化码则克服太赫兹信道剧烈衰减的短板。 未来的演进方向：AI增强的部分极化码/ PAC码，作为6G太赫兹通感一体化基带的编码标准，支撑空天地一体化、近距高速无线、雷达通信融合等前沿场景。