每日精学 186｜软信息饱和与可靠度损失
雷达 · 通信 · 电子战 / 基础精学 186
软输入译码器的接口通常只能容纳有限位宽。限幅是避免数值发散和存储溢出的常用操作，其代价不是普通波形的量化信噪比，而是概率可靠度和多证据抵消关系的改变。
01
模型与符号
原始 L 为已校准的零比一对数似然；采用对称上限 B>0，仅讨论确定性饱和，不另加入舍入误差。
B：软值限幅值（无量纲）
：饱和软值（无量纲）
p：原始零后验（概率）
：饱和后概率（概率）
D：伯努利KL偏差（自然单位）
02
从模型到公式
饱和映射
定义
对 L≠0 有
因而单样本硬判决不变；
这不意味着软信息完全等价。
概率表达范围
由逻辑函数得到
可表示概率满足
端点距零和一均有限，避免将有限证据误作绝对确定。
合并次序与偏差
一般有
例如 L1=12,L2=−7,B=8，先限幅的和为一，原始和为五。
概率偏差可用
描述，它是校准损失指标而非直接等价的误码率。
饱和映射的概率误差上界
对称饱和是非扩张映射：任意两个软值满足
但距离不增加并不表示信息无损，因为超过阈值的不同输入被合并。
对逻辑概率 p(L)，当 |L|>B 时，由单调性得
该概率绝对误差界随阈值指数下降，却不能直接控制后续证据抵消后的误码率。
两条很强但方向相反的证据可能在限幅后恰好相消，而原始幅度差仍包含明显倾向；因此饱和位置与合并次序必须一起说明。
03
物理含义
限幅把不同强度的强证据折叠为同一个数。单样本符号仍正确，但面对后续相反证据时，原本更可靠的观测可能失去应有权重。限幅位置与范围应作为软处理链的一部分统一设计。
04
固定参数算例
固定软值网格和上限二、四、八，测量逻辑概率偏差及伯努利散度，检查符号不变和范围约束。另用两路相反软信息构造确定性例子，验证先限幅与后限幅的差别。
| 量 | 数值 |
|---|---|
| 网格点数 | 601 |
| 饱和值 | 8 |
| max prob error B2 | 0.11920261612 |
| max prob error B8 | 0.00033504422824 |
| max kl B8 | 0.000332959155034 |
| clip then sum example | 1 |
| sum then clip example | 5 |
图 1 软值饱和的概率偏差与合并次序影响
表中数值和图中曲线由 MATLAB 实际运行得到，随机种子为 20261105；运行版本与完整结果另存为独立文件。
05
数字实现的边界
RTL 对 Q8 软值实施 B=8 的对称饱和，即整数范围正负 2048；输入幅度最多 32767，输出保持 Q8 格式。模块既不重新估计概率，也不补偿已丢失的幅度信息。
模块采用同步高有效复位及 valid 握手；有效输入在一个时钟沿登记输出，空拍不改变数据寄存器而清除输出有效标志。端口采用有符号 32 位容器，实际有效范围按子核定义约束。
自检覆盖多组有效输入、空拍保持及复位；它验证指定算术或地址子核，不代表完整通信系统或完整译码器已经完成硬件验证。
独立自检程序已在 Icarus Verilog 13.0 中实际运行并通过。该结果不包含器件综合、静态时序分析或板级测试。
06
适用范围
用于软信息接口动态范围规划、译码器饱和点审计和重复接收缓存设计。最终范围应结合真实软值分布和系统误码测试选择，单看最大绝对误差不足以评价译码性能。
07
工程上需要注意
饱和概率不能再被当成真实后验。
饱和值越小通常使高可靠度区分越弱。
符号不变性质不涵盖后续软信息相加。
过度置信模型产生的软值可能需要重标定而非仅限幅。
对称软信息饱和保持孤立硬判决，却压缩可靠度及反向证据抵消的尺度。概率损失和处理次序是不同于普通量化噪声的核心约束。
内容依据：每日精学第 186 课《软信息饱和与可靠度损失》。图表沿用原课固定参数数值结果，属于数值验证，不代表设备实测。